Voice stuff
前往频道在 Telegram
Канал про голосовые технологии. Чат группы @voice_stuff_chat Здесь говорят про свежие подходы и решения в областях распознавания и синтеза речи, голосовой биометрии и про машинное обучение в целом. Контакт: @frappuccino_o
显示更多1 817
订阅者
-124 小时
+107 天
+1330 天
数据加载中...
吸引订阅者
十月 '2610月 '26
十月 '260
在0个频道中
九月 '26
+34
在0个频道中
Get PRO
八月 '26
+42
在2个频道中
Get PRO
七月 '26
+114
在7个频道中
Get PRO
六月 '26
+44
在4个频道中
Get PRO
五月 '26
+40
在0个频道中
Get PRO
四月 '26
+33
在0个频道中
Get PRO
三月 '26
+28
在0个频道中
Get PRO
二月 '26
+25
在0个频道中
Get PRO
一月 '26
+27
在0个频道中
Get PRO
十二月 '25
+24
在0个频道中
Get PRO
十一月 '25
+29
在0个频道中
Get PRO
十月 '25
+32
在0个频道中
Get PRO
九月 '25
+34
在0个频道中
Get PRO
八月 '25
+73
在1个频道中
Get PRO
七月 '25
+52
在1个频道中
Get PRO
六月 '25
+100
在2个频道中
Get PRO
五月 '25
+47
在1个频道中
Get PRO
四月 '25
+34
在3个频道中
Get PRO
三月 '25
+27
在2个频道中
Get PRO
二月 '25
+415
在3个频道中
Get PRO
一月 '25
+46
在0个频道中
Get PRO
十二月 '24
+24
在0个频道中
Get PRO
十一月 '24
+46
在0个频道中
Get PRO
十月 '24
+30
在1个频道中
Get PRO
九月 '24
+23
在1个频道中
Get PRO
八月 '24
+23
在2个频道中
Get PRO
七月 '24
+58
在3个频道中
Get PRO
六月 '24
+59
在1个频道中
Get PRO
五月 '24
+34
在0个频道中
Get PRO
四月 '24
+38
在0个频道中
Get PRO
三月 '24
+69
在2个频道中
Get PRO
二月 '24
+84
在2个频道中
Get PRO
一月 '24
+237
在2个频道中
Get PRO
十二月 '23
+617
在4个频道中
Get PRO
十一月 '23
+115
在4个频道中
Get PRO
十月 '23
+512
在1个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 04 十月 | 0 | |||
| 03 十月 | 0 | |||
| 02 十月 | 0 | |||
| 01 十月 | 0 |
频道帖子
| 2 |  На этом Интерспич 2026 подошёл к концу.
Расскажите какие статьи вас заинтересовали.
Думал клода натравить пару статей воспроизвести, но теперь сам без клода. | 493 |
| 3 |  +4Ещё одна статья по turn taking. там заметка такая что можно параллельно и ждать end of sentence и начинать генерировать ответ. А выдать ответ уже когда мы подтвердим end of utterance. Спасают полсекунды таким образом. | 493 |
| 4 |  +5没有文字... | 416 |
| 5 |  +9Turn taking доклад. Можете по qr коду и статью и гитхаб найти.
Оказывается то, что можно смотреть на вероятность EOS токена была целая статья - TurnGPT.
Тут же ребята используют эмбеддинги из Mimi, обучают новую проекцию и тюнят лору на qwen. | 386 |
| 6 | 2 модных слова в бизнесе:
Moat - ров. То, что вас отличает и защищает от конкурентов
wedge - клин. то, чем вы врываетесь в рынок существующий и занимаете своё место | 429 |
| 7 |  +1Кореец показывает статью, где всего 7М параметров и качество лучше, чем у ReDimNet. Пришли Ваня Яковлев и Ростик Макаров - авторы ReDimNet и обнаружили что это тот же redimnet, только перезавёрнутый. | 438 |
| 8 | Кореец показывает статью, где всего 7М параметров и качество лучше, чем у ReDimNet. Пришли Ваня Яковлев и Ростик Макаров - авторы ReDimNet и обнаружили что это тот же redimnet, только перезавёрнутый. | 2 |
| 9 |  правильно заполнил? | 1 |
| 10 |  +1Доброе утро | 465 |
| 11 |  Раскрыл загадку FeruzaSpeech
Я долго смотрел на фамилию Povey в этой работе и думал что он опубликовал что-то под псевдонимом потому что его мол забанили от публикаций.
Я с ним пообщался и он сказал что это работа его жены и дочери.
https://arxiv.org/abs/2410.00035 | 500 |
| 12 | Увиделся с автором Yodas v3. Спросил лучше ли качество в этой версии и как они хранят данные
https://youtube.com/shorts/6MuEMX_DLY4?si=CTq35vCH6iQltsFA | 472 |
| 13 |  Ну и последний постер на сегодня о том как голосовые модели воспринимают speaker similarity | 532 |
| 14 |  выбрасываем UTMOS | 478 |
| 15 |  UDD TTS
Есть такая штука: Jump Diffusion. Составляем спектрограмму, и удаляем из неё кадры. Во время обучения просим модель воспроизвести пропущенные кадры.
Теперь, во время инференса вставляем кадры, предсказанные текст энкодером и запускам диффузию, которая сама выберет какие кадры куда добавить.
Такая вот льтернатива duration prediction. | 470 |
| 16 |  Крутой постер о том что вместо того чтобы делать липсинк по сгенерированной речи, можно делать синтез речи по данному движению губ 🤯
Работает? - спросите вы. чекните демки. работает вполне себе!
https://lipadapter.github.io/ | 440 |
| 17 |  Как мы слышим себя?
25 людям дали ползунки с разными фильтрами и выяснили, что самые главные:
- low shelf фильтр - увеличивает громкость частот до 600Гц
- питч ниже, но только у мужчин (мы хотим слышать себя с более низким голосом оказывается) | 426 |
| 18 |  Если вы вдруг не знали что обучая модель акцентам и эмоциям одновременно, она скорее всего всё напутает, то вам целая статья об этом. | 405 |
| 19 |  допиливаем InstructTTS | 398 |
| 20 |  Я не нашёл презентующего, но мне интересно что такое ChatScorer
короче тут про RL в TTS поверх автометрики, которая хорошо коррелирует с human preference | 420 |
