Olewave - Professional and Trustworthy - Data Services and Solutions

Review of HiFi-GAN: Generative Adversarial Networks for Efficient and High Fidelity Speech Synthesis

Tutorials

HiFi-GAN 回顾：高效且高保真语音合成的生成对抗网络

长期以来，神经声码器迫使您选择立场：像 WaveNet 这样的自回归模型给您华丽的音频但速度惊人地缓慢，而基于 GAN 的波形生成器速度快但质量明显更低。

四月 22, 2023· 1 min read

In-depth Review of Google's SoundStream: An End-to-End Neural Audio Codec

Tutorials

Google SoundStream 深度回顾：端到端神经音频编码器

神经编码器悄然成为现代生成式音频的基础层，SoundStream 是启动这一切的论文之一。

四月 8, 2023· 1 min read

Disclosing OpenAI GPT-4's vision+text model, data, and cost to train (speculated)

Tutorials

揭露OpenAI GPT-4的視覺+文本模型、數據和訓練成本（推測）

OpenAI以拒絕披露GPT-4的架構、參數計數、訓練數據或計算預算而聞名，這使該技術報告成為ML社區的羅夏測試。

四月 1, 2023· 1 min read

A Review of GPT-4's Technical Report (GPT-4 in a Nutshell)

Tutorials

GPT-4技術報告評論（GPT-4概述）

GPT-4的技術報告在架構細節上出名地簡陋，在能力聲稱上出名地詳細，這對於任何在其基礎上構建的人來說都是必讀的清晰思維評論。

三月 25, 2023· 1 min read

[Olewave's Review] AudioLM: a Language Modeling Approach to Audio Generation

Tutorials

[Olewave評論] AudioLM：音頻生成的語言建模方法

AudioLM是一篇論文，它說服了許多人音頻生成應該看起來更像語言建模而不是信號處理。

三月 11, 2023· 1 min read

In-depth review of OpenAI's GPT-3 : Language Models are Few-Shot Learners (Part 3/3: Results&Rest)

Tutorials

OpenAI的GPT-3深度評論：語言模型是少樣本學習者（第3/3部分：結果和其他）

這個三部分GPT-3深度探討的最終部分達到了回報：當您向基準套件投入1750億個參數並完全跳過微調時，實際會發生什麼。

三月 8, 2023· 1 min read

[10 mins] Explain Why OpenAI's Whisper API Isn't As Good As ChatGPT

Tutorials

[10 分鐘] 解釋為什麼 OpenAI 的 Whisper API 不如 ChatGPT

Whisper 橫空出世，但它沒有像 GPT-3 改造 NLP 那樣重塑 ASR，這份十分鐘的評論認為原因都在論文本身。

三月 4, 2023· 1 min read

In-depth review of OpenAI's GPT-3 : Language Models are Few-Shot Learners (Part 2/3: Results)

Tutorials

OpenAI GPT-3 的深度評論：語言模型是小樣本學習者（第 2/3 部分：結果）

GPT-3 深度探討的第二部分超越設置，進入真正讓人們重新思考 NLP 的結果。

二月 25, 2023· 1 min read

WSJ Made a Mistake in Translating China's Foreign Minister's Speech; What has the Diplomat Said?

Tutorials

WSJ 在翻譯中國外交部長演講時出錯；外交官說了什麼？

機器和人工翻譯錯誤不僅是語言愛好者的好奇心，尤其是當它們出現在《華爾街日報》頭版並重塑地緣政治敘事時。

二月 22, 2023· 1 min read

In-depth review of OpenAI's GPT-3 : Language Models are Few-Shot Learners (Part 1/3: Intro&Approach)

Tutorials

OpenAI GPT-3 的深度評論：語言模型是小樣本學習者（第 1/3 部分：介紹與方法）

這份三部分 GPT-3 評論的開篇為那篇將規模從研究賭注變成行業聖經的論文奠定了基礎。

二月 11, 2023· 1 min read

In-depth Review of VALL-E: Neural Codec Language Models are Zero-Shot Text to Speech Synthesizers

