在通用大模型（LLM）和通用语音识别模型（如 OpenAI 的 Whisper）不仅占据头条的今天，垂直领域的“小而美”模型正在悄然重塑企业级应用。近日，Google Health AI 团队发布了 [ MedASR ] —— 一款基于 Conformer 架构、专为医疗场景打造的开源权重语音转文本（Speech-to ...

该项目实现了一个说话人聚类系统，该系统通过处理音频文件来识别和聚类说话人，基于他们的声音特征。该系统利用各种脚本和配置来执行语音活动检测(VAD)、提取说话人嵌入向量，并聚类这些嵌入向量以生成说话人身份。最后，它将结果组织成一个说话人声纹库 ...

Mamba是一种新型的深度学习架构，在保持对序列长度近似线性扩展性的同时，提供了与Transformers相当的建模能力。《深入探索Mamba模型架构与应用》旨在帮助读者探索Mamba在不同领域实现卓越性能的潜力，并深入理解和应用这一新兴的模型架构。《深入探索Mamba ...

时间序列特征提取是数据科学工作流程中的关键环节，能够将原始时间序列数据转化为具有分析价值的特征表示。本文详细介绍 18 种专业的 Python 库，这些库可用于从时间序列数据中提取关键特征，支持数据科学家进行更深入的分析与建模。 时间序列特征提取的 ...

本项目是基于PaddlePaddle的声音分类项目，旨在实现对各种环境声音、动物叫声和语种的识别。项目提供了多种声音分类模型，如EcapaTdnn、PANNS、ResNetSE、CAMPPlus和ERes2Net，以支持不同的应用场景。此外，项目还提供了常用的Urbansound8K数据集测试报告和一些方言数据 ...