语音识别开源工具Kaldi的创始人，语音和AI领域大佬Daniel Povey决定加盟小米。Daniel Povey教授此前因为与霍普金斯校内的抗议学生发生冲突，因而被霍普金斯校方解雇。被解雇后，Daniel 很快收到了 Facebook 的 offer，但因不满公司对其个人进行的独立调查，随后表示将来中国公司任职。

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

2811 位用户此时在线

24小时点击排行 Top 10：

罗翔：济南市委宣传部副部长与电视台女主播开房被抓。这女人勇敢地保护副部长，真不愧为党的女战士！山东“红嫂”，舍命保护党的领导，应该号召全国百姓向她学习！两黑社会听口音河北人士？女的好猛

說了半天也不給個座標

转起来！你能相信这是加州阿罕布拉的美国海军招募办公室吗？这里的每个招募人员以及所有前来应征入伍的人都是中国人。这里的工作语言也是中文。这个视频是知名油管博主洛奇拍摄的，带他去拍摄的是美国海军招募员是王中士，他的名牌上写着「EN2 QLANG WANG」。

以色列誤炸了俄羅斯海軍艦隊，蘇聯“蚊子”導彈艇被炸沈俄羅斯試圖與敘利亞反對派就安全退出問題進行談判徹底失敗。

俄烏戰爭

12月8日(发布) 河南封丘。一小男孩把一名智障老人推下冰冷的河水中。拍摄者询问男孩为什么不让老人上来。男孩回答：“他是傻子，你别管他，就是要冻死他” 男孩还称与水中的老人认识。

12月9日，一网友在直播间，画电影《紧急迫降》里的演员丁嘉元，因该演员形似胡锦涛，被网友调侃。网友们在直播间回复：“全靠同行衬托” “现在小学生也行啊” “十里山路”

近日，济南大学舜耕校区“泡面价格战”引发热议。网友发帖称，学校食堂一档口的煮泡面卖3.5元，学校超市也增加了这项业务，但售价10元，超市老板要求食堂档口一起涨价，被拒绝后，超市老板疑似动用关系，将食堂泡面档口的老板排挤出了学校。事后，超市老板称，价格合理，儿子在清华上研究生。

“江泽民曾庆红曾计划推举双话事人？” 万润南表示，在十二年前的中共接班现场，幕后的大佬江泽民和曾庆红有过”双接班”的设想，即习近平接任总书记，薄熙来接任国家主席。这种双话事人的顶层设计，最后却因为薄熙来自身的种种原因而腹死胎中。

地下场子更牛！一个脱口秀段子道尽了中共体制内滥用职权强行交配的所有肮脏手段！以前为明智时常常听中共宣传日本人老是各种潜规则女性！西方搞性开放滥交！结果看了中共百位入狱贪官调查纪实文学，才发现这个世界上最恶心，最烂的政党：中共！

中国各大“正能量”博主谈叙利亚局势及后续：独夫之心：大马士革不可能沦陷，说不可能就是不可能。复旦大学教授沈逸：叛军就是在阿勒颇打卡拍照，根本不敢南下。金灿荣：叙利亚政府军只要不慌，应该没问题。孤烟暮蝉：叙利亚不至于崩溃。 B站七哥在直播中称：叙利亚要是能丢，退出直播界！

这个破产的美女含泪自己鼓励自己。愿她重新站立起来。中共经济政策原因是一方面，再反思一下自己，是不是卖的不含一滴牛奶的奶茶坑人太多遭报应了？人自己做的一切都要偿还的。🙏

一年几乎9个南京大屠杀，中国人从没在意……

由于巴沙尔·阿萨德逃往俄罗斯，积怨已久的叙利亚民众用一头驴代替他进行游街示众。

12月4日，辽宁沈阳。华为零售商“亮哥”透露：今年我们家华为Mate 70系列销量非常惨淡，亮哥认为，原因是老百姓手中没钱，华为的爱国情怀捆绑在市场被逐渐消耗殆尽。视频发布后第二天，华为经销商要停止对他供货，还遭到华为律师约谈，对此亮哥只能删掉视频。

神秘赊刀人惊现石门｡

夜查电动车的背后,居然有柳世家族的身影! 资本的入侵，开头是利用权力，后来开始操控权力，再后来就有可能撑控权力

国内原来这样用AI赚钱啊：给人拍完婚纱照后，用图在海螺AI里生成短片，做成婚礼视频，6000-8000元一部片。

近日，广州发布新规，“电动车限速15公里” “不得以手持方式使用通讯工具”等内容引发热议。新规起草者回应：其目的是为了保障骑手等从业者的安全。网友回复 “专家领导从不骑电动车” “电动车限速15，那建议自行车限速5，行人限速1”

最近這張圖片封神了！

走失山沟沟13年生两娃的女硕士事件。警方又是比对人脸，又是比对DNA，13年没有找到亲人。志愿者上门两个小时让她写出导师名字，上网一搜就找见了。

中共國走進了絕路中國進入了絕境，今天中國的困難處境，罪魁禍首是國家領導人，頂層統治集團奉行的是對外稱霸企圖奴役全世界🌏，對內剝削奴役本國人民的政策，中國的統治者不僅僅是中國人民的敵人，也是全人類的共同敵人，當然還有俄羅斯。

