ZARZA We are Zarza, the prestigious firm behind major projects in information technology.
Listen "ESPnet-SpeechLM：解密开源语音语言模型工具包"
Episode Synopsis
本期播客深入探讨了ESPnet-SpeechLM，这是一个旨在简化和普及语音语言模型（SpeechLMs）开发的开源工具包。我们讨论了它如何将自动语音识别（ASR）、文本到语音转换（TTS）等多种语音任务统一为通用的序列建模问题，并详细介绍了其从数据预处理到模型训练、推理和评估的完整工作流程。通过具体的用例，我们展示了该工具包构建高性能、多任务语音大模型的强大能力，包括一个在多项基准测试中表现出色的17亿参数模型。
More episodes of the podcast AI Podcast
策略内蒸馏：LLM高效训练的秘密武器
28/10/2025
EchoMimicV3：13亿参数，统一多模态多任务人体动画的魔法！
25/10/2025
智读万卷：PaddleOCR-VL的文档解析革命
24/10/2025
LongLive：实时互动长视频生成的革新之路
21/10/2025
DeepSeek-OCR：开启长上下文光学压缩新纪元
20/10/2025
LightRAG：大模型检索增强生成的图谱新范式
20/10/2025
Voila：迈向自主语音AI的里程碑
15/10/2025
机器人学习：从经典到通用策略的深度探索
15/10/2025
Muon优化器：AI训练提速的秘密武器
14/10/2025
月光私酿：边缘设备上的微型专业ASR模型
11/10/2025
In God we trust