Tutorials

VALL-E 深度評測：神經編解碼語言模型是零樣本文本轉語音合成器

從三秒參考音頻剪輯實現零樣本 TTS 曾聽起來不太可能，直到 VALL-E 推出，這篇深度評測正好揭示了 Microsoft 如何實現這一點。

二月 4, 2023· 1 min read

Understand Microsoft's VALL-E in 3 Minutes (SOTA Zero-shot TTS)

Tutorials

三分鐘了解 Microsoft 的 VALL-E（SOTA 零樣本 TTS）

VALL-E 是 TTS 停止像信號迴歸一樣發展、開始像語言建模一樣發展的時刻，這個快速講解器能讓你快速上手。

二月 4, 2023· 1 min read

ChatGPT/ChatGPT Plus/InstructGPT:Training language models to follow instructions with human feedback

Tutorials

ChatGPT/ChatGPT Plus/InstructGPT：使用人類反饋訓練語言模型來遵循指令

在 ChatGPT 產品背後是 InstructGPT 論文，這篇詳細評測拆解了將原始 GPT-3 轉變為人們真正想要對話的東西的管道。

一月 28, 2023· 1 min read

Explain how ChatGPT/ChatGPT Plus works in 3 minutes

Tutorials

三分鐘內解釋 ChatGPT/ChatGPT Plus 如何運作

ChatGPT 從外面看起來像魔法，但其配方是有據可查的（如果你知道去哪裡找的話），這個三分鐘的講解器濃縮了核心思想。

一月 28, 2023· 1 min read

[Olewave's Review] CLIP (3/3): Learning Transferable Visual Models From Natural Language Supervision

Tutorials

[Olewave 評測] CLIP (3/3): 從自然語言監督學習可轉移的視覺模型

這份 CLIP 評測的最後部分著重於結果部分，這正是 OpenAI 的對比式影像-文字模型從一個有趣的想法轉變為整個多模態堆疊基礎層原始構件的地方。

一月 14, 2023· 1 min read

[Olewave's Review] CLIP (2/3): Learning Transferable Visual Models From Natural Language Supervision

Tutorials

[Olewave 評測] CLIP (2/3): 從自然語言監督學習可轉移的視覺模型

OpenAI 的 CLIP 通過拋棄固定標籤集並改為在從網際網路上抓取的 4 億個(影像、文字)配對上進行訓練，翻轉了計算機視覺的劇本。

一月 1, 2023· 1 min read

[Olewave's Review] CLIP (1/3): Learning Transferable Visual Models From Natural Language Supervision

Tutorials

[Olewave 評測] CLIP (1/3): 從自然語言監督學習可轉移的視覺模型

在有 BLIP、LLaVA 或任何值得一提的 speech-LLM 之前，有 CLIP，這正是故事開始的地方。

十二月 17, 2022· 1 min read

[Olewave's Review] Token-level Sequence Labeling for SLU using Compositional E2E Models

Tutorials

[Olewave 評測] 用於 SLU 的組合式 E2E 模型的令牌級序列標籤化

端到端 SLU 正在流行，但將序列標籤視為序列預測悄悄拋棄了數十年來被充分理解的令牌級標籤機制。

十二月 3, 2022· 1 min read

[Olewave's Review] Branchformer: Parallel MLP-Attention Architectures, and E-Branchformer

Tutorials

[Olewave的評論] Branchformer：並行MLP-注意力架構和E-Branchformer

多年來，Conformer一直是最難超越的ASR編碼器，但Branchformer及其後續作品E-Branchformer令人信服地表明，順序卷積加注意力並不是唯一的路徑。

十一月 19, 2022· 1 min read

Non Collision Mispronunciation Addition (NCMA) for Accented ASR

Tutorials

用於帶口音ASR的非碰撞誤讀音添加（NCMA）

帶口音和非母語語音會以悄無聲息的方式破壞發音詞典，進而毒害您的聲學模型對齊，而這項Interspeech 2021的工作提出了一個看似簡單的問題：如果我們只是添加了de

