Logo
TGCATALOG
Каталог Подборки Блог
Speech Technology - речь

Speech Technology - речь

Канал посвящён технологиям речи: распознавание, синтез и голосовые помощники. Актуальные новости и обзоры.

Нет оценок
97
23.10.2026
97
23.10.2026
Нет оценок
97
23.10.2026
Безопасный переход через бот
О канале

Канал посвящён технологиям речи: распознавание, синтез и голосовые помощники. Актуальные новости и обзоры.

Подписчиков 1,736
Тематика Технологии
Язык Русский
Ссылка t.me/speechtech

Также рекомендуем

Kekaton AI | Озвучка и клон голоса
Kekaton AI | Озвучка и клон голоса
Бот

AI бот для озвучки текста и клонирования голоса в Telegram. Создавай аудио с помощью нейросети быстро и просто.

Описание

🗣️ Speech Technology — канал для любителей голосовых технологий. Узнайте о новейших системах распознавания речи, синтезе голоса и ИИ-ассистентах. От Siri до продвинутых нейросетей.

🔬 Здесь публикуются статьи о разработках, исследованиях и применении в повседневной жизни. Обзоры софта, аппаратных решений и тенденции рынка.

🎤 Будьте в курсе прорывов в области речевых технологий. Полезно для разработчиков, лингвистов и всех интересующихся ИИ.

Последние посты

Speech Technology - речь
Speech Technology - речь
🔒Открыть пост
и посмотреть медиа
Deepmind also releases something Ссылка скрыта PhaseCoder: Microphone Geometry-Agnostic Spatial Audio Understanding for Multimodal LLMs Artem Dementyev, Wazeer Zulfikar, Sinan Hersek, Pascal Getreuer, Anurag Kumar, Vivek Kumar Current multimodal LLMs process audio as a mono stream, ignoring the rich spatial information essential for embodied AI. Existing spatial audio models, conversely, are constrained to fixed microphone geometries, preventing deployment across diverse devices. We present PhaseCoder, a transformer-only spatial audio encoder that is agnostic to microphone geometry. PhaseCoder takes raw multichannel audio and microphone coordinates as inputs to perform localization and produces robust spatial embeddings. We demonstrate that Gemma 3n LLM can be fine-tuned to reason over "Spatial Audio Tokens" produced by PhaseCoder. We show our encoder achieves state-of-the-art results on microphone-invariant localization benchmarks and, for the first time, enables an LLM to perform complex spatial reasoning and targeted transcription tasks from an arbitrary microphone array.
Speech Technology - речь
Динамика подписчиков
+0.5% за 30 дней
Текущие
1,736
Месяц назад
1,727
Средний рост
+0 / день
Обновлено
2 дня назад

Отзывы о канале Speech Technology - речь

Авторизуйтесь, чтобы оставить отзыв

Только зарегистрированные пользователи могут делиться своим мнением.

Пока нет отзывов

Станьте первым, кто поделится своим впечатлением об этом ресурсе!

Похожие ресурсы

Loading
Переход на светлую тему
Главная Каталог Подборки Блог Вход