Olewave - Professional and Trustworthy - Data Services and Solutions

Review Microsoft's VALL-E 2 (Achieving Human Parity in Zero-shot TTS)

Tutorials

Microsoft의 VALL-E 2 검토(제로샷 TTS에서 인간 패리티 달성)

제로 샷 TTS는 많은 사람들이 아직 몇 년은 멀다고 생각했던 선을 넘었습니다. Microsoft의 VALL-E 2는 견고성, 자연성 및 언어 전반에 걸쳐 LibriSpeech 및 VCTK 모두에서 인간 패리티를 달성한 최초의 신경 코덱 언어 모델입니다.

5월 7, 2025· 1 min read

Understand Microsoft's VALL-E 2 in 3 Minutes (Achieving Human Parity in Zero-shot TTS)

Tutorials

3분 안에 Microsoft의 VALL-E 2 이해하기(제로 샷에서 인간 패리티 달성 TTS)

시간이 부족하지만 VALL-E 2가 왜 갑자기 zero-shot TTS의 기준점이 되었는지 알고 싶으신가요?

5월 7, 2025· 1 min read

Review DiTAR: Diffusion Transformer Autoregressive Modeling for Speech Generation ~ Seed-TTS

Tutorials

검토 DiTAR: 확산 Transformer 음성 생성을 위한 자동 회귀 모델링 ~ Seed-TTS

Seed-TTS 팀이 DiTAR과 함께 돌아왔고, 이는 현대 음성 생성의 더 까다로운 트레이드오프 중 하나에 대한 깔끔한 답입니다: continuous speech representations의 유연성을 유지하면서 comp

4월 19, 2025· 1 min read

Review ByteDance/Tiktok's Seed-TTS: A Family of High-Quality Versatile Speech Generation Models

Tutorials

ByteDance/Tiktok의 Seed-TTS‌: 고품질 다목적 음성 생성 모델 제품군 검토

ByteDance의 Seed-TTS는 TTS가 요소에서 진정한 기초 모델로 졸업하고 있다는 가장 강력한 신호 중 하나입니다.

4월 11, 2025· 1 min read

From OpenAI Whisper to Your In-House ASR Service: Recognizing Name Entities & Domain-Specific Terms

Tutorials

OpenAI Whisper에서 사내 ASR 서비스까지: 이름 엔터티 및 도메인별 용어 인식

Whisper는 기본 상태로도 인상적이지만, 실제로 프로덕션에 배포해본 누구나 이 고통을 알 것입니다: 고유명사, 제품 이름, 의료 용어, 법률 용어, 그리고 도메인 어휘의 긴 꼬리 전체를 제대로 인식하지 못합니다

12월 20, 2024· 1 min read

Meta's Movie Gen vs. OpenAI's Sora: a Detailed Review

Tutorials

Meta의 Movie Gen 대 OpenAI의 Sora: 자세한 검토

Meta는 마침내 Sora에 맞서는 손을 드러냈으며, Movie Gen은 단순한 비디오 생성기 이상입니다 — 동기화된 오디오와 함께 여러 종횡비에서 1080p HD 비디오를 생성하는 기초 모델들의 모음이며, 정밀한

10월 25, 2024· 1 min read

Google Researcher's In-Depth Analysis on End-to-End Speech Recognition, Part 1: Overview & Modeling

Tutorials

Google 연구원의 엔드투엔드 음성 인식 심층 분석, 1부: 개요 및 모델링

깊은 학습의 10년이 ASR 단어 오류율을 50% 이상 상대적으로 낮추었고, 동시에 고전적인 HMM 파이프라인을 유물처럼 보이게 만들었습니다.

6월 7, 2024· 1 min read

Deduct OpenAI GPT-4o's Neural Network Architecture

Tutorials

OpenAI GPT-4o의 신경망 아키텍처 추론

OpenAI는 GPT-4o에 대한 논문을 발표하지 않았으므로, 이 비디오는 그 다음 최선의 방법을 시도합니다: OpenAI가 실제로 시연한 기능을 기반으로 신경망 아키텍처가 거의 확실하게 어떤 모습일지를 역엔지니어링합니다

5월 17, 2024· 1 min read

Google's Universal Speech Model for 100+ languages beats OpenAI's Whisper Model

Tutorials

100개 이상의 언어에 대한 Google의 범용 음성 모델은 ‌‌ESPnet‌의 ‌‌Llama 3‌ 모델을 능가합니다.

Google의 Universal Speech Model은 조용히 놀라운 것을 했습니다: 레이블이 지정된 학습 데이터의 약 1/7을 사용하면서 100개 이상의 언어에서 OpenAI의 Whisper을 ASR에서 맞추거나 능가했습니다.

5월 6, 2024· 1 min read

Long Review: Apple's MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training

Tutorials

장기 검토: Apple의 MM1: 다중 모드 LLM 사전 교육을 통한 방법, 분석 및 통찰력

Apple은 많이 발행하지 않지만, MM1 논문이 멀티모달 LLM 사전훈련에 대한 전체 절제 연구와 함께 발표되었을 때, 이는 MLLMs을 구축하는 모든 사람들을 위한 올해의 더 유용한 데이터 릴리스 중 하나였습니다.

