实体
Whisper-Large
Whisper-Large
PulseAugur coverage of Whisper-Large — every cluster mentioning Whisper-Large across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究通过合成语音、LLM优化和故障减少来应对ASR挑战
研究人员正在开发先进技术以改进自动语音识别（ASR）系统，特别是在代码转换和实时应用等挑战性场景中。一篇论文提出了一种使用合成语音的混合代码引导框架，以提高ASR性能，降低特定数据集上的错误率。另一项研究介绍了NIM4-ASR，一个高效且鲁棒的基于LLM的ASR框架，针对生产环境进行了优化，能够处理嘈杂条件并支持大规模定制。第三篇论文解决了神经编解码文本到语音模型中的灾难性故障，证明ASR自验证和蒸馏可以显著减少这些错误，从而实现更可…
-
美团发布 LongCat-Video-Avatar 1.5，用于稳定、音频驱动的视频生成
美团发布了 LongCat-Video-Avatar 1.5，这是一个用于生成音频驱动的人类视频的开源框架。此升级版本强调生产就绪性和稳定性，采用改进的 Whisper-Large 音频编码器，可实现更自然的唇形同步和具有一致身份的鲁棒长视频生成。该模型支持音频-文本到视频和视频续写等多种任务，能够泛化到各种风格和条件，并实现高效的 8 步推理。