这几天，一篇关于语音-文本多模态大模型的论文出现在arXiv上，署名公司中出现了李开复旗下大模型公司01.ai——零一万物的名字。
最近百度公布的数据显示，自1月25日春节假期以来，百度输入法日均语音请求量已破10亿次大关，再创行业历史新高。
金磊 发自 凹非寺 量子位 | 公众号 QbitAI AI成精，“逼疯”程序员；AI做高数，成绩超过博士；AI写代码，成功调教智能体…… 看多了这种故事，你是不是也觉得，AI太卷了，要上天了。 今天回归本源，讲点不那么玄幻的。AI为什么会进化？底层其实没有秘密，无非是语言、视觉等几大基本功。 其中，语言能力对AI的智能水平有决定性影响。视觉研究怎么“看”，语言研究“听”、“说”和“理解”。 对人类来说，“听”、“说”、“理解”相加，基本等于思维能力，对AI，道理也差不多。 最近，咨询机构Gartner发布《
12月15日，由腾讯云主办的首届“腾讯云+社区开发者大会”在北京举行。本届大会以“新趋势•新技术•新应用”为主题，汇聚了超40位技术专家，共同探索人工智能、大数据、物联网、小程序、运维开发等热门技术的最新发展成果，吸引超过1000名开发者的参与。以下是小程序分会场的演讲内容，稍作整理，分享给大家。
1月10日，2023微信公开课PRO以直播的形式上线，带来了视频号短视频、直播、直播带货、微信搜一搜、小游戏、微信AI、小程序IoT的新进展，以及这一年在零售、餐饮、出行、酒旅等以及智慧医疗、智慧教育等行业的嘉宾分享，你有没有“在场”见证呢？ 2022年视频号原创内容播放量同比提升350%，直播看播规模增长300%； 视频号直播商业潜力持续释放，2022年直播带货销售额同比增长超8倍； 微信搜一搜月活增长至8亿，搜索量同比增长54%； 自2020年以来，小程序在景区、酒店、航空等领域应用广泛，小程序数量增
---- 新智元报道 编辑：David 好困 【新智元导读】大热天的，别整天抱着单词本不放了，找个新朋友陪读陪聊陪作业，它不香么？ 大家先来猜猜，这个「赛马场巨头」是什么？ 没错，是「The Lord of the Rings」指环王。 显然，「赛马场巨头」主要是错误地理解了「Ring」的含义。其实，稍有常识的人都知道，Ring是指拳击台，所以「正确」的译名是：拳皇。（开个玩笑） 不过讲道理，你不太能苛求一个上世纪90年代的翻译。 但是在互联网发达的现在……烧烤「丈夫」就不太合适了吧。 以及，
在2019新品发布会上，这家成立20年的AI公司，一口气发布5款硬件，并对其核心的语音操作系统进行了升级。
7 月 19 日，Meta 终于发布了免费可商用版本 Llama 2，让开源大模型领域的格局发生了巨大变化。
这次分享介绍了在研究方面的一系列新的方法和改进，主要是语音识别，语音识别，声纹识别，以及TTS，在落地应用方面，语音识别中心为多个腾讯的产品有技术支持的输出，如腾讯听听和企鹅极光盒子，也在语义解析、语音控制、语音合成方面等方面，融合其他的合作伙伴的先进技术。
1、数据管理：特征存储、在线和离线特征；数据集管理、结构数据和媒体数据、数据标签平台 2、开发：notebook(vscode/jupyter)；码头图像管理；在线构建图像 3、train：管道在线拖拽；开放模板市场；分布式计算/训练任务，例如 tf/pytorch/mxnet/spark/ray/horovod/kaldi/volcano；批量优先级调度；资源监控/告警/均衡；cron 调度 4、automl：nni、ray 5、推理：模型管理器；无服务器流量控制；tf/pytorch/onnx/tensorrt 模型部署，tfserving/torchserver/onnxruntime/triton 推理；显卡；负载均衡、高可用、弹性伸缩 6、infra：多用户；多项目；多集群；边缘集群模式；区块链共享；
语音识别是现在很多人都想了解的概念，其实语音识别就是将语音转换成文字。目前的需求还是蛮大的，尤其是会议纪要、演讲采访、音频文件整理成文字等场景，使用需求非常大。
whisper的核心功能语音识别，对于大部分人来说，可以帮助我们更快捷的将会议、讲座、课堂录音整理成文字稿；对于影视爱好者，可以将无字幕的资源自动生成字幕，不用再苦苦等待各大字幕组的字幕资源；对于外语口语学习者，使用whisper翻译你的发音练习录音，可以很好的检验你的口语发音水平。 当然，各大云平台都提供语音识别服务，但是基本都是联网运行，个人隐私安全总是有隐患，而whisper完全不同，whisper完全在本地运行，无需联网，充分保障了个人隐私，且whisper识别准确率相当高。
