Speech · Issues· 314 开放

nemotron-labs-voicechat-11b: 训练数据

SubsamplingReductionModule 池化返回错误的长度（因子 4 -> [6,5]，因子 8 -> [0,0]）

voice_agent: NemoSTTService 的默认模型拼写错误 ('nnvidia'),默认将 has_turn_taking 设置为 False

nvidia/nemotron-3.5-asr-streaming-0.6b: transcribe() 失败,出现"ValueError: 未知的提示键: 'None'"

在 Papers with Code 上验证评估

parakeet-tdt-0.6b-v3 转录中 len(words) 和 len(word_confidence) 不匹配

ConvSubsampling 前向分块失败: chunking=-1, striding_conv1d/dw_striding_conv1d 和 vggnet 都引发了 TypeError

当两个扬声器与麦克风的距离发生变化时,Sortformer 会将一个扬声器分成两个

早期中断增强可能会完全删除重新定位的 EOS 令牌

FastPitchModel_SSL/SSLDisentangler 在验证时崩溃: on_validation_epoch_end() 缺少 1 个必需的位置参数: 'outputs'

是否没有用于流式排序的 Streaming API?

nvidia/nemotron-speech-streaming-en-0.6b 中缺少标点符号

nemotron-labs-voicechat: 模型的语音存在问题

在变更 SubSampling 和 VGG 前端的预编码缓存大小时,计算 drop_extra_pre_encoded 存在问题

MagpieTTS 原始音频填充会在精确多长度的音频中添加一个无用的静音帧