Kotoba 创始人谈实时语音 AI:音频 tokenization 是核心研究难题
lmthang · x · 2026-11-22
转发了一则关于 Kotoba 联合创始人兼 CEO Noriyuki Kojima 客座讲座的记录。Kotoba 近期加入了 ElevenLabs,Nori 分享了从构建日本本土大模型 Fugaku-LLM 到创办 Kotoba 的历程,以及对前沿实时语音 AI 的技术洞察。
要点:
- 音频 tokenization 是重要研究问题:在「压缩音频表示」与「保留声学信息」之间存在权衡,直接影响训练与推理效率。
- 场景决定压缩策略:呼叫中心场景语义信息最重要,可以激进压缩;音乐生成则必须保留声学细节。
- 讲座由 GStar bootcamp 2025 届校友参与组织。
「多模态」频道最新
- Mflux 让 8GB Mac 跑 MOSS 图像生成:4 步蒸馏 768x768 仅 82 秒 — bio_risk · 2026-11-22
- AI 视频演示:王妃披甲代夫出征,全程无人识破 — azed_ai · 2026-11-22
- 免费全本地 ComfyUI 工作台:MCP 接入、滑块对比与一键修缺失模型 — demongatanjieu · 2026-11-22
- 博主用 AI 生成同一维京女战士的 2D 与 3D 版本发起对比互动 — azed_ai · 2026-11-22
- 作者开源 120+ 免费 GTA6 风格视频组件,Agent 可一键成片 — eptwts · 2026-11-22
- Magnific One 十种插画风格实测,作者附全套提示词 — charis_ai · 2026-11-22