5月4日，有着最难语音识别任务之称的CHiME-6成绩揭晓：科大讯飞联合中科大语音及语言信息处理国家工程实验室（USTC-NELSLIP）在给定说话人边界的多通道语音识别两个参赛任务上夺冠。
点击上方蓝色字体关注「顶级程序员」 转自：程序猿 2017年1月14日，搜狗搜索进行重大产品创新，搜狗英文搜索全面升级为海外搜索，旨在帮助不精通英文的中国人，搜索和阅读全世界的医疗，科技，人文信息。通
这是国际级会议第一次正式使用AI作为翻译。2018年博鳌亚洲论坛，真准备这么干。据称经过数月PK和方案选配，博鳌论坛最终选定了技术合作方。
近日，一场精彩绝伦的全球知商盛会——2017双12知商节国际知商高峰论坛在广州隆重举行。来自政界、商界、产业界、学术界的大咖齐聚一堂，面对面探讨知识产权未来发展。 作为当今世界最前沿的科技创新成果，史上首个获得公民身份的机器人——索菲亚惊艳亮相，在论坛上发表中英文致辞、与全国政协常委原中石化董事长傅成玉互动对话、接受各大主流媒体采访，引爆全场知识产权与人工智能新高潮。 📷 △机器人索菲亚亮相2017双12知商节 发表中英文致辞：非常荣幸参与汇桔网双12知商节 论坛上，机器人索菲亚发表中英文致辞。她表示非常荣
常会遇到有些 PDF 是扫描版的无法复制（豆丁网上的），有些网页（极客时间）也限制了复制功能。这时候要复制，通常情况下只能手动去打，很浪费时间对吧。当然也可以使用一些 OCR 识别软件，但要么付费要体积很大，不方便。
这是“AI国家队”科大讯飞正在探索的新路。与互联网不同，在人工智能领域中，To C业务反而未经大范围开拓。
通讯、感知与行动是现代人工智能的三个关键能力，在这里我们将根据这些能力/应用对这三个技术领域进行介绍：
作者：科大讯飞cobbyli、zmwang 摘自：36氪 (36kr.com) 不久前，一个实时翻译视频风靡网络，视频中两名分别说着英语和西班牙语的人借助Skype软件的实时翻译功能竟然实现了无障碍交
近日，讯飞输入法新版本正式上线，在随声译和快捷翻译功能里增加了日译中、韩译中、泰、越、西、法、德、俄与中文互译，合计18种翻译，这也使得讯飞输入法成为中文与外语互译最多的输入法产品。
“没想到我的中文语音测评分数竟然还没有英文高，看来我要好好练习一下自己的普通话发音了。” 1月9日，在腾讯2019微信公开课PRO展区，智聆口语评测体验现场受到参会者的“团宠”，黄色的屏幕前围满了跃跃欲试的参会者，都想测试下自己的中英文发音水平。“这是我第一次体验AI口语评测。之前觉得只有参加那种专业口语测评考试才有机会体验到，现在通过微信小程序就很简单的完成了。而且，单词、句子、段落、自由说、情景对话等评测模式一应俱全，还有不同维度的打分，对英语口语训练挺有帮助。”来自深圳的孙小姐在微信小程序上
腾讯大讲堂在9月18日走进新加坡南洋理工大学与师生分享微信背后的智能技术，以及如何更好应用智能技术开发移动应用。本次讲座作为首届在狮城新加坡鸣响战鼓“WeMage 视觉搜索挑战赛”的启动活动。在本次讲座上分别对微信背后的智能技术、语音技术在微信中的应用进行了详细的解读。 首先由来自微信模式识别中心的肖斌给大家介绍了《微信背后的智能技术》。在肖斌的讲座中，他提到，微信已经成为非常流行的社交工具，但微信的潜能不仅仅局限于此。基于智能技术，微信的图像扫一扫可以识别书籍、CD、电影海报、商品，微信摇一摇不仅可以
随着人工智能成为新一轮科技革命和产业变革的重要驱动力量，AI 成为科技企业研发重点，专利申请量也在逐年提升。
现有的语音识别技术可以让用户和Siri直接对话，问问明天的天气，或者让Alexa放首歌什么的。
AiTechYun 编辑：nanan 微软本周三宣布，他们已经创造出了第一台机器翻译系统，能够以与人一样的准确度将新闻稿件从中文翻译成英文。该公司表示，他们对该系统进行了反复的测试，从各种网络报纸上收
前面我们讲了机器翻译的原理以及神经网络翻译的发展、以及面临的挑战，我们现在看一看，机器翻译现在有哪些应用？