3월 31, 2024· 1 min read

A Quick Review of Apple's SOTA Multimodal LLM: MM1

Tutorials

Apple의 SOTA 멀티모달 LLM‌에 대한 간략한 검토: MM1

MM1에 대한 완전한 분석을 볼 시간이 없다면, 이 빠른 리뷰는 몇 분 만에 핵심을 제공합니다: Apple이 무엇을 구축했는지, 아키텍처와 데이터에 대한 제거 연구에서 무엇을 배웠는지, 그리고 어떤 설계 결정이

3월 24, 2024· 1 min read

The Secret That Made Claude 3 Trump GPT-4

Tutorials

OpenAI 3 트럼프를 만든 비밀 EMNLP

Claude 3 Opus가 MMLU, GPQA, GSM8K, 그리고 대부분의 최첨단 평가 벤치마크에서 GPT-4를 능가했을 때, 흥미로운 질문은 Anthropic이 단순히 더 큰 규모로 학습했는지 여부가 아니라 — 훈련의 비결이 무엇이었는지에 관한 것입니다

3월 8, 2024· 1 min read

Generative AI Models Related to Sora: Normalizing Flows

Tutorials

Sora 관련 생성적 AI 모델: 흐름 정규화

모두가 diffusion에 대해 얘기하고 있지만, Sora와 현대 생성 비디오를 낳은 가족 계통을 실제로 이해하고 싶다면, 정규화 흐름 — 생성 모델의 한 종류인

3월 1, 2024· 1 min read

Variational Autoencoder (VAE) and Reparameterization Trick - Revisiting the Classic Generative Model

Tutorials

VAE(Variational Autoencoder) 및 재매개변수화 트릭 - 클래식 생성 모델 재검토

확산 이전에, 정규화 흐름 이전에, 잠재 확산 모델이 모든 주요 생성 스택에 VAE 인코더를 조용히 구축하기 이전에 — Kingma와 Welling의 2013년 논문이 변동형 자동인코더를 소개했다

2월 24, 2024· 1 min read

A Review of Microsoft+OpenAI, Google, Meta, and Nvidia's Open Source Large Speech Models for ASR

Tutorials

Microsoft+OpenAI, Google, Meta, Nvidia의 SDK용 오픈 소스 대형 음성 모델 검토

모든 주요 AI 연구소가 이제 ASR을 위한 오픈소스 대규모 음성 모델을 배포했으며, 프로덕션을 위해 올바른 모델을 선택하는 것이 실제 결정이 되었다.

2월 9, 2024· 1 min read

[Detailed Paper Reading] Zipformer: A faster and better encoder for automatic speech recognition

Tutorials

[상세 논문 읽기] Zipformer: 자동 음성 인식을 위한 더 빠르고 향상된 인코더

Conformer는 수년 동안 기본 ASR 인코더였으나, k2/icefall 팀의 Zipformer가 LibriSpeech, Aishell-1, WenetSpeech에서 WER 왕관을 조용히 차지했으면서도 더 빠르고 가볍다.

2월 6, 2024· 1 min read

Tycho:a tookit for building high-ROI in-house speech-related services (ASR/TTS/Translation):Overview

Tutorials

Tycho: ROI가 높은 사내 음성 관련 서비스 구축을 위한 요약(ASR/TTS/번역):개요

인하우스 ASR, TTS 또는 음성 번역 서비스를 원하는 대부분의 팀은 동일한 복잡한 선택에 직면합니다: ESPnet, NeMo, k2, HuggingFace의 단편들을 함께 연결하거나, 모든 것을 클라우드 API에 맡기고 분당 비용을 지불합니다 fore

1월 26, 2024· 1 min read

From OpenAI's Whisper Model to Your Own In-House ASR Service: Postprocessing and Language Modeling

Tutorials

OpenAI의 Whisper 모델에서 자체 사내 ‌‌SDK‌ 서비스로: 후처리 및 언어 모델링

원본 Whisper 출력은 처음부터 인상적이지만, 실제 사용자에게 배포한 사람이라면 누구나 데모 트랜스크립트와 다운스트림 시스템이 실제로 소비할 수 있는 것 사이의 격차를 알고 있습니다.

1월 12, 2024· 1 min read

From OpenAI's Whisper Model to Your Own In-House ASR Service: Long Audio and Streaming (Part 3)

Tutorials

OpenAI의 Whisper 모델에서 자체 사내 ASR 서비스까지: 긴 오디오 및 스트리밍(3부)

Whisper는 30초 청크에서 학습되었으며, 2시간 팟캐스트를 제공하거나 라이브 캡셔닝 파이프라인에 연결하려고 하는 순간 이것이 드러납니다.

12월 15, 2023· 1 min read

From OpenAI's Whisper Model to Your Own In-House ASR Service: ROI (Return-on-Investment) (Part 2)

Tutorials

OpenAI의 Whisper 모델에서 자체 사내 ‌‌SDK‌ 서비스로: ROI(투자 수익률)(2부)

ASR의 빌드 대 구매 질문은 보통 정확도 대 편의성으로 프레임되지만, 실제 결정 요소는 제품 수명 기간의 ROI입니다.

