پژوهش
هوش مصنوعی صدای شخصی: چالش‌ها و فرصت‌های Voice Engine
OpenAI با پیش‌نمایش Voice Engine، مدلی برای ساخت صدای سفارشی، چالش‌ها و فرصت‌های فناوری صوتی را بررسی کرده است.
پژوهش
چگونه با Wav2Vec2-BERT هوش مصنوعی را برای تشخیص صدای کم منابع تقویت کنیم
این مقاله به بررسی فاین‑تیون مدل Wav2Vec2‑BERT برای تشخیص صدای کم‑منابع می‌پردازد و راهنمایی‌های عملی برای پیاده‌سازی در پروژه‌های واقعی ارائه می‌دهد.
پژوهش
دو برابر سرعت ورایشر با Speculative Decoding در پردازش گفتار
استفاده از تکنیک Speculative Decoding در مدل Whisper، سرعت پردازش گفتار را دو برابر می‌کند و دقت آن را حفظ می‌دارد؛ یک گام مهم در توسعهٔ هوش مصنوعی
محصولات
ChatGPT با قابلیت دید، شنیدن، صحبت کردن: گامی جدید در زمینه هوش مصنوعی
مقدمه‌ای بر نسخهٔ جدید ChatGPT که توانایی دید، شنیدن و صحبت کردن را داراست و کاربردهای آینده‌اش را در صنایع مختلف بررسی می‌کند.
اخبار
انقلاب در تعاملات بازی: تشخیص گفتار هوش مصنوعی در یونیتی با Hugging Face
Hugging Face با معرفی API خود برای یونیتی، امکان پیاده‌سازی تشخیص گفتار پیشرفته هوش مصنوعی را در بازی‌ها فراهم می‌کند. از دستورات صوتی تا بهبود دسترسی، گام بلندی در تعاملات دیجیتال.
محصولات
اپلیکیشن رسمی ChatGPT برای آیفون منتشر شد؛ هوش مصنوعی در جیب شما
اپلیکیشن رسمی ChatGPT برای iOS با ورودی صوتی و همگام‌سازی گفتگوها عرضه شد. جدیدترین مدل‌های هوش مصنوعی اکنون در دسترس کاربران آیفون است.
پژوهش
پایگاه جامع داده‌های صوتی در هوش مصنوعی: راهنمای کامل
کتابخانه 🤗 Datasets در Hugging Face نکات کلیدی برای بارگذاری، پردازش و استریم مجموعه‌های داده صوتی را ارائه می‌دهد؛ از جمله روش‌های ساده پیش‌پردازش و کاربردهای مختلف این داده‌ها در حوزه هوش مصنوعی.
پژوهش
مستندات صوتی و تصویری جدید در 🤗 Datasets: راهنمای جامع برای هوش مصنوعی
برای علاقه‌مندان به هوش مصنوعی، مطبوعات جدید Hugging Face در حوزه داده‌های صوتی و تصویری معرفی شده‌اند؛ راهنمای جامع و نمونه کد برای بارگذاری و پردازش این مجموعه‌های غنی.