鱼羊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 一个成立不到两年的团队，两个初入职场的新人，杀入顶会挑战赛能拿下怎样的成绩？ 时限是，10天。 近日，全球语音顶会INTERSPEECH 2020「口音英语语音识别挑战赛」结果公布，一支名叫「大耳朵图图喵喵喵」的团队摘下了两大赛道的第二名和第三名。 参赛选手是这位： △大耳朵图图本喵 啊不，其实来自他们当中。 说起网易有道与AI语音技术相关的产品，大家或许都不陌生，比如丁磊多次安利、上市都带着的有道词典笔…… 相比在市场上取得的认可，许多人
来源：量子位、腾讯科技、全球创新论坛 编译：问耕 李林 本文多图、较长，建议阅读20分钟+ 本文整理了近两年互联网趋势报告中与AI相关的内容，并分享《互联网趋势2017报告》全文。 本文含有335页《互联网趋势2017报告》中文版全文，建议您在WiFi环境下观看。 后台回复关键词“清华大数据”可下载中英文完整版互联网趋势2017报告PDF。 今日凌晨，来自KPCB的“互联网女皇”玛丽·米克尔（Mary Meeker）照例在Code大会上发布《互联网趋势2017报告》。 自从1995年以来，这已经是
最近，QQ V7.6.0版本发布，新增视频通话“口吐弹幕”功能，引发网友热议。 寻找最新黑科技与视频通话的契合点，使视频聊天更潮、更互动、更具趣味性是，一直是QQ视频通话探索的方向。这次我们结合实时语
---- 新智元报道 编辑：Emil、小匀 【新智元导读】数据稀缺以及开发成本高，多语种识别和翻译被认为是机器翻译技术难以跨越的难题。但随着国际交流日益频繁，跨地域、跨文化间的无障碍沟通成为不断增长的刚性需求。近期科大讯飞表示，通过系统性创新，他们将在10年内让机器在70+语言之间实现互通。 下一个十年，人工智能会从「黑盒」变「白盒」吗？ 下一个十年，人机共存时代会真正到来吗？ 下一个十年，哪个学科又会与人工智能深入交叉，引发颠覆式的革新呢？ 人工智能核心技术的逐渐成熟推动智能产品的落地，以语
2016年，王小川在正式论坛里秀出AI同传，那是机器实时翻译技术，首次在高规格国际会议上实战应用。
2020年的春节假期因为新冠疫情给所有人来了个措手不及，大量“云”服务被激活，作为在线沟通工具的输入法首当其冲，成为特殊时期接受考验的中坚力量之一，特别是语音输入能力，更是成为用户评价输入法是否好用的重要维度。
随着人工智能技术的飞速发展，语音识别（ASR）和语音合成（TTS）技术已经成为智能语音服务领域的核心技术。腾讯云语音产品，凭借其业界领先的技术优势和极具竞争力的价格，为各行业提供了从标准化到定制化的全方位智能语音服务，广泛应用于多个行业场景，极大地推动了企业服务、阅读、教育、游戏、金融、电商等行业的智能化升级。
3月22日，在语音搜索媒体开放日活动上，百度宣布2015年其语音搜索需求总数增长了3倍，粘性用户则有60%的需求通过语音表达。语音搜索正在从极客用户的小众玩法，升级为大众用户的通用工具。百度副总裁王海峰在活动提到智能语音搜索的未来，能听会说，未来将要消灭键盘。语音未来会取代键盘吗？或许会。但我认为，语音的价值将远远超过键盘，它将是人和机器最核心的交互方式。 语音搜索取代键盘只是时间问题 百度认为语音会取代键盘，更多是从搜索角度来谈。 键盘在搜索中的价值主要是输入文字，在移动时代，使用智能手机进行文字输入，
「语音识别」已经跟随着手机语音助手和智能音箱的普及变成了普通人日常生活的一部分，然而尽管包括谷歌、微软在内的诸多公司纷纷宣称其模型可以在标准数据集上「词错率降低到 6% 以下」、「水平超过普通人」乃至「水平超过专业速记员」，但是真实的场景里有很多标准数据集上不会出现的情况：远场问题、鸡尾酒会问题、中英文夹杂问题等等，这些情况的存在导致现实生活中，语音识别模型的效果还远远达不到人类的期望，亟待解决的问题还有很多。
【新智元导读】在利用深度网络解决问题的时候人们常常倾向于设计更为复杂的网络收集更多的数据以期获得更高的性能。但是，随之而来的是模型的复杂度急剧提升，参数越来越多，给深度学习在设备上的应用带来挑战。阿里iDST团队最新提出的ADMM神经网络压缩和加速算法，可以无损地压缩掉最后一个比特。论文已经被AAAI 2018录用为oral。 近年来，深度学习在人工智能领域取得了重大的突破。在计算机视觉、语音识别等诸多领域，深度神经网络(DNN, Deep Neural Network)均被证明是一种极具成效的问题解决方式
