科大訊飛通過(guò)深度神經(jīng)網(wǎng)絡(luò)算法，5分鐘生成一個(gè)虛擬直播
10月23日，科大訊飛1024全球開(kāi)發(fā)者節(jié)舉辦，科大訊飛董事長(zhǎng)劉慶峰透露稱(chēng)，現(xiàn)在科大訊飛5分鐘就能生成一個(gè)虛擬主播。
劉慶峰稱(chēng)，“原來(lái)我們合成明星講話需要一周時(shí)間去錄音，現(xiàn)在5~10分鐘就基本可以模仿一個(gè)人，半小時(shí)就可以做得很像，使我們的虛擬主播具備了前所未有的能力。”
這主要得益于深度神經(jīng)網(wǎng)絡(luò)算法，它可以自主學(xué)習(xí)，使得海量數(shù)據(jù)能夠真正的在應(yīng)用場(chǎng)景中發(fā)揮。
其實(shí)在去年的國(guó)際自然語(yǔ)言理解大賽SquAD中，科大訊飛AI首次超過(guò)人類(lèi)水平，也是表證了其在機(jī)器自主學(xué)習(xí)方面的優(yōu)勢(shì)。
劉慶峰還展望，人工智能將來(lái)能夠滿(mǎn)足我們每一個(gè)人的個(gè)人使用。
科大訊飛在個(gè)性化訓(xùn)練和學(xué)習(xí)上發(fā)力的非常重要的原因，就是：未來(lái)使得每一個(gè)人都站在人工智能肩膀之上，成為更有競(jìng)爭(zhēng)力的每個(gè)個(gè)體。而不是通過(guò)人工智能把大量的工作替代，讓大量的人員沒(méi)有工作。
責(zé)編AJX
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4830瀏覽量
106947 -
科大訊飛
+關(guān)注
關(guān)注
19文章
853瀏覽量
63234 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5592瀏覽量
124023
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
科大訊飛發(fā)布訊飛星火X1.5及系列AI產(chǎn)品
11月6日，第八屆世界聲博會(huì)暨2025科大訊飛全球1024開(kāi)發(fā)者節(jié)發(fā)布會(huì)上，科大訊飛以《更懂你的
NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹
NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫(kù)分為多個(gè)功能，每個(gè)功能涵蓋特定類(lèi)別
發(fā)表于 10-29 06:08
在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)
模型。
我們使用MNIST數(shù)據(jù)集，訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，用于手寫(xiě)數(shù)字識(shí)別。一旦模型被訓(xùn)練并保存，就可以用于對(duì)新圖像進(jìn)行推理和預(yù)測(cè)。要使用
發(fā)表于 10-22 07:03
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)
1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)（LiquidNeuralNetworks，LNN）是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng)，特別是秀
無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究
摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳
發(fā)表于 06-25 13:06
科大訊飛深度解析DeepSeek-V3/R1推理系統(tǒng)成本
本篇分析來(lái)自科大訊飛技術(shù)團(tuán)隊(duì)，深度解析了DeepSeek-V3 / R1 推理系統(tǒng)成本，旨在助力開(kāi)發(fā)者實(shí)現(xiàn)高性?xún)r(jià)比的MoE集群部署方案。感謝訊
BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較
多層。 每一層都由若干個(gè)神經(jīng)元構(gòu)成，神經(jīng)元之間通過(guò)權(quán)重連接。信號(hào)在神經(jīng)網(wǎng)絡(luò)中是前向傳播的，而誤差是反向傳播的。 卷積
什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法
神經(jīng)網(wǎng)絡(luò)（即反向傳播神經(jīng)網(wǎng)絡(luò)）的核心，它建立在梯度下降法的基礎(chǔ)上，是一種適合于多層神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法。該
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系
），是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過(guò)反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、一
BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用
傳播神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network），是一種多層前饋神經(jīng)網(wǎng)絡(luò)，主要通過(guò)反向傳播算法進(jìn)行學(xué)習(xí)。它通常
深度學(xué)習(xí)入門(mén)：簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實(shí)現(xiàn)
深度學(xué)習(xí)中，神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)
科大訊飛發(fā)布訊飛星火X1深度推理大模型
近日，科大訊飛宣布了一項(xiàng)重大突破，成功推出了當(dāng)前全國(guó)產(chǎn)算力平臺(tái)上唯一的深度推理大模型——
科大訊飛發(fā)布星火深度推理模型X1
今天，科大訊飛正式發(fā)布星火深度推理模型X1，星火4.0 Turbo底座全面升級(jí)，首發(fā)星火語(yǔ)音同傳大模型。
人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法
在上一篇文章中，我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中，我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法，供各位老師選擇。 01 人工
科大訊飛即將發(fā)布訊飛星火深度推理模型X1
，標(biāo)志著科大訊飛在AI技術(shù)領(lǐng)域的又一次重大突破。訊飛星火深度推理模型X1將為
工商網(wǎng)監(jiān)
評(píng)論