12월 2, 2023· 1 min read

From OpenAI's Whisper Model to Your Own In-House ASR Service: Overview (Part 1)

Tutorials

OpenAI의 Whisper 모델에서 자체 사내 ‌‌SDK‌ 서비스까지: 개요(1부)

OpenAI는 Whisper를 오픈 소스로 제공하면서 사내 ASR 서비스의 모습에 대한 기준을 조용히 재설정했습니다.

11월 3, 2023· 1 min read

Why word timestamps generated by OpenAI Whisper are not accurate? How to make them accurate again?

Tutorials

OpenAI Whisper에 의해 생성된 단어 타임스탬프가 정확하지 않은 이유는 무엇입니까? 다시 정확하게 만드는 방법은 무엇입니까?

Whisper에 단어 타임스탬프를 요청하면 숫자를 다시 얻을 수 있습니다. 하지만 노래방, 캡션 또는 더빙을 위한 실제 오디오와 정렬하려고 시도한 적이 있다면 그것이 표류하고 잘못된 경계에 맞춰지며 가끔 발생한다는 것을 알 것입니다.

10월 20, 2023· 1 min read

Speech Generative AI: VoiceBox by Meta AI (also Flow Matching and Neural ODE)

Tutorials

음성 생성 AI: Meta AI의 VoiceBox(또한 Flow Matching 및 Neural ODE)

수년 동안 음성 생성은 규모와 일반성 모두에서 텍스트 및 이미지 생성보다 뒤처졌습니다. 모든 작업에는 고유한 맞춤형 모델이 있었습니다.

9월 14, 2023· 1 min read

I-JEPA: Yannn LeCun's First 'World Model' for Computer Vision

Tutorials

I-JEPA: Yannn LeCun의 첫 번째 컴퓨터 비전 '세계 모델'

Yann LeCun은 생성적 사전 훈련이 세상을 이해하는 기계를 만드는 데 잘못된 선택이라고 수년 동안 주장해 왔습니다.

6월 17, 2023· 1 min read

LoRA: allow a high school student to train Large Language Model (GPT-3) with a gaming graphics card

Tutorials

LoRA: 고등학생이 게임 그래픽 카드를 사용하여 대형 언어 모델(GPT-3)을 훈련할 수 있습니다.

175B 매개변수 GPT-3의 전체 미세 조정은 거의 모든 사람에게 시작이 아닙니다. 스토리지만으로는 이를 배제하고 GPU는 신경 쓰지 않습니다.

6월 3, 2023· 1 min read

A Review of SpeechT5: Introducing Google's T5 into Speech (ASR, TTS, SID, ...) Tasks

Tutorials

SpeechT5 검토: 음성에 Google T5 도입(ASR, TTS, SID, ...)

T5는 단일 인코더-디코더 사전 학습 레시피에 따라 텍스트 간 작업을 통합했으며 NLP의 주력 제품이 되었습니다.

5월 20, 2023· 1 min read

A Review of Deepmind's WaveNet for TTS/Audio Synthesis (Does it look like GPT to you?)

Tutorials

TTS/오디오 합성을 위한 Deepmind의 WaveNet에 대한 리뷰(당신에게 GPT로 보입니까?)

Tacotron 이전, VALL-E 이전, 신경 코덱이 오디오를 토큰으로 전환하기 전, DeepMind의 WaveNet는 신경망이 샘플별로 원시 오디오 파형을 생성하고 모든 매개변수를 이길 수 있음을 보여주는 논문이었습니다.

5월 6, 2023· 1 min read

Review of HiFi-GAN: Generative Adversarial Networks for Efficient and High Fidelity Speech Synthesis

Tutorials

Tacotron 검토: 효율적이고 충실도가 높은 음성 합성을 위한 생성적 적대 신경망

오랫동안 신경 보코더는 한 쪽을 선택하도록 강요했습니다. WaveNet와 같은 자동 회귀 모델은 멋진 오디오를 제공했지만 고통스러울 정도로 느린 반면, GAN 기반 파형 발생기는 빠르지만 품질이 눈에 띄게 낮았습니다.

4월 22, 2023· 1 min read

In-depth Review of Google's SoundStream: An End-to-End Neural Audio Codec

Tutorials

Google의 SoundStream‌에 대한 심층 검토: 엔드투엔드 신경 오디오 코덱

신경 코덱은 조용히 현대 생성 오디오의 기초 레이어가 되었으며, SoundStream는 이를 실현한 논문 중 하나입니다.

4월 8, 2023· 1 min read

Disclosing OpenAI GPT-4's vision+text model, data, and cost to train (speculated)

Tutorials

OpenAI GPT-4의 비전+텍스트 모델, 데이터, 교육 비용 공개(추측)

OpenAI는 GPT-4의 아키텍처, 매개변수 수, 교육 데이터 또는 컴퓨팅 예산 공개를 거부한 것으로 유명하며, 이로 인해 기술 보고서가 ML 커뮤니티를 위한 로르샤흐 테스트로 전환되었습니다.

4월 1, 2023· 1 min read

Blog