据介绍，参与此次融资的投资机构包括珠海大横琴、美的资本、上海交大基金会旗下菡源资产、中信证券投资、元禾控股等。
AI 科技评论按：语音识别技术历史悠久，早在上世纪 50 年代，贝尔研究所就研究出了可以识别十个英文数字的简单系统。从上世纪 70 年代起，传统的基于统计的 HMM 声学模型，N 元组语言模型的发明，已经使得语音识别技术可以在小规模词汇量上使用。在新世纪伊始，GMM-HMM 模型的序列鉴别性训练方法的提出又进一步提升了语音识别的准确率。最近 5-10 年间，随着深度学习的快速发展，算力的快速增长，数据量的急速扩张，深度学习开始大规模应用于语音识别领域并取得突破性进展，深度模型已经可以在干净标准的独白类音频上达到 5% 以下的错词率。此外，端到端的模型可以轻松的将各种语言揉合在一个模型中，不需要做额外的音素词典的准备，这将大大推动业界技术研究与应用落地的进度。
雷锋网 AI 科技评论按：语音识别技术历史悠久，早在上世纪 50 年代，贝尔研究所就研究出了可以识别十个英文数字的简单系统。从上世纪 70 年代起，传统的基于统计的 HMM 声学模型，N 元组语言模型的发明，已经使得语音识别技术可以在小规模词汇量上使用。在新世纪伊始，GMM-HMM 模型的序列鉴别性训练方法的提出又进一步提升了语音识别的准确率。最近 5-10 年间，随着深度学习的快速发展，算力的快速增长，数据量的急速扩张，深度学习开始大规模应用于语音识别领域并取得突破性进展，深度模型已经可以在干净标准的独白类音频上达到 5% 以下的错词率。此外，端到端的模型可以轻松的将各种语言揉合在一个模型中，不需要做额外的音素词典的准备，这将大大推动业界技术研究与应用落地的进度。
在CES 2024的活动上，英伟达展示了利用Avatar Cloud Engine (ACE)技术打造的最新成果。
百度开发了新的AI系统，名为同声传译和预期与可控延迟（STACL），百度声称这代表了自然语言处理的重大突破。
另外，通过「字幕」→「加字幕」，完成字幕输入后，同样会出现「智能配音」的入口。操作相当方便。
【新智元导读】微软人工智能首席科学家邓力博士在上海IEEE-ICASSP2016大会上的演讲报告。本报告分为深度学习的机器感知、机器认知和未来挑战三大部分，着重介绍了机器认知部分，总结了微软在深度学习方面的最新进展。 邓力率先提出将深度神经网络应用于语音识别，显著提高了机器对语音的识别率，由此获得2015年IEEE技术成就奖。根据微软亚洲研究院官网，在展望2016年深度学习领域会出现哪些关键性技术突破和进展时，邓力认为基于深度学习的自然语言处理技术会继续保持高速发展，而基于深度学习的注意力导向型序列学习技术
我们都使用过一些某某词霸的英语学习工具软件，它们大多都有朗读的功能，其实这就是利用的Windows的TTS（Text To Speech)语音引擎。它包含在Windows Speech SDK开发包中。我们也可以使用此开发包根据自己的需要开发程序。鸡啄米下面对TTS功能的软件开发过程进行详细介绍。 一.SAPI SDK的介绍 SAPI，全称是The Microsoft Speech API。就是微软的语音API。由Windows Speech SDK提供。 Windows Spe
原文链接：https://github.com/fighting41love/funNLP
想一下未来50年或者100年，您的孙子或者孙子的孙子，是否还会花费人生中十几年甚至几十年的时间学习一门外语，甚至还学不好？
作者：尹非凡 机器翻译产品早在 2010 年就开始出现，但更多的应用主要是在旅游、社交、商业等 C 端场景，而会议同传仍然是该领域的至高挑战。 创立了 17 年的博鳌亚洲论坛第一次使用 AI 同传，不仅是这个年度国际顶尖论坛所做出的重要改变，也是「腾讯同传」一次不小的考验。以至于马化腾在朋友圈也对准备上岗博鳌的腾讯同传不无关切，「新尝试，多包涵。」 据腾讯公司 QQ 浏览器及「腾讯翻译君」负责人李学朝接受知晓程序专访时介绍，从 4 月 9 日，腾讯同传正式投入使用于博鳌亚洲论坛开幕前各场分论坛的情况来看，腾
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
