热词是怎么加进语音识别的？专有名词
公司名、产品名总被听岔，转写稿改到手软。本文拆解热词加权打分的工作机制，讲清它什么时候失灵、怎么配置更有效，弄懂热词生效门道几何
AI百科
共3606篇文章AI百科聚合面向中文用户的 AI 工具教程、评测对比、场景方案、基础知识、产品快讯和资源合集，帮助用户快速了解工具怎么用、怎么选、适合什么场景。
最新发布
字幕的时间轴为什么会漂移？累积误差
视频看到后半段，字幕比说话慢半拍，越到后面越明显。本文拆解时间轴对齐的流程与累积误差的来源，讲清重对齐怎么救场，让字幕时间轴稳下来
视频理解的采样密度是怎么定的？
十分钟的视频，模型不可能逐帧都看。本文拆解抽帧间隔的确定逻辑，讲清密度高低换来的效果与代价，给出按任务选档的思路，理清采样密度取舍思路
近期文章
生成图片里的文字为什么常错？从原理到落地
图里写个招牌总出错？本文从训练方式讲到解码短板，拆解生成图片内文字出错的原理，再给出当下工具的补救路数，让图内文...
生成视频的人物为什么会「变脸」？
AI 视频里人物前几秒还认得，镜头一转就换了张脸。本文拆解帧间记忆与镜头切换的影响，给出参考图和动作提示词的配合...
生成图像的光影为什么会「假」？
AI 画得再精致，光影一假就露馅。本文拆解光源混乱、影子错位、反射失真三类穿帮的成因，给出提示词与后期补救的实用...
标点是怎么影响语音合成的？断句
同一篇稿子读出来忽快忽慢、断句奇怪，问题常出在标点上。本文拆解文本正则化到韵律切分的流程，讲清标点怎样调度停顿与...
热门排行
更多文章
-
图文交织输入是怎么排的？从原理到落地
图文交织输入让模型边读文边看图：图块按原文位置插进文本序列一起编码，位置即语义，长文档还要按章节切块，本文讲排布落地...
-
多图理解是怎么关联的？图与图之间
多图理解要建立图与图之间关系：共享表征让模型能对比、找指代、认先后，图序还会影响答案，本文讲关联机制与提问技巧。
-
图像理解的分辨率瓶颈在哪？小字看不清的原因
图像理解看不清小字的根源在分辨率瓶颈：整图压进有限的输入预算，细节在下采样里丢失，本文讲成因与模型侧、使用侧的补救。
-
语音降噪是怎么分离人声的？每一步都讲透
语音降噪分三步走：先在时频图上分析能量分布，再算掩码标出人声位置，最后重建干净波形，下手过重会削伤字头，本文逐步讲透...
-
歌词对齐是怎么踩节拍的？机制细节全梳理
歌词对齐要给每个字配时间戳：在已知文本条件下反推发音时刻，拖腔转音吞字是难点，伴奏还要先做人声分离，本文细节全梳理。
-
中英夹杂的语音是怎么处理的？内部门道在这
中英夹杂的语音难在语言边界：声学特征在词间急切换，词表与解码要两套共存，共享表征加语种自适应是主流解法，本文讲门道。
-
口音适应是怎么做的？方言识别，过程拆开看
口音适应让模型听懂天南地北：口音是有规律的系统性偏移，数据微调与发音词典两条路补齐，方言识别按用户规模分层落地，本文...
