Звук.
От голосовых к тексту: делаем Telegram-бота для расшифровки аудио на модели от СБЕР — GigaAM-v3
Привет, Хабр! Недавно Сбер выкатил новые модели распознавания речи (speech-to-text, STT), и мне захотелось проверить их не в абстрактном демо, а в реальном сценарии. В этой статье я расскажу о практическом кейсе – разработке Telegram-бота, который преобразует голосовые сообщения в текст. Посмотрим, на что способна новая отечественная модель GigaAM-v3, и соберём на её основе расширяемого Telegram-бота.
A big guide to Suno: making a song from scratch
The music world has entered a new era. No, that's not the title of a science fiction novel. Neural music generators, like Suno AI, are already creating songs that challenge traditional songwriting. Let's break down how to master Suno step by step and uncover its secrets. See how it's changing the game rules. Enjoy the read!How to sign up for Suno
Индустрия подкастов столкнулась с тысячами ИИ-ботов
Издание Los Angeles Times выпустило репортаж, посвящённый состоянию индустрии подкастов в эпоху искусственного интеллекта. В нём говорится, что подкастерам всё сложнее конкурировать с ИИ-ботами, которые генерируют тысячи программ.
Хроника о том, как новые технологии поселились в нашем видеопроизводственном пайплайне, или чему нас научили нейросети
Авторы статьи:Кургузов МихаилГуза ВладиславаИ снова здравствуйте! В этой части завершаем разбор рабочего процесса локализации видео и нейроозвучки. В предыдущих публикациях (раз, два) мы говорили о том, как возникла задача оптимизировать процесс и почему нашей команде стало критично ускорить подготовку десятков обучающих роликов для наших заказчиков в Узбекистане, а также к чему по итогу пришли в ходе наших изысканий.Теперь давайте поговорим про оставшиеся этапы нового рабочего процесса.
Исследования показали, что попытка придать ИИ человеческое звучание происходит за счет потери смысла
Spotify тестирует более персонализированные плейлисты с подсказками от ИИ
Музыкальный сервис Spotify начал
VK улучшила технологию распознавания речи на 20%
Компания VK улучшила технологию автоматического распознавания речи в своих продуктах. Инженеры AI VK доработали систему ASR на базе моделей машинного обучения. Новая версия распознаёт речь на 20% точнее по сравнению с предыдущей.Технология ASR преобразует голос в текст. Система переводит звук в цифровой формат и очищает запись от шума. После этого она анализирует особенности звучания и определяет произнесённые слова. Нейросетевые модели и LLM помогают понимать контекст и смысловые связи, что делает расшифровку более естественной и точной.
Вирусную песню, удалённую с площадок за использование Suno, переиздали с человеческим вокалом
Музыкальные стриминговые сервисы удалили
Эксперимент: 97% людей не распознают сгенерированную музыку
Стриминговый сервис Deezer недавно провёл эксперимент при поддержке исследовательской компании Ipsos. По его результатам выяснилось, что 97% людей не могут отличить музыку, полностью сгенерированную искусственным интеллектом, от созданной человеком.
