Kyutai，一家法国的开放研究实验室，成功地训练出一款具有极低延迟的纯音频LLM。他们成功地创建了一个令人印象深刻的演示，将在未来几个月内开源。Kyutai的这项工作表明，纯音频LLM的实现并不遥不可及，只是需要在技...

近日，NX-AI宣布发布了他们的xLSTM代码。xLSTM是一种基于LSTM的模型，用于处理序列数据的分类和回归问题。与传统的LSTM相比，xLSTM具有更好的性能和效率。这个代码的发布将使更多的人能够使用xLSTM，并将其应用于各...

本文介绍了SALMONN，这是一种独特的AI模型，它将文本理解与处理各种音频输入（从语音到音乐）的能力相结合。 SALMONN不仅在训练过的音频任务（如语音识别）中表现出色，而且展示了令人印象深刻的新技能，例如将语音...

研究人员已经开发出一种名为EncodecMAE的方法，该方法借鉴了基于文本的模型的思想，用来创建一个通用音频模型。这种新的方法对于理解语音、识别音乐或者识别环境中的声音等不同类型的音频任务都有很好的效果。Encode...

近期，音频深度学习领域焕发新生。通过使用一个分类器，接着是特定效果的模块，我们可以构建一个全能系统，逐步从已混合的音频中移除混响或延迟等效果。这种技术不仅能够增强音频处理的效率，还能改进音频的整体质量...

近日，一款出色的开源声音与音乐生成模型在GitHub上引发关注。这款模型运行速度快，能生成节拍、音效和基础对话。操作简单，且对提示样式具有较强的鲁棒性。该模型的出现，无疑为音频处理领域的发展注入了新的活力，...

内容摘要： - Audiocraft是一个音频处理和生成的库 - 它由MusicGen驱动，是一种最先进的可控文本到音乐模型 - Audiocraft基于深度学习技术，具有强大的音频处理能力