十一月 3, 2022· 1 min read

[Olewave's Review] OpenAI's Whisper ASR: Robust Speech Recognition via Large-Scale Weak Supervision

Tutorials

[Olewave的評論] OpenAI的Whisper ASR：通過大規模弱監督進行強大的語音識別

當OpenAI推出Whisper時，ASR社區不得不面對一個在680,000小時多語言、多任務、網絡爬取音頻上訓練的系統，該系統開箱即用，跨越口音、背景噪音和技術

十月 31, 2022· 1 min read

One-Edit-Distance FSA/Network-based (OEDN) in Mispronunciation Detection and Accented ASR

Tutorials

在誤讀檢測和帶口音ASR中的單編輯距離FSA/基於網絡（OEDN）

非母語聲學建模存在先有雞還是先有蛋的問題：不良的音素對齊產生不良的模型，而不良的模型產生不良的對齊。

九月 24, 2022· 1 min read

Olewave's most detailed illustration of RNN-T: Sequence Transduction with Recurrent Neural Networks

Tutorials

Olewave 最詳細的 RNN-T 說明：使用遞迴神經網路的序列轉導

Alex Graves 的 RNN-T 論文是當今幾乎每個上線串流 ASR 系統的無聲先驅，從 Google 的裝置內辨識器到 NeMo、ESPnet 及其他眾多開源轉導器堆疊。

九月 3, 2022· 1 min read

Google fired Blake Lemoine for saying AI bot is sentient? Does LaMDA or ChatGPT think like human?

Tutorials

Google 因 Blake Lemoine 說 AI 機器人具有感知能力而解僱他？LaMDA 或 ChatGPT 像人類一樣思考嗎？

當 Google 因 Blake Lemoine 公開聲稱 LaMDA 已變得具有感知能力而解僱他時，這個故事引起了轟動，但底層問題仍然存在：像 LaMDA 和 ChatGPT 這樣的大型語言模型是否真正思考，

八月 5, 2022· 1 min read

[Olewave's Long Review] Efficient Training of Neural Transducer for Speech Recognition

Tutorials

[Olewave 的長評] 語音辨識神經轉導器的有效訓練

神經轉導器是串流 ASR 的主力，但有效地訓練它們有名地困難：RNN-T 損失在序列長度上具有立方記憶、對齐格點在長話語上爆炸，而單一

七月 23, 2022· 1 min read

Boris Johnson’s Rise and Fall - an analysis of the mics

Tutorials

Boris Johnson 的興衰 - 麥克風分析

政治新聞通常不是聲音 AI 工程師在週五下午準備的東西，但 Boris Johnson 的辭職聲明是在一排麥克風前發表的，當時他的政黨因一系列醜聞而背叛

七月 9, 2022· 1 min read

[Olewave's Long Review] Xception: Deep Learning with Depthwise Separable Convolutions

Tutorials

[Olewave 長評論] Xception：深度學習與深度可分離卷積

Xception 將 Inception 假說推向邏輯極端，通過將跨通道和空間相關性推入完全分離的操作，其所推廣的深度可分離卷積現已隨處可見

七月 9, 2022· 1 min read

[Olewave's Short Review] Xception: Deep Learning with Depthwise Separable Convolutions

Tutorials

[Olewave 短評論] Xception：深度學習與深度可分離卷積

如果你只想要核心的 Xception 概念而不想要長篇深入探討，這份短評論是快速版本。

七月 9, 2022· 1 min read

Dr. Fauci was caught on hot mic - 'what a moron' -- analysis from a research perspective

Tutorials

Fauci 博士被熱麥克風錄到 - '真是個傻瓜' -- 研究角度的分析

博士

七月 2, 2022· 1 min read

Phased Array Radar on China's Aircraft Carrier Fujian 003 and Its Connection with Speech Beamforming

Tutorials

中國航空母艦福建 003 上的相控陣雷達及其與語音波束形成的聯繫

中國最新航空母艦福建 003 上安裝的相控陣雷達和讓你的智能音箱在嘈雜房間裡聽到你說話的麥克風陣列實際上基於相同的底層數學。

六月 25, 2022· 1 min read

Author: olewave