آموزش
چگونه Whisper را برای شناسایی صدا چندزبانه تنظیم کنیم؟
در این مقاله، گام به گام روش تنظیم دقیق مدل Whisper در Google Colab را معرفی می‌کنیم تا برای هر دیتاست چندزبانه ASR عملکردی بالا داشته باشید.
پژوهش
هوش مصنوعی OpenAI با Whisper: مدل پیشرفته‌ی تشخیص گفتار با دقت انسانی
OpenAI با ارمغان Whisper، شبکه عصبی پیش‌بینی‌کننده‌ی گفتار، دقت و مقاومتی نزدیک به انسان را در تشخیص صداهای انگلیسی ارائه می‌دهد.
پژوهش
هوش مصنوعی و Wav2Vec2: راه‌حلی نو برای تشخیص صدا در فایل‌های بزرگ
این مقاله به بررسی استفاده از ساختار CTC در Wav2Vec2، تکنیک Chunking و stride برای تشخیص صدا در فایل‌های بلند و زمان واقعی می‌پردازد.
پژوهش
هوش مصنوعی : چگونه Wav2Vec2 با n‑gram در چارچوب Transformers بهبود می‌یابد
معرفی روش بهبود مدل Wav2Vec2 از طریق ادغام n‑gram در چارچوب 🤗 Transformers، نکات کلیدی، چالش‌ها و نتایج آزمایشی، و راه‌های پیاده‌سازی در پروژه‌های واقعی.
پژوهش
Perceiver IO: هوش مصنوعی چندرشته‌ای که تمام مدیال‌ها را پوشش می‌دهد
پرسِیور ای او، مدل هوش مصنوعی چندرشته‌ای پیشرفته، توانایی تحلیل متن، تصویر، صدا و ویدئو را در یک چارچوب یکپارچه به‌وجود می‌آورد و دسترسی آزاد به آن فراهم می‌کند.