归档

从语言模型融合、知识来源到离线、流式与端侧约束，把 Representation、Alignment、Language、Knowledge 和 Deployment 五个维度连起来。

从 DTW、HMM 到 CTC、LAS 与 RNN-T，理解连续语音如何对应离散文字，以及对齐约束、语言依赖与流式部署之间的取舍。

从 ASR 应用、WER/CER 和真实场景挑战出发，梳理 MFCC、CNN、Transformer、Conformer 与自监督语音表征。

从语音任务出发，理解声音、采样率、傅立叶变换、STFT、Mel spectrogram 和 MFCC。

从音频编码、Thinker、Talker、Vocoder、离散编解码器、连续潜变量与 ASR 等维度，可视化比较 Omni 模型架构。

Fun-ASR 如何通过批处理、single-flight 去重和 LRU 缓存，将全上下文音频编码移到 LM 准入之前。

MOSS-TTS Local v1.5 参考音频缓存中batch不变性的大调查

Design agentic alpha discovery system

Minimax Speech 2.0 论文阅读笔记：语音合成模型的技术细节

Seedream 3.0 技术报告阅读笔记

本周播客记录：日本医保、短剧进好莱坞、特斯拉/NVIDIA、Willow量子芯片等

设定系推理小说评析：关于《献给名侦探的甜美死亡》的书评与思考

Seedream 2.0 技术报告阅读笔记：中英双语图像生成基础模型

本周播客记录：硅谷101 Microstrategy/Bitcoin、潜空间访谈等

关于运动、热身康复、运动的好处以及不同快乐激素的思考

关于为什么要开始写博客的思考：记录想法、保持思考能力、建立个人知识库