اخبار
انقلابی در صدای هوش مصنوعی: مدل‌های صوتی پیشرفته OpenAI با قابلیت شخصی‌سازی بی‌سابقه
OpenAI مدل‌های صوتی جدیدی را برای API خود معرفی کرده که به توسعه‌دهندگان اجازه می‌دهد لحن گفتار را شخصی‌سازی کنند. عاملی جدید برای نمایندگان صوتی هوشمند.
محصولات
ابزارهای اجتماعی هوش مصنوعی جدید HuggingChat توانایی‌های چندوجهی آن را بهبود می‌بخشد
HuggingChat ابزارهای اجتماعی را معرفی کرد که به کاربران اجازه می‌دهد هر Space دلخواه را به ابزاری برای مدل‌های هوش مصنوعی تبدیل کنند و توانایی‌های چندوجهی چت‌بات را گسترش دهند.
اخبار
TTS Arena: میدان رقابت مدل‌های هوش مصنوعی تبدیل متن به گفتار
با معرفی TTS Arena، اکنون می‌توانید مدل‌های تبدیل متن به گفتار را به‌راحتی مقایسه کرده و به کیفیت آن‌ها رأی دهید. نتایج در لیدربورد رسمی نمایش داده می‌شود.
مدل‌ها
بهینه‌سازی Bark با 🤗 Transformers: صدای واضح و سریع‌ترین زمان
مطالعه جدید Hugging Face پردازش سریع‌تر و مصرف کمتر حافظه مدل Bark را با ابزارهای Transformers، Optimum و Accelerate توضیح می‌دهد؛ سه‌مرحله ساده برای عملکرد برتر.
پژوهش
هوش مصنوعی SpeechT5: تبدیل متن به گفتار، گفتار به متن و همگرایی مدل
SpeechT5، مدلی یکپارچه متن‑به‑گفتار، گفتار‑به‑متن و همگرایی مدل، با پیش‌آموزش چندمودال بر روی داده‌های ترکیبی، در پردازش زبان گفتاری عملکرد برتری ارائه می‌دهد.
آموزش
آموزش دقیق Wav2Vec2 برای تشخیص گفتار انگلیسی با هوش مصنوعی
در این مقاله از بلاگ هوش مصنوعی هما، نحوه تنظیم دقیق مدل Wav2Vec2 برای تشخیص خودکار گفتار انگلیسی با کتابخانه Transformers آموزش داده می‌شود.