Olewave - Professional and Trustworthy - Data Services and Solutions

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

Tutorials

마이크로소프트의 VALL-E 2 검토 (Zero-shot TTS에서 인간 수준 달성)

Zero-shot TTS는 많은 사람들이 여전히 몇 년 먼 것이라고 생각했던 선을 넘었습니다. 마이크로소프트의 VALL-E 2는 견고성, 자연스러움, 화자 유사성 측면에서 LibriSpeech와 VCTK 모두에서 인간 수준에 도달한 첫 번째 신경망 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 마이크로소프트의 VALL-E 2 이해하기 (Zero-shot TTS에서 인간 수준 달성)

시간이 부족하지만 VALL-E 2가 갑자기 zero-shot TTS의 기준점이 된 이유를 알아야 합니까?

5월 7, 2025· 1 min read

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

Tutorials

DiTAR 검토: 음성 생성을 위한 Diffusion Transformer 자기 회귀 모델링 ~ Seed-TTS

Seed-TTS 팀이 DiTAR로 돌아왔으며, 이는 현대 음성 생성의 더 어색한 트레이드오프 중 하나에 대한 명확한 답입니다.

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 검토: 고품질 다목적 음성 생성 모델 제품군

ByteDance의 Seed-TTS는 TTS가 컴포넌트에서 진정한 기초 모델로 진화하고 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 자체 ASR 서비스로: 이름 엔티티 및 도메인별 용어 인식

Whisper는 즉시 인상적이지만, 실제로 프로덕션에 배포한 사람이라면 누구나 고통을 알고 있습니다: 고유명사, 제품 이름, 의료 용어, 법률 용어, 그리고 도메인 어휘의 전체 긴 꼬리를 잘못 처리합니다

12월 20, 2024· 1 min read

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

Tutorials

Meta의 Movie Gen vs. OpenAI의 Sora: 상세 리뷰

Meta는 마침내 Sora에 대한 입장을 보였고, Movie Gen은 단순한 비디오 생성기 이상입니다 — 다중 aspect ratio로 1080p HD 비디오를 생성하고 동기화된 오디오를 지원하는 foundation 모델의 캐스트이며, 정밀합니다

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 End-to-End 음성 인식에 대한 심층 분석, Part 1: 개요 & 모델링

딥러닝의 10년은 ASR 단어 오류율을 50% 이상 상대적으로 감소시켰고, 그 과정에서 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 추론하기

OpenAI는 GPT-4o에 대한 논문을 발표하지 않았으므로, 이 영상은 다음 최선의 방법을 제시합니다: OpenAI가 실제로 시연한 기능을 바탕으로 신경망 아키텍처가 거의 확실히 어떤 모습인지를 역엔지니어링합니다

5월 17, 2024· 1 min read

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

Tutorials

Google의 100개 이상 언어를 지원하는 Universal Speech Model이 OpenAI의 Whisper Model을 능가합니다

Google의 Universal Speech Model은 조용히 놀라운 성과를 달성했습니다: 레이블이 지정된 훈련 데이터의 약 1/7을 사용하면서 100개 이상의 언어에서 OpenAI의 Whisper와 동등하거나 능가하는 ASR 성능을 달성했습니다.

5월 6, 2024· 1 min read

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

Tutorials

긴 리뷰: Apple의 MM1: 멀티모달 LLM 사전 학습의 방법, 분석 및 인사이트

Apple은 많이 출판하지 않으므로, MM1 논문이 멀티모달 LLM 사전 학습에 대한 완전한 제거 연구와 함께 발표되었을 때, MLLM을 구축하는 모든 사람에게 올해 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 LLM의 빠른 리뷰: MM1

MM1의 전체 분석에 시간이 없다면, 이 빠른 리뷰는 몇 분 안에 핵심을 제공합니다: Apple이 구축한 것, 아키텍처 및 데이터의 제거 연구에서 배운 것, 그리고 어떤 설계 결정이

3월 24, 2024· 1 min read

The Secret That Made Claude 3 Trump GPT-4

Tutorials

Claude 3이 GPT-4를 능가하게 만든 비결

Claude 3 Opus가 MMLU, GPQA, GSM8K 및 대부분의 경계 평가 벤치마크에서 GPT-4를 능가했을 때, 흥미로운 질문은 Anthropic이 단순히 더 크게 확장했는지 여부가 아니라 어떤 학습 시간 비결이었는지였습니다.

3월 8, 2024· 1 min read

Generative AI Models Related to Sora: Normalizing Flows

Tutorials

Sora와 관련된 생성 AI 모델: 정규화 흐름

모두가 확산에 대해 이야기하고 있지만, 실제로 Sora와 현대 생성 비디오를 만든 계통을 이해하려면, 정규화 흐름으로 시간을 보내야 합니다 — 생성 모드의 클래스

3월 1, 2024· 1 min read

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

Tutorials

변분 자동인코더(VAE) 및 재매개변수화 트릭 - 고전 생성 모델 재검토

확산 모델이 나오기 전에, 정규화 흐름이 나오기 전에, 잠재 확산 모델이 조용히 VAE 인코더를 모든 진지한 생성 스택에 구축하기 전에 — Kingma와 Welling의 2013년 논문이 변분 자동인코더를 소개

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, 및 Nvidia의 오픈 소스 대규모 음성 모델 검토(ASR용)

모든 주요 AI 연구소는 이제 ASR용 오픈 소스 대규모 음성 모델을 출시했으며, 프로덕션용으로 올바른 모델을 선택하는 것이 실제 결정이 되었습니다.

