端到端语音模型」共找到 8150 篇相关文章

开源动态8

还在花钱转语音?10,000+ star 开源「ebook2audiobook」白嫖1107种语言!免费文字秒变多语言音频!

`ebook2audiobook` 是由 Drew Thomasson 主导、13k+ Stars 的开源工具,能将电子书无缝转换为有声书,支持 1107+ 语言,有章节拆分、多 TTS 引擎支持等功能,低门槛部署,适合多场景。

小华同学ai
开源动态7

微软重磅开源 Copilot!64 岁 VS Code 创始人亲口承认:眼红 Cursor,但真正价值在后,它“抄”不过去!

在 Build 2025 开发者大会上,微软正式开源 GitHub Copilot Extension for VS Code 项目。VS Code 创始人 Eric 表示眼红 Cursor,认为真正价值在后。微软认为现在开源时机成熟,希望复制 VS Code 开源成功路径。

InfoQ
6

7B参数比 Kimina 72B 版更强!DeepSeek 新模型将“自动化所有运算”?奥赛生实测能力“太棒”

InfoQ
推荐文章7

从算法天才到机器人造梦者,原力灵机范浩强详解具身智能进化论:模型解锁场景,场景定义硬件

AI 前线深度访谈原力灵机范浩强,探讨其创业选择、具身智能技术演进与产业趋势。他认为机器人是 AI 绕不过的点,2025 年硬件与算法拼图开始对齐,原力灵机强调算法先行,还分享了保证算法演进的路线。

AI前线
新闻资讯7

a16z将3000万开发者标价3万亿,等于法国GDP!网友:几个初创公司+大模型就想取代我们,疯了吧?

顶级风投 a16z 合伙人将全球开发者价值量化为 3 万亿美元,与法国 GDP 划等号,描绘 AI 编程颠覆生产关系的资本盛景。他还阐述 AI 编程价值、软件颠覆、开发流程变化等观点,引发网友质疑。

AI前线
算法论文8

别再只关注KV Cache了! LLM稀疏性新洞察:为何模型越深越稀疏?UNCOMP从矩阵熵给出答案

团队论文UNCOMP获EMNLP 2025主会接收,它提出高效推理框架,从截断矩阵熵视角解释LLM深层稀疏现象。还能识别关键结构、找到最优压缩策略,设计的UNCOMP框架优化KV Cache,实验效果佳。

深度学习自然语言处理
新闻资讯7

a16z将3000万开发者标价3万亿,等于法国GDP!网友:几个初创公司+大模型就想取代我们,疯了吧?

顶级风投 a16z 合伙人将全球开发者群体价值量化为 3 万亿美元,与法国 GDP 划等号,描绘 AI 编程颠覆生产关系的资本盛景,引发网友质疑,还探讨了 AI 编程多方面影响及初创机会。

InfoQ
算法论文8

同时监督和强化的单阶段大模型微调,告别“先背书再刷题”,推理泛化双提升|中科院&美团等

中国科学院自动化研究所联合美团提出单阶段监督 - 强化微调方法 SRFT,结合监督微调与强化微调,解决传统两阶段方法的不足,在多任务中提升推理和泛化能力。

量子位
新闻资讯8

你还在关注大模型排名?这家公司已在全球收割AI红利,做“真正能交付结果的”Super Agents

文章借昆仑万维财报,探讨AI商业化进程。该公司战略重视AIGC,有全面业务场景。其发布的天工超级智能体解决行业痛点,上线APP拓展办公场景。财报显示营收增长,AI业务成引擎,为行业提供借鉴。

量子位
算法论文8

PRSA 2025 | RPI Nithin Somasekharan、Shaowu Pan(潘韶武):突破柯尔莫哥洛夫屏障——面向模型降阶的可学习加权混合自编码器

本文将线性POD与非线性Autoencoder通过可学习参数融合,提出可学习加权混合自编码器架构。在多数据集验证中,该方法克服了POD和纯AE的局限,在复杂PDE系统预测中表现出色,或可降低大规模计算成本。

力学与人工智能