基于开源技术的数字人实时对话：形象可自定义，支持语音输入，对话首包延迟可低至3s
社区魔搭社区最近上线了基于开源技术的数字人实时对话demo，无需预训练即可使用自定义的数字人形象进行实时对话，支持语音输入和实时对话。 项目链接：https://www.modelscope.cn/studios/AI-ModelScope…
41 0 0
声浪
OpenAI发布Windows版ChatGPT，高级语音能用了
来源丨新智元 OpenAI发布了支持Windows和macOS的ChatGPT桌面端，这种更加集成化的形式为用户在各种生活与工作的场景下，带来了更好的无缝式交互体验。对于常在桌面端办公的开发者来讲，应用协作功能尤其引人注目并超乎期待。 把消…
56 0 0
![语音/音频处理学术速递[11.15]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-19/1858708271045677056.jpg)
Transformer打破三十年数学猜想！Meta研究者用AI给出反例，算法杀手攻克数学难题
来源丨新智元 30多年的数学猜想首次获得了进展！Meta等学者提出的PatternBoost，使用Transformer构造了一个反例，反驳了一个已悬而未决30年的猜想。是否所有数学问题都适合机器学习技术？这样的未来太令人期待了。 30多年…
46 0 0
声学模型和语言模型融合的N种方式
语音识别算法目的是从声学特征x中找到最有可能生成的词序列y，即 完整的语音识别算法包括特征提取、声学模型、语言模型和解码，其中语言模型（Langulage Model, LM）负责计算词序列W={w1,…,wn} 的概率估计P(W)。并且语…
52 0 0
![语音/音频处理学术速递[11.14]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-15/1857272540007895040.jpg)
阿里开源Qwen2.5-Coder，最强开源代码模型来了
来源丨AIGC开放社区 根据阿里公布的测试数据显示，32B指令微调模型在 EvalPlus、LiveCodeBench、Spide和Bird-SQL的测试中，成为开源模型中性能排名第一，超过GPT-4o、Claude 3.5 Sonnet两…
52 0 0
![语音/音频处理学术速递[11.13]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-14/1856889433807261696.jpg)
诺奖AI成果开源了！ AlphaFold3代码人人可以免费下，Nature亲自撰文推荐
来源丨量子位 刚刚，谷歌开源了自己的诺奖模型AlphaFold3！至此来自生物医药、生命科学等各个领域的科学家们都可以免费下载模型代码，自行运行模型开展工作。 此举直接获得了Nature亲自撰文推荐。 GitHub链接：https://gi…
38 0 0
上交大与上海人工智能研究所联合推出医学多语言模型，模型数据代码开源
来源丨DrugAI、机器人的脑电波 今天为大家介绍的是来自上海交通大学的王延峰与谢伟迪团队的一篇论文。开源的多语言医学语言模型的发展可以惠及来自不同地区、语言多样化的广泛受众。 论文：https://www.nature.com/artic…
44 0 0