标签：语音识别

Mistral音频研究负责人Pavan Muddireddy分享了公司全栈AI战略下的音频模型开发。他探讨了从音频理解到语音生成的端到端方法，解释了流式与批处理模型的权衡，介绍了基于连续潜变量和流匹配的TTS架构创新，并深入分析了说话人分离、抗噪性及消除模型幻觉等关键挑战。

Lex Fridman采访Rev.ai工程副总裁Dan Kokotov，探讨了Rev如何通过简化自由职业市场创立转录服务，其ASR引擎如何挑战Google等巨头，以及语音转文本技术对播客、会议记录和信息检索的深远影响。