從這裡開始
從這裡開始
五 基於結果的課程
每門課程都包括明確的成果、映射的能力、實踐活動和應用的頂點。
主題曲目
按曲目瀏覽
跳入您關心的領域。每條賽道都有多個簡單的英文指南。
- 134 指南基礎知識核心概念:人工智慧如何在高層次上運作。探索
- 272 指南語言人工智慧LLM、NLP、ChatGPT、提示和文字理解。探索
- 298 指南視覺人工智慧影像生成、電腦視覺、視訊和設計。探索
- 188 指南音訊人工智慧語音、音樂、播客和音訊優先的人工智慧。探索
- 145 指南公司OpenAI、Anthropic、Google、Meta 等的設定檔。探索
- 761 指南應用領域人工智慧如何出現在編碼、搜尋、代理和日常生活中。探索
- 244 指南產業醫療保健、金融、教育、能源等領域的人工智慧。探索
- 536 指南科技晶片、微調、RAG、向量和人工智慧基礎設施。探索
- 422 指南社會偏見、隱私、版權、安全和人工智慧的未來。探索
全庫
音訊人工智慧
188 的 3000 顯示指南。按曲目過濾或上方搜尋。
- 音訊人工智慧波束形成和麥克風陣列波束成形將來自已知位置的多個麥克風的訊號組合在一起,以便來自一個選定方向的聲音相加,而來自其他方向的聲音...9 最小閱讀量閱讀
- 音訊人工智慧擴散頻譜圖擴散Riffusion 採用文字到影像擴散模型,透過產生頻譜圖影像和重建波形來產生音訊。免費的簡單英語指南。2 最小閱讀量閱讀
- 音訊人工智慧MusicLM:分層語意和聲學標記了解 Google MusicLM 如何使用分層語意和聲學標記、SoundStream 和 MuLan 將文字提示轉換為連貫的音樂。8 最小閱讀量閱讀
- 音訊人工智慧Noise2Noise 語音增強Noise2Noise 從同一底層信號的損壞觀測對中訓練恢復模型,無需乾淨的目標。2 最小閱讀量閱讀
- 音訊人工智慧Conv-TasNet 時域分離Conv-TasNet 是一個時域神經語音分離模型,圍繞基於掩碼的分離器學習編碼器和解碼器。免費的通俗英文指南。2 最小閱讀量閱讀
- 音訊人工智慧雙路徑 RNN 分離雙路徑 RNN (DPRNN) 是一種神經網路設計,用於分離單麥克風錄音中的重疊語音。免費的簡單英語指南。9 最小閱讀量閱讀
- 音訊人工智慧打開-分離音樂分離Open-Unmix (UMX) 是一種開源深度學習系統,它將歌曲分成幾個部分:人聲、鼓、貝斯和其他樂器。2 最小閱讀量閱讀
- 音訊人工智慧Whisper 帶時間戳的字對齊單字對齊估計所提供轉錄中的單字或音素在音訊中出現的位置。免費的簡單英語指南。2 最小閱讀量閱讀
- 音訊人工智慧使用變形金剛進行音樂標記音樂標籤為音訊片段分配一個或多個描述性標籤。免費的簡單英語指南。2 最小閱讀量閱讀
- 音訊人工智慧音訊中的起始檢測起始偵測可找到音訊訊號中音符、節拍或聲音開始的精確時刻。免費的簡單英語指南。2 最小閱讀量閱讀
- 音訊人工智慧MelGAN 產生聲碼器MelGAN 是一個非自迴歸、全卷積的 GAN 音訊合成器(vocoder),可將梅爾頻譜圖對應至音訊波形。免費的白話導覽。2 最小閱讀量閱讀
- 音訊人工智慧UnivNet 多重解析度聲碼器UnivNet 是一個 GAN 音訊合成器,它以梅爾頻譜圖作為波形生成的條件,並使用多解析度頻譜判別器。2 最小閱讀量閱讀