Voice stuff
Відкрити в 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
Показати більше1 817
Підписники
Немає даних24 години
+67 днів
+1030 днів
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '260
в 0 каналах
вересень '26
+34
в 0 каналах
Get PRO
серпень '26
+42
в 2 каналах
Get PRO
липень '26
+114
в 7 каналах
Get PRO
червень '26
+44
в 4 каналах
Get PRO
травень '26
+40
в 0 каналах
Get PRO
квітень '26
+33
в 0 каналах
Get PRO
березень '26
+28
в 0 каналах
Get PRO
лютий '26
+25
в 0 каналах
Get PRO
січень '26
+27
в 0 каналах
Get PRO
грудень '25
+24
в 0 каналах
Get PRO
листопад '25
+29
в 0 каналах
Get PRO
жовтень '25
+32
в 0 каналах
Get PRO
вересень '25
+34
в 0 каналах
Get PRO
серпень '25
+73
в 1 каналах
Get PRO
липень '25
+52
в 1 каналах
Get PRO
червень '25
+100
в 2 каналах
Get PRO
травень '25
+47
в 1 каналах
Get PRO
квітень '25
+34
в 3 каналах
Get PRO
березень '25
+27
в 2 каналах
Get PRO
лютий '25
+415
в 3 каналах
Get PRO
січень '25
+46
в 0 каналах
Get PRO
грудень '24
+24
в 0 каналах
Get PRO
листопад '24
+46
в 0 каналах
Get PRO
жовтень '24
+30
в 1 каналах
Get PRO
вересень '24
+23
в 1 каналах
Get PRO
серпень '24
+23
в 2 каналах
Get PRO
липень '24
+58
в 3 каналах
Get PRO
червень '24
+59
в 1 каналах
Get PRO
травень '24
+34
в 0 каналах
Get PRO
квітень '24
+38
в 0 каналах
Get PRO
березень '24
+69
в 2 каналах
Get PRO
лютий '24
+84
в 2 каналах
Get PRO
січень '24
+237
в 2 каналах
Get PRO
грудень '23
+617
в 4 каналах
Get PRO
листопад '23
+115
в 4 каналах
Get PRO
жовтень '23
+512
в 1 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 05 жовтня | 0 | |||
| 04 жовтня | 0 | |||
| 03 жовтня | 0 | |||
| 02 жовтня | 0 | |||
| 01 жовтня | 0 |
Дописи каналу
| 2 |  На этом Интерспич 2026 подошёл к концу.
Расскажите какие статьи вас заинтересовали.
Думал клода натравить пару статей воспроизвести, но теперь сам без клода. | 541 |
| 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. | 537 |
| 4 |  +5Немає тексту... | 449 |
| 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. | 418 |
| 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 | 449 |
| 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. | 458 |
| 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 | 481 |
| 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 | 517 |
| 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 | 488 |
| 13 |  Ну и последний постер на сегодня о том как голосовые модели воспринимают speaker similarity | 544 |
| 14 |  выбрасываем UTMOS | 484 |
| 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. | 478 |
| 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/ | 449 |
| 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) | 434 |
| 18 |  Если вы вдруг не знали что обучая модель акцентам и эмоциям одновременно, она скорее всего всё напутает, то вам целая статья об этом. | 411 |
| 19 |  допиливаем InstructTTS | 404 |
| 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 | 427 |
