专栏首页AI研习社百度 Deep Voice 实现文本到语音的实时转换;迄今最强核弹 GTX 1080 TI | 开发者头条

百度 Deep Voice 实现文本到语音的实时转换;迄今最强核弹 GTX 1080 TI | 开发者头条

内容预览:

  • 百度实现文本到语音的实时转换
  • Facebook 发布支持 90 种语言的预训练词向量
  • 英伟达发布迄今为止最强核弹 GTX 1080 TI 每日推荐阅读:
  • 高手实战演练,十大机器学习时间序列预测难题
  • 从零起步,基础机器学习模型和算法的 Python 代码实现

百度 Deep Voice,实现文本到语音的实时转换

今日百度公开宣布了 Deep Voice,一个产品级的文本到语音转换( text-to-speech,TTS)系统。

该系统完全由深度神经网络搭建而成,最大的优势在于能够满足实时转换的要求。在以前,音频合成的速度往往非常慢,需要花费数分钟到数小时不等的时间才能转换几秒的内容,而现在,百度研究院已经能实现实时合成,在同样的 CPU 与 GPU 上,系统比起谷歌 DeepMind 在去年 9 月发布的原始音频波形深度生成模型 WaveNet,要快上400倍。

但在目前,Deep Voice 需要借助一个音素模型与音频合成组件的帮助。百度研发团队希望在未来能够实现真正意义上的端到端(end-to-end)语音合成。

详情:http://research.baidu.com/deep-voice-production-quality-text-speech-system-constructed-entirely-deep-neural-networks/

论文:https://arxiv.org/abs/1702.07825

█ Facebook 发布支持 90 种语言的预训练词向量

还记得 FastText 吗?就是那个 Facebook 为大型数据库文本处理发布的开源工具。今日,FastText 研究团队在 GitHub 发布了他们的最新研究成果——使用维基百科训练,并包括 90 种语言的 300 维词向量;全都使用 FastText 的默认参数进行训练。

FastText 团队表示,希望各路开发者提供使用反馈。另外,一大波新模型即将发布,请关注 AI 研习社的后续报道。

支持语言列表与下载地址:https://github.com/facebookresearch/fastText/blob/master/pretrained-vectors.md

█ 英伟达发布 GTX 1080 TI,性能赶超 Titan X

今日(当地时间 28 日晚),英伟达在 GDC 大会上发布了 GTX 1080 TI。该显卡仍采用帕斯卡 16 nm 制程工艺,热设计功耗 250W,配备 11GB GDDR5X 显存。英伟达表示其性能超过 GTX 1080 约 35%。这使得 GTX 1080 TI 与 Pasal Titan X 的性能不相上下,部分非公版型号甚至可能犹有过之。

另外,GTX 1080 TI 的公版外观与 GTX 1080 一般无二。但英伟达在发布会上宣布,其公版散热得到了改进,包括去掉 DVI 接口以增大显卡出风口面积;使得在同等噪音水平下,相比 1080/1070 上的公版散热,新方案效果提升约 5%。

GTX 1080 Ti 将于下周上市,售价仅为 699 美元(约合人民币4808元),首批只有公版。美国销售的 GTX 1080 已开始降价,据了解,多家零售商降幅达到 100 美元。

虽然 GTX 1080 TI 主打游戏市场,但对于深度学习开发者,只需花费泰坦一半多的价格就能买到相差无几的计算性能,具有非常大的诱惑力。目前国行价格尚未公布,大伙一起期待(土豪继续关注,小编还是回家把玩 1070)。

详情:http://www.leiphone.com/news/201703/dv5c5cO4OvBe7brF.html

每日推荐阅读

█ 高手实战演练,十大机器学习时间序列预测难题

这是我们的老熟人、澳大利亚机器学习专家 Jason Brownlee 最新整理的开发者实操练习。这是十道颇具挑战性的时间序列预测问题。对于这十道难题,经典的线性统计方法不足以进行解决,必须要用到高阶机器学习方法。

这些难题均来自 Kaggle。

如果你想要来点能挑战自己的高难度习题,提高处理时间序列数据集的能力,并演练机器学习技术——这十道题就是给你的。

地址:http://machinelearningmastery.com/challenging-machine-learning-time-series-forecasting-problems/

█ 从零起步,基础机器学习模型和算法的 Python 代码实现

国外机器学习开发者 Erik Linder-Norén,把他创建多种机器学习模型所用的 Python 代码,上传到了 GitHub 与大家分享。一起来看看别人家的模型是什么样的。当然,这些算法真的是从零起步,非常基础,对于新手有最大的参考价值。

Erik Linder-Norén 上传的模型代码包括决策树、逻辑回归、多层感知机、随机森林、支持向量机等。

地址:https://github.com/eriklindernoren/ML-From-Scratch

本文分享自微信公众号 - AI研习社(okweiwu),作者:三川

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-03-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Github 项目推荐 | 用 Pytorch 实现的 Capsule Network

    本库用 Pytorch 实现的 Capsule Network 基于以下论文: Dynamic Routing Between Capsules by Sara...

    AI研习社
  • 深度学习中如何选择一款合适的GPU卡的一些经验和建议分享

    章翻译自: Which GPU(s) to Get for Deep Learning(http://t.cn/R6sZh27) 深度学习是一个计算需求强烈的领...

    AI研习社
  • 干货 | 张宇伦:基于残差密集网络的图像超分辨率(CVPR 2018 亮点论文)

    AI 研习社按:图像超分辨率技术作为底层计算机视觉任务,有着广泛的应用场景,比如:手机图像增强,视频监控,医疗影像,卫星图像,低分辨率人脸识别。因此,图像超分辨...

    AI研习社
  • 移动直播LiteAVSDK,推流事件回调onPushEvent()

    您可以为 LivePusher 对象绑定一个TXLivePushListener,之后 SDK 的内部推流状态信息均会通过 onPushEvent(事件通知) ...

    腾讯云-chaoli
  • 思科路由器基本设置方式

    砸漏
  • Drawable.Bitmap.Canvas.Paint.Matrix

    由于对Drawable、Bitmap、Canvas、Paint和 Matrix 的关系和使用 一直不太清楚,就在网上搜集了一下,摘录一些,主要来看这两篇文章:D...

    晚晴幽草轩轩主
  • 美图分布式Bitmap实践:Naix

    大数据技术和应用系统目前已经在各个行业中发挥着巨大的作用,各种各样的开源技术也给大数据从业人员带来了很大的便利。Bitmap 作为一种大数据需求下产生的计算体系...

    美图数据技术团队
  • android bitmap的内存分配和优化

    首先Bitmap在Android虚拟机中的内存分配,在Google的网站上给出了下面的一段话  ? 大致的意思也就是说,在Android3.0之前,Bitmap...

    xiangzhihong
  • 腾讯校招设计师求生指南

    ? 腾讯ISUX isux.tencent.com 社交用户体验设计 ? ? 本来我只想写一篇软文, 结果发现进厂还是得靠硬本事。 这不是一份传统意义上的面...

    腾讯ISUX
  • Scrapy+Chromium+代理+

    js是爬虫中毕竟麻烦处理的一块。通常的解决办法是通过抓包,然后查看request信息,接着捕获ajax返回的消息。 但是,如果遇到一些js渲染特别复杂的情况,这...

    py3study

扫码关注云+社区

领取腾讯云代金券