二十大中央委员、海关总署署长俞建华（61年生）昨晚在办公室自杀了。俞建华是资深的国际商务官员，长期在外经贸部、商务部工作，2013年就解決了副部级待遇，2021年1月任商务部党组副书记、国际贸易谈判代表（正部长级）兼副部长，2022年4月担任海关总署党委书记，2022年5月担任海关总署署长、党委书记

影武者联盟 By:匿名投稿

巴勒斯坦哈马斯使用中国制造的 69 型 RPG 发射器埋伏攻击以色列坦克。

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

6

5

4

语音识别开源工具Kaldi的创始人，语音和AI领域大佬Daniel Povey决定加盟小米。Daniel Povey教授此前因为与霍普金斯校内的抗议学生发生冲突，因而被霍普金斯校方解雇。被解雇后，Daniel 很快收到了 Facebook 的 offer，但因不满公司对其个人进行的独立调查，随后表示将来中国公司任职。
大陆资讯
( www.qbitai.com )

5年前由黄牛票提交

1周内 1个月内 1年内全部时间

1
2
3
4
5
6
...
400
下一页

1

2

1

1

如何用Kaldi做语音识别？
大陆资讯
( www.zhihu.com)

4年前 • 知乎每日精选 • -- 点击 0 评论

2

2

1

1

OpenCat 1.4.1 for iOS 更新啦，支持了 Whisper 的语言识别。在聊天窗口轻点麦克风 🎤 切换到语音输入。长按开始录音，松开手指发送。长按后左滑取消录音，右滑可以编辑识别的文字。
IT技术
( twitter.com)

1年前 • Baye aka 威力狈 • -- 点击 0 评论

3

2

1

1

OpenAI已经为“GPT-5”提交了商标申请，该商标涵盖了以下内容：

- “人工生成人类语音和文本的软件”
- “将音频数据文件转换为文本”
- “声音和语音识别”
- “基于机器学习的语言和语音处理”…
IT技术
( twitter.com)

1年前 • GPTDAOCN • -- 点击 0 评论

4

2

1

1

notesGPT：开源的语音笔记GPT工具
它能够录下你的语音内容，然后自动帮助你把这些语音转成文字，对内容进行总结，并且生成相关的任务列表！
notesGPT的主要功能包括：
1. 录制语音笔记：用户可以直接通过该工具录制他们的语音笔记，无需手动输入文字，方便快捷。
2.…
IT技术
( twitter.com)

10个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:33

5

2

1

1

# AI 开源模型分享
最强语音识别和说话人分离模型
Reverb 推出最强开源语音识别 (ASR) 和说话人分离 (Diarization) 模型, 评测结果击败 OpenAI 推出的 Whisper large-v3！
# Reverb ASR 模型
- 使用 20 万小时的人工转录数据训练
- 达到了最新的词错误率 (WER) 水平
- 支持可定制的逐字转录
#
时政
( twitter.com)

2个月前 • meng shao • -- 点击 0 评论

6

2

1

1

近一个季度体验过的AI工具中，个人觉得实用且有趣的：
【图片】最可控最实用的AI生成图片：
【音乐】AI Music的iPhone时刻：
【语音】最牛逼的AI语言合成，带情感识别：
IT技术
( twitter.com)

7个月前 • 向阳乔木 • -- 点击 0 评论

7

2

1

1

这个录音步骤叫采集声纹。在语音识别领域中有一个方向就叫说话人识别。使用场景就是在一些场景监听到不明身份的人对话，可以迅速识别出真实身份。所以接受采访，要开变音器。DTW，HMM，PCA分析，语音识别中的一点点回忆。
推特中文圈
( twitter.com)

2年前 • 雷尼尔 • -- 点击 0 评论

8

2

1

1

这个工作量应该不小的。这个里面大概经过了语音识别，这个应该是Whisper。
然后是做了一部分都voice clone，提取语音的音色等参数，然后再把数据给 tortoise-tts 合成带原始说话人音色的语音。然后还要做一部分的 lipsync。这个估计是拿wav2lip做的。…
IT技术
( twitter.com)

1年前 • 雷尼尔 • -- 点击 0 评论

9

2

1

1

我经常会推荐一些工具，但同一件事可能有多个工具能做。

比如我推荐Whisper可以语音转字幕，就有人说飞书、剪映能做这事还不用这么麻烦；我推荐Whisper做字幕识别，有人就说YouTube不是直接能识别吗；比如我推荐文字转语音…
推特中文圈
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

10

2

1

1

隐藏您的真实声纹 - 文本到语音的转换工具
Speechactors

这是一个基于人工智能的云端文字转语音工具。可以快速和容易地将任何文本变成自然的人类语音，并立即下载为MP3文件。…
推特中文圈
( twitter.com)

