语音方向精典论文品读_HuBERT
12345678英文名称: HuBERT: Self-Supervised Speech Representation Learning by Masked Prediction of Hidden Units中文名称: HuBERT:通过隐藏单元的屏蔽预测进行自监督语音表示学习链接: http://arxiv.org/abs/2106.07447v1代码: https:// github.com/pytorch/fairseq/tree/master/examples/hubert作者: Wei-Ning Hsu, Benjamin Bolte, Yao-Hung Hubert Tsai, Kushal Lakhotia, Ruslan Salakhutdinov, Abdelrahman Mohamed机构: Wei-Ning Hsu, Benjamin Bolte, Yao-Hung Hubert Tsai, Kushal Lakhotia, Ruslan Salakhutdinov, Abdelrahman Mohamed日期: 2021-06-14引用次数: 1518
| ...
论文阅读_语音转换_SoftVC
12345678英文名称: A COMPARISON OF DISCRETE AND SOFT SPEECH UNITS FOR IMPROVED VOICE CONVERSION中文名称: 离散和软语音单元的比较,以改善语音转换链接: http://dx.doi.org/10.1109/icassp43922.2022.9746484代码: https://github.com/bshall/hubert作者: Benjamin van Niekerk, Marc-Andr´e Carbonneau, Julian Za¨ıdi, Matthew Baas, Hugo Seut´e, Herman Kamper机构: 育碧拉福奇(Ubisoft La Forge),蒙特利尔,加拿大,E&E工程,斯泰伦博斯大学,南非日期: 2021-11-03
1 读后感
语音转换的目标是在不改变内容的前提下,将任意说话人的声音转换为目标说话人的声音,论文的目标是通过自监督方法来实现这一功能。
在这个任务中,无监督学习通常会比有监督学习产生更好的效果。以前的无监督学习方法通常是提取音频特征,对 ...
目前见过效果最好的中文语音合成工具
1 引言
与大型语言模型(LLM)相比,语音模型相对较小,只需要本地有 GPU
的机器就可以进行训练。我的机器是很久以前购买的 1080Ti,10G
的显存,就可以正常训练。它在中文声音模拟方面的效果也相当不错。我下载了一段十几分钟评书音频,用这个模型进行训练只需
5
分钟就能完成。我觉得它模拟的音色和抑扬顿挫的效果都相当不错,虽然不能完全模拟真人的声音,但已经是我目前使用过的最好效果了。
此外,作者评测显示用 1 分钟语音与 30
分钟的效果相似。该项目目前只发布了 TTS 工具,变声工具还在开发中。
2 安装
2.1 环境
建议在 docker
环境下的安装。这样既可以与其他工具共存,也不会破坏宿主机当前环境。我下载了与
install.sh 中指定的底层软件版本最相近的版本。基础镜像
7.2G,全部安装完 10.5G,另外下载的模型和源码也在 5G 以内。
12$ docker pull pytorch/pytorch:2.1.1-cuda12.1-cudnn8-runtime$ nvidia-docker run --network host --rm -v /exports ...
插件_一键发布 markdown 到各个平台
1 使用场景
最近文章更新比较频繁,基本是日更。因此花费了相当多的时间在不同平台之间同步。时间主要消耗在:需要大致浏览一遍文章内容,另外某些平台需要手动上传图片,有时还需要调整排版。
为了解决这个问题,我选择了以一个平台为中心,比如微信公众号,将文章精心排版后,再同步到其他平台。
在 VSCode 中有插件可以实现这个功能(Markdown publisher for
csdn…),在 Chrome
浏览器中也有类似的插件。虽然不能说完美,但能提高效率。
试用了几个,觉得这个最好用,本文将介绍 Chrome 插件 Wechatsync
的使用方法,并分享一些实用体验。
2 项目介绍
项目名称:Wechatsync
项目地址:https://github.com/wechatsync/Wechatsync
Star:2.7K
功能:一键同步文章到多个内容平台,支持今日头条、WordPress、知乎、简书、掘金、CSDN、typecho
等主要平台,实现一次发布,多平台同步发布,提高个人生产力。
代码:项目主要使用 JavaScript 实现。
安装:从 Chrome 插件商店直接安装 ...
在没有图形界面的机器上给github配置代理的方法
1 引言
近期遇到了一个棘手的问题,我使用的云服务器无法直接连接到
GitHub,使得我无法下载任何开源项目,包括之前维护的代码和下载新的项目。面对这种困扰,我选择了配置代理的方式来解决问题。然而,我很快发现,在一个没有图形用户界面(GUI)的服务器上配置代理,支持
SSH 和 HTTP 两种方式,这个过程比我预想的要复杂很多。
这个问题可能会影响到很多人,我决定写一篇详细的文章,介绍在 Linux
环境下如何配置和使用网络代理连接
github。下文将详细介绍如何使用环境变量来设置代理,如何在 Git
中配置代理,以及一些常用的代理调试工具。
2 配置代理
123456export http_proxy=http://host:port/ export https_proxy=$http_proxy export ftp_proxy=$http_proxy export rsync_proxy=$http_proxy export all_proxy=$http_proxy export no_proxy="localhost,127.0.0.1,localadd ...
