归档

2026  34

十月  1

别把轻声当噪声：深入浅出 SE-AGCNet 的联合降噪与响度控制

2026年10月10日 · 22 分钟 · 10823 字

九月  5

量语音助手的三十多把尺子：Qwen-Audio-3.1-Realtime 报告里的每个测试集，测什么、题长什么样、分怎么算

2026年9月24日 · 49 分钟 · 24305 字

低延迟只是及格线：Qwen-Audio-3.1-Realtime 怎么教语音助手想清楚、动手做、知分寸

2026年9月22日 · 28 分钟 · 13724 字

StepAudio 3 系列拆解：声音怎样生成，模型怎样边听、边想、边说

2026年9月15日 · 20 分钟 · 9834 字

一句话掷几个骰子：ms-swift 里 GRPO、GSPO 与 GSPO-token 的三种重要性比

2026年9月11日 · 18 分钟 · 8725 字

看过答案的自己教没看过答案的自己：深入浅出 OPSD 在线自蒸馏

2026年9月4日 · 18 分钟 · 8965 字

八月  11

一颗脑袋，两副耳朵：深入浅出 FireRedAudio

2026年8月31日 · 18 分钟 · 8979 字

工具箱与粮仓：Amphion 与 Emilia 怎样给开源语音生成打地基

2026年8月25日 · 17 分钟 · 8229 字

「稍等，我查一下」：深入拆解会调工具的全双工模型 NemotronLabs VoiceChat

2026年8月18日 · 18 分钟 · 8911 字

同一份乐谱的两种弹法：深入浅出 MOSS-TTS

2026年8月18日 · 19 分钟 · 9206 字

最贵的一层：深入浅出 Liger Kernel 与 Cut Cross-Entropy

2026年8月6日 · 16 分钟 · 7551 字

你的 TTS 会叹气吗——InstructTTSEval 给「听懂指令」出的三道考题

2026年8月6日 · 12 分钟 · 5522 字

停顿不等于说完：拆解 8 MB 的开源判停模型 Smart Turn

2026年8月6日 · 15 分钟 · 7131 字

你的 LLM 偷偷是个全双工预测器：双拆 SALMONN-omni 与 Covo-Audio

2026年8月2日 · 14 分钟 · 6719 字

不改模型，改数据：深入拆解 OmniFlatten

2026年8月2日 · 11 分钟 · 5444 字

把「被打断」做成一个 token：深入拆解 LSLM

2026年8月2日 · 10 分钟 · 4759 字

一直在听，也一直在说：深入拆解 Moshi

2026年8月2日 · 17 分钟 · 8384 字

七月  17

不是「能被打断」就算全双工：三张地图读懂语音对话系统

2026年7月31日 · 30 分钟 · 14557 字

让 Agent 一边说话，一边干活：深入拆解 qwen-audio-agent

2026年7月29日 · 28 分钟 · 13993 字

不是算得慢，是搬得慢：深入浅出 FlashAttention 四代

2026年7月24日 · 14 分钟 · 6805 字

从 4 bit 权重到高并发 API：深入浅出 GPTQ、AWQ、safetensors、vLLM 与 SGLang

2026年7月24日 · 18 分钟 · 8721 字

从字到声：深入浅出 IndexTTS 系列

2026年7月24日 · 18 分钟 · 8993 字

把 90 分钟会议塞进一次生成：深入浅出 MOSS Transcribe Diarize

2026年7月20日 · 16 分钟 · 7665 字

从会思考、会用工具到会被评测：读懂 ReAct、Toolformer、AgentBench 与 AgentBoard

2026年7月19日 · 20 分钟 · 9608 字

一个声码器走天下：深入浅出 BigVGAN

2026年7月17日 · 18 分钟 · 8721 字

当造币厂也开始 scaling：深入浅出 MOSS-Audio-Tokenizer

2026年7月17日 · 16 分钟 · 7967 字

给声音造一张词表：深入浅出语音 tokenizer

2026年7月15日 · 27 分钟 · 13224 字

让文字开口：深入浅出 Qwen3-TTS

2026年7月9日 · 12 分钟 · 6001 字

一个文件装下一个模型：深入浅出 GGUF

2026年7月6日 · 12 分钟 · 5776 字

教会模型「哪个更好」：深入浅出 PPO、DPO、GRPO 与 GSPO

2026年7月6日 · 21 分钟 · 10117 字

把世界喂给模型：深入浅出「离散 vs 连续」

2026年7月6日 · 9 分钟 · 4223 字

给音视频一个共享时钟：深入浅出 TMRoPE

2026年7月6日 · 13 分钟 · 6496 字

边想边说：深入浅出 Thinker-Talker 架构

2026年7月5日 · 10 分钟 · 4968 字

Hello, World

2026年7月5日 · 1 分钟 · 284 字