李沐的语音LLM，在文本大模型基础上加入语音输入输出，开源训练方法与权重。需要10-12 GB VRAM没有这种模型之前，AI直播、AI语音、AI客服等基本靠纯文本大模型加语音识别生成，响应容易慢。而且大段文本不一定适合念出来，念出来也不一定符合“情感”

发布时间: 2025-07-25 12:40:45

1分

数据加载中

关注推特

收听电报

李沐的语音LLM，在文本大模型基础上加入语音输入输出，开源训练方法与权重。需要10-12 GB VRAM
没有这种模型之前，AI直播、AI语音、AI客服等基本靠纯文本大模型加语音识别生成，响应容易慢。而且大段文本不一定适合念出来，念出来也不一定符合“情感”
时政
( twitter.com )

21小时前由 Gantrol 提交

点击图片查看原图

Markdown支持

评论加载中...

您可能感兴趣的：更多

Andrej Karpathy 在YouTube上发布了一段新视频，时长3小时31分钟：
《深入探讨大型语言模型（LLM）如ChatGPT》
IT技术
( twitter.com)

5个月前 • 宝玉 • -- 点击 0 评论

发现了一个宝藏资源！
这位大神开源了一门课程《从头开始构建大型语言模型》，课程将逐步带你创建自己的LLM。
每个章节都配有详尽的文字说明、图表和实例来讲解关键概念。
课程内容包含：
基础知识：深入理解注意力机制
模型构建：创建并预训练类似于GPT的模型
权重加载：掌握如何加载预训练权重
时政
( twitter.com)

8个月前 • Y11 • -- 点击 0 评论

微软发布 Azure AI 高清语音模型
能理解文本背后的情感并实时调整语音语调和情感表达
模型可以准确解析输入文本、自然地模拟对话，包含常见的停顿、语气词和轻微的情感变化，使生成的语音听起来像是和人对话，而不是生硬的朗读文本。
时政
( twitter.com)

9个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:56

大语言模型 post-training 的变迁，从 Large Language Model (LLM) 到 Large Reasoning Model (LRM)
本周推荐论文：POST-TRAINING OF LARGE LANGUAGE MODELS
Post-training，本质是在做一件事，即如何运用 LLM 的 pretrained knowledge 来解决实际任务，具体的方法如 supervised
时政
( twitter.com)

4个月前 • 马东锡 NLP 🇸🇪 • -- 点击 0 评论

AI时代的基础教育，本质上就是训练人脑大模型，各方都在竞争如何建立算法和工程框架，借助AI已有成果，又快又好地训练人脑大模型。我用向AI提问的方法，拓展王佩的讨论。问：“如何用LLM知识蒸馏的思路改革人类的基础教育？”，我贴上4o的回答，对我很有收获。
时政
( twitter.com)

6个月前 • Michael Anti • -- 点击 0 评论

OpenAI 发布 gpt-4o-audio-preview 模型
主要功能包括：
- 根据文本生成语音响应。
- 分析音频输入的情感、语调和音调。
- 支持语音到语音的互动，音频既可以作为输入也可以作为输出。
与Realtime API的区别：
时政
( twitter.com)

9个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:10

Andrej Karpathy：
相比起“提示工程”（prompt engineering），我更倾向使用“上下文工程”（context engineering）这个词。
为什么呢？
因为大多数人一想到“提示”，就联想到我们日常跟大语言模型（LLM）互动时，输入的那些短小的任务描述或问题。而在工业级的 LLM
IT技术
( twitter.com)

29天前 • 宝玉 • -- 点击 0 评论

Soul 的语音新模型，中文效果完爆4o
IT技术
( twitter.com)

10个月前 • orange.ai • -- 点击 • 下载视频 0 评论

00:02:40

浙江大学出的这个开源的书籍「大模型基础」值得一看，行文风格挺不错的，易读、严谨、有深度的大模型教材。
IT技术
( github.com)

5个月前 • Tw93 • -- 点击 0 评论

时政

Andrej Karpathy 在YouTube上发布了一段新视频，时长3小时31分钟： 《深入探讨大型语言模型（LLM）如ChatGPT》 IT技术 ( twitter.com)

IT技术

时政

时政

时政

时政

OpenAI 发布 gpt-4o-audio-preview 模型 主要功能包括： - 根据文本生成语音响应。 - 分析音频输入的情感、语调和音调。 - 支持语音到语音的互动，音频既可以作为输入也可以作为输出。 与Realtime API的区别： 时政 ( twitter.com)

时政

IT技术

Soul 的语音新模型，中文效果完爆4o IT技术 ( twitter.com)

IT技术

浙江大学出的这个开源的书籍「大模型基础」值得一看，行文风格挺不错的，易读、严谨、有深度的大模型教材。 IT技术 ( github.com)

IT技术

创建一个新帐户

登录

Andrej Karpathy 在YouTube上发布了一段新视频，时长3小时31分钟：
《深入探讨大型语言模型（LLM）如ChatGPT》
IT技术
( twitter.com)

OpenAI 发布 gpt-4o-audio-preview 模型
主要功能包括：
- 根据文本生成语音响应。
- 分析音频输入的情感、语调和音调。
- 支持语音到语音的互动，音频既可以作为输入也可以作为输出。
与Realtime API的区别：
时政
( twitter.com)

Soul 的语音新模型，中文效果完爆4o
IT技术
( twitter.com)

浙江大学出的这个开源的书籍「大模型基础」值得一看，行文风格挺不错的，易读、严谨、有深度的大模型教材。
IT技术
( github.com)