Speech Info
@speechinfo - کانال Telegram
0/5
0 نظر
1.3K
مشترکان
11/07/26
افزودهشده
درباره Speech Info
Speech Info یک کانال تلگرام است که به سایر اختصاص دارد و بیش از 1 هزار مشترک دارد. Инженеры из Яндекса разбирают и комментируют горячие статьи об ML и аудио. Вопросы и предложения > @yandex_ml_brand به کانال بپیوندید تا همه بهروزرسانیها را مستقیماً در تلگرام دریافت کنید.
توضیحات اصلی
Инженеры из Яндекса разбирают и комментируют горячие статьи об ML и аудио. Вопросы и предложения > @yandex_ml_brand
پیامهای اخیر
Qwen3-TTS Technical Report [2/2]
Продолжаем обсуждать
новинку
от команды Alibaba. В предыдущем посте разобрали архитектуру Qwen3-TTS, в этом рассмотрим, как и на чём его обучали.
Для обучения используют сначала 5M+ часов многоязычной речи, затем continual pretraining на более качественных данных, чтобы снизить галлюцинации и улучшить качество, затем long-context stage, где увеличивают контекст с 8
Три работы о том, как сделать речь полноценной модальностью для LLM
В сегодняшней подборке — три любопытные идеи: от генерации голосового ответа с ризонингом без лишней задержки до более компактных речевых представлений и подготовки аудиоданных для мультимодального претрейна.
STITCH: Simultaneous Thinking and Talking with Chunked Reasoning for Spoken Language Models
Статья Microsoft о том, как доб
Reward-Driven Interaction: Enhancing Proactive Dialogue Agents through User Satisfaction Prediction
Разбираем
статью
об улучшении диалоговых агентов с помощью «проактивности». Речь о способности системы в нужный момент задать уточняющий вопрос, если она понимает, что пользователь, скорее всего, останется недоволен ответом.
Применяют обычный для голосового ассистента каскадный пайплайн: отдельный A
Как устроена голосовая активация в Яндекс Дропс
Недавно Яндекс запустил свои первые ИИ-наушники — Яндекс Дропс. В числе прочего они умеют распознавать обращение «Алиса», а отвечает за эту способность компонент, который мы внутри называем «споттером» (чуть подробнее писали о споттерах
тут
). И если с голосовой активацией в колонках всё плюс-минус понятно, то перенести её в наушники — это челлендж.
Chunk-wise Attention Transducers for Fast and Accurate Streaming Speech-to-Text
В NVIDIA есть несколько сотрудников, которые стабильно пишут интересные статьи об ASR в целом и RNN-T в частности. Примеры таких работ —
FastConformer
,
TDT
,
WIND
. Сегодня расскажем о
CHAT
, суть которого также в улучшении RNN-T. Но сначала вспомним, что это такое.
Recurrent Neural Network Transducer — архитектура дл
Ускорили перевод видео в Яндекс Браузере — задистиллировали диффузионный декодер TTS
Сегодня делимся свежей
хабростатьёй
о том, как ускорили синтез речи при переводе видео в Яндекс Браузере.
С чего стартовали
Внутри TTS — каскад из трёх частей:
🔴
языковая модель предсказывает аудиотокены по тексту;
🔴
диффузионный декодер восстанавливает мел-спектрограмму из латентов;
🔴
вокодер превращает её в звук
UALM: Unified Audio Language Model for Understanding, Generation and Reasoning
В более ранних статьях аудиопонимание и генерация традиционно шли параллельно и не пересекались. Но, если задуматься, человек, решая задачу в области аудио, одновременно мыслит словами и воспринимает звук, постоянно переключая в голове эти модальности — например, так происходит, когда композитор пишет музыку.
Объединить
Voxtral Realtime
Разбираем статью о модели
Voxtral Realtime
, в которой предложили ещё один способ, как стримить speech-to-text.
Авторы утверждают, что у них получилось сделать модель, в которой можно контролировать латенси и которая при задержке в полсекунды имеет паритет по качеству с Whisper. Если увеличить задержку до секунды, то модель начинает превосходить Whisper, ещё больше — например, 2,5
پیشنمایش متنی آخرین پیامهای عمومی — محتوای رسانهای نمایش داده نمیشود.
نظرات (0)
هنوز نظری ثبت نشده است
پرسشهای متداول
روی دکمه «باز کردن در تلگرام» کلیک کنید و سپس «پیوستن» را بزنید تا در کانال مشترک شوید.
بله، کانال را باز کنید، روی نام آن در بالا ضربه بزنید، سپس «اعلانها» را انتخاب کرده و «بیصدا» را برای مدت دلخواه انتخاب کنید.
دفعات انتشار از کانالی به کانال دیگر متفاوت است. برای درک بهتر، پستهای اخیر را بررسی کنید.
برخی کانالها پیوند گروه گفتگو یا اطلاعات تماس مدیر را در توضیحات دارند. در غیر این صورت نمیتوان مستقیماً با آنها تماس گرفت.
سایر کانالها در سایر