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 나은 인코더

Conformer은 수년 동안 기본 ASR 인코더였지만, k2/icefall 팀의 Zipformer은 더 빠르고 가벼우면서도 LibriSpeech, Aishell-1, WenetSpeech에서 조용히 WER 왕관을 차지했습니다.

2월 6, 2024· 1 min read

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

Tutorials

Tycho: 높은 ROI 자체 음성 관련 서비스(ASR/TTS/번역) 구축을 위한 툴킷: 개요

자체 ASR, TTS, 또는 음성 번역 서비스를 원하는 대부분의 팀은 동일한 복잡한 선택에 직면합니다: ESPnet, NeMo, k2, HuggingFace의 조각들을 붙이거나, 모든 것을 클라우드 API에 넘기고 분당 비용을 지불

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 자신의 자체 ASR 서비스로: 후처리 및 언어 모델링

원본 Whisper 출력은 기본 상태에서 인상적이지만, 실제 사용자에게 배포한 모든 사람은 데모 트랜스크립트와 다운스트림 시스템이 실제로 사용할 수 있는 것 사이의 간격을 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 자신의 자체 ASR 서비스로: 긴 오디오 및 스트리밍 (Part 3)

Whisper는 30초 청크로 학습되었으며, 2시간 팟캐스트를 입력하거나 라이브 캡션 파이프라인에 연결하려고 할 때 한계를 드러냅니다.

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 자신의 자체 ASR 서비스로: ROI (투자 수익률) (Part 2)

ASR의 구축 대 구매 질문은 일반적으로 정확도 대 편의성으로 프레임화되지만, 실제 결정 요소는 제품 수명 동안의 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 자신의 자체 ASR 서비스로: 개요 (Part 1)

OpenAI가 Whisper를 오픈소스로 공개했을 때, 자체 ASR 서비스가 어떻게 보이는지에 대한 기준선을 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 Whisper가 생성한 단어 타임스탐프가 정확하지 않은 이유는? 다시 정확하게 만들 수 있을까?

Whisper에 단어 타임스탐프를 요청하면 숫자가 반환됩니다 — 하지만 실제 오디오와 맞춰보려고 시도한 경험이 있다면, 노래방, 자막, 더빙을 위해 드리프트가 발생하고 잘못된 경계로 스냅되며 가끔은

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(Flow Matching과 Neural ODE도)

수년 동안 음성 생성은 규모와 일반성 측면에서 텍스트 및 이미지 생성에 뒤떨어졌습니다 — 모든 작업은 자체 맞춤형 모델을 사용했습니다.

9월 14, 2023· 1 min read

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

Tutorials

I-JEPA: Yann LeCun의 첫 번째 '세계 모델' 컴퓨터 비전용

Yann LeCun은 수년 동안 생성형 사전 훈련이 세계를 이해하는 기계를 만들기 위한 잘못된 베팅이라고 주장해왔습니다.

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: 고등학생도 게이밍 그래픽 카드로 대규모 언어 모델(GPT-3)을 훈련할 수 있게 하다

175B 파라미터 GPT-3의 전체 미세 조정은 거의 모든 사람에게 현실적이지 않습니다 — 저장 공간만으로도 불가능하며, GPU는 말할 것도 없습니다.

6월 3, 2023· 1 min read

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

Tutorials

SpeechT5 리뷰: 음성(ASR, TTS, SID, ...) 작업에 Google의 T5 도입하기

T5는 단일 인코더-디코더 사전 훈련 방식 아래에서 텍스트-텍스트 작업을 통합했으며 NLP의 핵심 도구가 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

Deepmind의 WaveNet TTS/오디오 합성 리뷰 (당신에게 GPT처럼 보이나요?)

Tacotron 이전에, VALL-E 이전에, 신경 코덱이 오디오를 토큰으로 변환하기 이전에, DeepMind의 WaveNet은 신경망이 원본 오디오 파형을 샘플 단위로 생성할 수 있음을 보여준 논문이었고 모든 매개변수식

5월 6, 2023· 1 min read

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

Tutorials

HiFi-GAN 리뷰: 효율적이고 고충실도 음성 합성을 위한 생성 적대 네트워크

오랫동안 신경 보코더는 선택을 강요했습니다: WaveNet과 같은 자동회귀 모델은 아름다운 오디오를 제공했지만 고통스럽게 느렸고, GAN 기반 파형 생성기는 빠르지만 눈에 띄게 낮은 품질이었습니다.

4월 22, 2023· 1 min read

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

Tutorials

Google의 SoundStream 심층 리뷰: 엔드-투-엔드 신경 오디오 코덱

신경 코덱은 조용히 현대 생성 오디오의 기초 계층이 되었고, SoundStream은 시작을 신호한 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 및 학습 비용 공개 (추측)

OpenAI는 GPT-4의 아키텍처, 파라미터 수, 학습 데이터 또는 컴퓨팅 예산을 공개하지 않기로 악명높으며, 이는 기술 보고서를 ML 커뮤니티를 위한 로르샤흐 테스트로 바꾸었습니다.

4월 1, 2023· 1 min read

Category: tutorials