Hugging Face 教程：用 Transformers 微调 Wav2Vec2-BERT 做低资源 ASR
Hugging Face 发布教程，演示如何用 🤗 Transformers 微调 MetaAI 的 Wav2Vec2-BERT 预训练 checkpoint facebook/w2v-bert-2.0，在低资源蒙古语 Common Voice 16.0 数据集（约 14 小时验证训练数据）上完成 ASR 任务。
#语音
Hugging Face BlogAI 评分5656
Hugging Face BlogAI 评分5555 Hugging Face 教程：用 Speculative Decoding 让 Whisper 推理提速 2 倍
Hugging Face 博客演示如何用 Speculative Decoding 把 Whisper 推理时间缩短为原来的 1/2，且数学上保证输出与原模型完全一致，可直接替换现有 Whisper 流程。
Hugging Face BlogAI 评分4545 用 🤗 Transformers 优化 Bark：三种推理优化实测
Hugging Face 通过教程演示如何用 🤗 Transformers、Optimum 和 Accelerate 三个库对 Suno AI 的 TTS 模型 Bark 做推理优化，基线（suno/bark-small）在 5 次迭代下平均延迟 9.38 秒、显存占用 1.91 GB。
Hugging Face BlogAI 评分5757 Hugging Face 教程：用 Adapter 微调 MMS 做低资源语音识别
Hugging Face 官方博客给出用 MMS Adapter 微调低资源 ASR 的完整教程，只需 10-20 分钟微调即可取得很低的词错误率。
Hugging Face BlogAI 评分3838 用 Hugging Face Unity API 在 Unity 中实现语音识别教程
这篇教程演示如何用 Hugging Face Unity API 在 Unity 游戏中实现语音识别，可用于下达指令、与 NPC 对话或提升无障碍体验。
OpenAI News精选AI 评分7575 OpenAI 发布 ChatGPT iOS 应用
OpenAI 发布 ChatGPT iOS 应用，官方介绍该应用可同步对话、支持语音输入，并把最新的模型改进带到移动端。
推荐理由：官方点明了同步、语音输入和最新模型三项能力，读者可据此判断移动端与网页端的差异。
Hugging Face BlogAI 评分5555 SpeechT5 加入 Hugging Face Transformers，支持语音合成、识别与转换
Hugging Face 宣布 SpeechT5 现已加入开源库 Transformers，官方 checkpoint 已在 Hub 上提供，并配有 TTS、语音转换和 ASR 的 Spaces 演示。
Hugging Face BlogAI 评分4444 Hugging Face 音频数据集完全指南
Hugging Face 发布音频数据集完全指南，介绍开源库 🤗 Datasets 如何用一行 Python 代码（load_dataset）下载并准备音频数据。
Hugging Face BlogAI 评分5959 Hugging Face 教程：用 🤗 Transformers 微调 Whisper 实现多语言 ASR
Hugging Face 发布教程，手把手演示如何用 🤗 Transformers 在 Google Colab 上微调 Whisper small（244M 参数）做多语言 ASR。
OpenAI News精选AI 评分6767 OpenAI 开源语音识别模型 Whisper
OpenAI 宣布训练并开源神经网络 Whisper，称其在英文语音识别上接近人类水平的鲁棒性和准确性。
Hugging Face BlogAI 评分4545 🤗 Transformers 如何用 Wav2Vec2 处理超长音频的自动语音识别
Hugging Face 介绍了在 🤗 Transformers 中利用 Wav2Vec2 的 CTC 架构特性，实现超长文件乃至实时流式自动语音识别（ASR）的方法。
Hugging Face BlogAI 评分5656 Hugging Face 教程：用 n-gram 语言模型提升 Wav2Vec2 语音识别效果
Hugging Face 官方博客给出分步教程，用 🤗 Transformers 新集成的 pyctcdecode 把 n-gram 语言模型与已微调的 Wav2Vec2 结合，改善语音转写拼写错误。
Hugging Face BlogAI 评分5555 Hugging Face 教程：用 Transformers 微调 XLS-R 做低资源语音识别
Hugging Face 官方博客给出用 🤗 Transformers 微调 Wav2Vec2-XLS-R-300M 做低资源 ASR 的完整流程，以 Common Voice 土耳其语约 4h 验证训练数据为例。
Hugging Face BlogAI 评分4949 在 Hugging Face 中用 🤗 Transformers 微调 Wav2Vec2 进行英文 ASR
Hugging Face 教程详解如何用 🤗 Transformers 微调 Wav2Vec2 预训练模型完成英文 ASR，演示在仅含 5h 训练数据的 Timit 数据集上微调 "base" 尺寸 checkpoint，不使用语言模型、以 CTC 训练并用 WER 评估。