配置免费的SSL
1 引言
本文介绍了如何在 Linux 环境下使用免费的 Let's Encrypt 为你的网站配置
SSL 证书的方法,以及如何在 Nginx 服务器中启用
SSL。对于需要在自己的网站上启用 HTTPS 的用户来说非常实用。
2 SSL 简介
SSL,全称为 Secure Sockets
Layer,是一种网络安全协议,主要用于在互联网上对数据进行加密传输。SSL
通过使用加密算法对数据进行加密,确保数据在传输过程中的安全。同时,SSL
还提供了身份验证机制,可以验证服务器的身份以防止中间人攻击。
当你在浏览器的地址栏看到 http:// 变成
https://,或者地址栏前面出现一个锁的图标时,就表示你正在使用
SSL。"s" 即安全 "secure"。HTTPS 协议实际上就是在 HTTP 上加了一层 SSL/TLS
协议,使得数据传输更加安全。
SSL 证书是一种数字证书,它可以验证网站的身份,并提供 SSL
加密。当一个网站使用了 SSL
证书后,用户在访问这个网站时,浏览器会首先获取这个网站的 SSL
证书,然后验证这个证书的有效性。如果证书有效,浏览器就会生成一个随机的 ...
开源项目_智能的SQL客户端和报表工具_Chat2DB
1 基本信息
项目地址:https://github.com/chat2db/Chat2DB
Star:10.7K
2 功能
Chat2DB 是一个智能且多功能的 SQL
客户端和报表工具,适用于各种数据库。
对于那些平时会用到数据库,但又不是数据库专家的程序员来说,Chat2DB
可以说是一种福音。
通过查看 README 中的视频,可以了解到 Chat2DB 的核心功能和用法。
其功能可分为三个主要部分:
支持 Chat 功能,可以将文本描述转换成数据库命令
连接各种数据库并执行操作,类似于 navicat
可以作为一个简化版的 navicat 使用,用于查看数据库、表和内容
除了关系型数据库,还支持 mongodb、hive 等其他类型的数据库
可以在本地运行,跨平台,且免费
可以对返回的数据进行分析并生成图表
Redis 和 MongoDB
得到部分支持,Hbase、Elasticsearch、openGauss、TiDB、InfluxDB
将在未来得到支持。
3 代码和原理
后端使用 Java 实现(3.7 万行),前端使用 TypeScript 实现(2.7 ...
论文阅读_思维链_EoT_思想交流
12345678英文名称: Exchange-of-Thought: Enhancing Large Language Model Capabilities through Cross-Model Communication中文名称: 思想交流:通过跨模型通信增强大型语言模型的能力链接: http://arxiv.org/abs/2312.01823v1代码: 作者: Zhangyue Yin, Qiushi Sun, Cheng Chang, Qipeng Guo, Junqi Dai, Xuanjing Huang, Xipeng Qiu机构: 复旦大学计算机科学学院, 新加坡国立大学, 上海人工智能实验室日期: 2023-12-04引用次数:
读后感
文章提出框架 EoT,可视为 CoT
框架的进化版本。它利用多个模型提升模型的推理能力,其主要工作在于设计和实现跨模型通信,包括:模型之间通信,通信终止条件,最小化错误推理对结果的影响。该模型具有整合外部多方观点的能力,可通过引入丰富的知识来提升解决问题的能力。
摘要
目标:提出一种新的框架 Exchange-of-Thought ...
TinyLlama: 一个开源的小型语言模型
123456789英文名称: 'TinyLlama: An Open-Source Small Language Model'中文名称: 'TinyLlama: 一个开源的小型语言模型链接: http://arxiv.org/abs/2401.02385v1代码: https://github.com/jzhang38/TinyLlama试用: https://huggingface.co/TinyLlama/TinyLlama-1.1B-Chat-v0.1作者: Peiyuan Zhang, Guangtao Zeng, Tianduo Wang, Wei Lu机构: 新加坡科技与设计大学日期: 2024-01-04引用次数:
1 读后感
文中介绍了 TinyLlama
一种开源的轻量级大语言模型。作者发布了所有相关信息,包括的预训练代码、所有中间模型检查点以及数据处理步骤的细节。TinyLlama
可以在移动设备上支持最终用户应用程序,并作为测试语言模型的轻量级平台。
TinyLlama 相对于
Llama2,在架构和算法上都没有太多改进,但有一些微 ...
Python实现语音合成的N种方法
1 离线合成 pytts
配置环境
12345$ apt-get update$ apt-get install espeak$ pip install pyttsx3$ apt-get install ffmpeg$ apt-get install alsa-utils
运行程序
123456789101112import pyttsx3engine = pyttsx3.init()engine.setProperty('rate', 150)engine.setProperty('volume', 0.7)text = "你好,欢迎使用 pyttsx3 中文语音合成!"engine.say(text)engine.runAndWait()engine.save_to_file(text, 'output.wav')engine.runAndWait()
描述:十几年前的老工具,用规则实现,虽然能用但效果不好
优点:可以离线使用
缺点:塑料声太严重,反正我接受不了
2 google 语音合成
配置环境
1 ...