奥特曼YC演讲：套壳ChatGPT者死，我行不代表你行
来源丨量子位 奥特曼简单一句话，让AI创业公司瑟瑟发抖——“套壳”OpenAI，注定消亡！ 这是在最新YC校友分享会上，OpenAI CEO奥特曼发表的演讲观点。为此他还特意补充道：尤其别花太多精力在UI界面上。 一时间引发共鸣无数。不少业…
105 0 0
声浪
![语音/音频处理学术速递[10.9]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2023-10-10/1711569304455090176.jpg)
语音/音频处理学术速递[10.9]
今日论文合集：cs.SD语音13篇，eess.AS音频处理16篇。 cs.SD语音 【1】 MBTFNet: Multi-Band Temporal-Frequency Neural Network For Singing Voice En…
110 0 0
假期归来必看！2023年9月份，爆款论文总结，了解最新学术进展！
十一假期结束了，十月基本上算是过了一半了，小伙伴们收收心准备开始学习工作吧。按照惯例，月初继续带到家盘一下上个月(九月份)的热点论文。本月论文主要分为大模型微调、大模型发布、大模型应用三个方面。 其中在大模型微调方面有：麻省理工(MIT)提…
135 0 0
正面硬刚GPT-4V！浙大校友开源多模态大模型LLaVA-1.5，130亿参数8个A100一天训完
GPT-4V风头正盛，LLaVA-1.5就来踢馆了！它不仅在11个基准测试上都实现了SOTA，而且13B模型的训练，只用8个A100就可以在1天内完成。 9月底，OpenAI宣布ChatGPT多模态能力解禁。多模态GPT-4V的神奇能力让众…
78 0 0
7.7亿参数，超越5400亿PaLM！UW谷歌提出「分步蒸馏」，只需80%训练数据｜ACL 2023
LLM不实用，小模型蒸馏才是「现实」的大模型应用路线，全面领先微调技术！土豪请无视。。。 大型语言模型虽然性能优异，可以用零样本或少样本提示解决新任务，但LLM在实际应用部署时却很不实用，内存利用效率低，并且需要大量计算资源。 比如运行一个…
54 0 0
【开源项目】Flow Matching 语音合成
CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图
232 0 0
论文分享 | SINGFAKE：歌声深度伪造检测
本次分享美国罗彻斯特大学团队提交到ICASSP 2024会议的论文《SINGFAKE: SINGING VOICE DEEPFAKE DETECTION》。该论文提出一种新的语音鉴伪任务“歌声鉴伪”。 论文地址： https://arxiv…
164 0 0
NeurIPS 2023丨说话人识别：语音解耦与自监督
NeurIPS 2023说话人识别最新工作：语音解耦与自监督！由新加坡国家科技局、新国立、港理工和港中文（深圳）联合推出。 论文链接： https://arxiv.org/abs/2310.01128
62 0 0
论文分享 | 利用单模态自监督学习实现多模态AVSR
本次分享上海交通大学发表在 ACL 2022 会议 的论文《Leveraging Unimodal Self-Supervised Learning for Multimodal AVSR》。该论文利用大规模单模态自监督学习构建多模态语音识…
94 0 0
最多400万token上下文、推理提速22倍，StreamingLLM火了，已获GitHub 2.5K星
如果你体验过与任何一款对话式 AI 机器人的交流，你一定能想起某些极具「挫败感」的时刻。比如，你在前一天的对话中讲述过的要点，被 AI 忘得干干净净…… 这是因为当前的多数 LLM 只能记住有限的上下文，就像为考试而临时抱佛脚的学生，稍加盘…
85 0 0