zh
红薯智语
每月不到10元,就可以无限制地访问最好的AIbase。立即成为会员
首页
AI资讯
AI日报
变现指南
AI教程
AI工具导航
AI产品库
zh
红薯智语
搜索全球AI产品动态
搜索全球AI信息,发现AI新机遇
新闻资讯
产品应用
变现案例
AI教程
类型 :
新闻资讯
产品应用
变现案例
AI教程
2024-08-22 08:34:49
.
AIbase
.
11.2k
字节豆包语音模型和视觉模型再升级 综合能力提升20.3%
在2024年8月21日的火山引擎AI创新巡展上海站上,火山引擎展示了豆包大模型的全面升级,包括豆包·文生图模型对长文本有更精准的图文匹配能力,豆包·语音识别模型在多个公开测试集中的错误率最高降低40%,以及豆包·语音合成模型升级了流式语音合成能力,能够实时响应、精准断句。火山引擎还发布了对话式AI实时交互解决方案,整合豆包大模型和实时音视频技术,提供端到端的大模型实时对话方案,让AI交互体验更强。此外,火山引擎与多点DMALL联合成立零售大模型生态联盟,与汽车大模型生态联盟增加新成员,旨在推动零售和汽车行业的智能化升级。
2024-08-21 10:15:24
.
AIbase
.
11.2k
字节跳动自动语音识别模型Seed-ASR,各种口音和方言统统能听懂!
字节跳动推出的Seed-ASR引擎,通过海量训练数据,实现了对普通话、13种中国方言及7种外语的高精度识别,显著提升了跨语言交流的便利性。其关键优势在于出色的上下文感知能力,能结合历史信息准确识别人名、地名和关键词,尤其在特定场景下表现优异,提升识别精度。无论是在日常对话、复杂会议还是多人交谈、背景噪音环境中,Seed-ASR均能精准转录。它还能识别各种专业领域术语,适用于智能助手、语音搜索等场景,大幅改善用户体验。
2024-08-07 09:11:21
.
AIbase
.
10.9k
以色列公司推出速度提升50%的开源语音识别模型Whisper Medusa
以色列AI公司aiOla发布了一款名为Whisper Medusa的开源语音识别模型,该模型基于改进的架构设计,引入多头注意力机制,使其处理速度比OpenAI的Whisper模型快50%。Whisper Medusa通过并行预测十个tokens,而非传统的一次一个,显著提高了语音识别速度,同时保持了性能不减。其创新的训练方法采用弱监督学习,冻结主干系统并使用模型生成的音频转录作为标签训练其他模块。这一开源模型的发布,将为语音识别技术的发展带来深远影响,推动更快速、高效的语音处理应用,并可能在智能助手、实时翻译和语音控制系统等领域实现性能提升。
2024-08-02 09:21:02
.
AIbase
.
10.8k
aiOla推超高速开源语音识别模型Whisper-Medusa,比OpenAI的Whisper快50%
以色列AI初创公司aiOla发布了一款名为Whisper-Medusa的开源语音识别模型,比OpenAI的Whisper快50%。该模型基于Whisper构建,采用了创新的“多头注意力”架构,能一次预测更多代币,速度提升显著而准确性不变。Whisper-Medusa已在Hugging Face上以麻省理工学院许可发布,允许研究和商业使用。aiOla通过弱监督机器学习方法训练模型,冻结了Whisper的主要组件,并使用模型生成的音频转录作为标签来训练额外的token预测模块。该模型在真实企业数据用例上测试过,能在实际场景准确运行,有望在语音应用中加快响应速度,提升效率和降低成本。