2年前 • twitter机器人 • -- 点击 0 评论

11

2

1

1

微软开发的语音识别技术超越IBM沃森出错率仅6.3%
大陆资讯
( tech.qq.com)

8年前 • 风吹大奶两边倒 • -- 点击 0 评论

12

2

1

1

忍无可忍：德国准备通过语音识别软件确定难民的来源方便遣返
大陆资讯
( jandan.net)

7年前 • 煎蛋网 • -- 点击 0 评论

13

2

1

1

【微软语音识别实现历史性突破：语音转录达到专业速录员水平】一个月前，微软的对话语音识别技术在语音识别基准测试中实现了词错率低至6.3%的突破，创造当时该领域内错误率最低纪录。一个月后的昨天，微软进一步将词错率降低至5.9%，首次达成与专业速记员持平而优于绝大多数人的表现。
大陆资讯
( www.jiqizhixin.com)

8年前 • 全国花样撸管大赛冠军 • -- 点击 0 评论

14

2

1

1

MetaAI的MMS 模型在HF的demo地址：

🌍 支持超过1,000种语言。
🎙️ 1,107种语言的多语种自动语音识别模型、语音合成模型
🔍 4,017种语言的语种识别模型。
📉与Whisper相比，词错误率减少了一…
IT技术
( twitter.com)

1年前 • Jeffery Kaneda　金田達也 • -- 点击 0 评论

15

2

1

1

LOVO：
文字转声音工具，LOVO 能帮你生成非常逼真的语音效果。
🔗
#AI工具推荐
IT技术
( aimart.app)

1年前 • Cellier@undefined • -- 点击 • 下载视频 0 评论

00:02:02

16

2

1

1

开源AI语音合成技术巅峰之作——#Bark，确实惊艳！

🎙️极具真实感的多种嗓音
🎶音乐与人声的完美歌唱
🌟丰富的背景噪音和音效
🔊精准复制真实人声
😆非语言交流：笑声、叹息和哭泣
🌍多种外语口音

🎧来体验下效果：

#TTS…
推特中文圈
( twitter.com)

1年前 • Jeffery Kaneda　金田達也 • -- 点击 0 评论

17

2

1

1

人工智能的声音与现实变得难以区分的新工具可让您使用仅 10 秒上传的音频创建 AI 语音
他们实际上听起来很有个性，这很疯狂

IT技术
( twitter.com)

8个月前 • Will • -- 点击 • 下载视频 0 评论

00:00:34

18

2

1

1

今天看了一个哥们去年做的项目，去年就基于GPT3做的智能玩具。人脸跟踪可以做到20fps，人脸识别1fps，语音识别，语音合成，还可以控制两个马达。驱动玩具根据人做出反应。效果非常好。设备用的的是Jetson nano，服务用了…
推特中文圈
( twitter.com)

1年前 • 雷尼尔 • -- 点击 0 评论

19

2

1

1

新的语音识别技术将使互联网向整个世界开放,您觉得呢?
图片
( twitter.com)

3年前 • twitter机器人 • -- 点击 0 评论

20

6

5

5

【微软推出Hololens二代：支持语音交互售价3500美元】Hololens 2代主要变化在于使用了全新的外观设计、使用了新的轻量化碳纤维材质，增大了可视角度，增强了佩戴舒适性，同时具备更为出众的手势识别、追踪功能，支持语音识别、语音控制。
大陆资讯
( mp.weixin.qq.com)

5年前 • 微信公众号 • -- 点击 0 评论

21

2

1

1

【苹果公司收购语音识别技术公司Novauris】
大陆资讯
( tech.sina.com.cn)

10年前 • 拉拉么 • -- 点击 0 评论

22

2

1

1

Meta 发布 SeamlessM4T AI 模型，可翻译和转录近百种语言

SeamlessM4T支持近100种语言的自动语音识别、语音到文本翻译、语音到语音翻译、文本到文本翻译和文本到语音翻译的多任务支持。

他们的目标是建立一个通用语言翻译器，就像《银河系漫游指南》中的虚构的巴别鱼一样。💡

SeamlessM4T支持：…
IT技术
( twitter.com)

1年前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:30

23

2

1

1

OpenAI 开源的 Whisper 大模型， ASR （Automatic Speech Recognition）的问题，包括语音识别、翻译、VAD 检测等，其效果与各大厂收费的产品相比，不相上下，也算是作为一个搅局者加入到了整个市场。
云厂商识别 1 小时的语音，标价大概在 1~3…
IT技术
( github.com)

1年前 • Barret李靖 • -- 点击 0 评论

24

2

1

1

ElevenLabs推出AI配音和语音翻译服务

1、多语言支持：提供29种不同的语言选项，覆盖了全球主要的语言。

2、多人说话识别：能够识别视频中的多个说话人，并在翻译版本中保持不同和可识别的声音。

3、本土化：不仅仅是翻译，还能根据目标语言的文化和习惯进行本地化，使其更加贴近当地听众。…
IT技术
( twitter.com)

1年前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:28

1
2
3
4
5
6
...
400
下一页

0.15335 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特