所谓好的用户体验 由 Ghostzhang 发表于 2012-07-16 19:20 怎样的用户体验才是好的用户体验呢？...好像有点跑题了，这次的思考是：并不是所有关注用户感受的体验就叫做是“好”的用户体验。 从何而来这想法呢？...上面的唠叨是一个引子，结果就是＂不能赚钱的交互不是好交互＂，简单的说就是好的交互可以赚钱，可是不好的用户体验也是能赚钱的。...但是从商家的角度来说，我们需要考虑几个因素，第一个就是成本，这个是直接决定了能给用户提供最佳体验的上限到哪，好的椅子意味着更高的成本；其次是投入产出比，开门做生意，不为赚钱是很少的，投入越多，意味着盈利周期可能越长...麦当劳的椅子虽然用户体验不是最好的，但却是这么多年来产品与体验最好的平衡，从而实现利润的最大化。 当你再次遇到这种问题时，就知道如何处之泰然了。（本届 年会 的主题）
提出论点 好的研究想法，兼顾摘果子和啃骨头。...两年前，曾看过刘知远老师的一篇文章《好的研究想法从哪里来》，直到现在印象依然很深刻，文中分析了摘低垂果实容易，但也容易撞车，啃骨头难，但也可能是个不错的选择。...学生年代，作为老师的一个不成器弟子，学术上没有什么建树，幸运的毕了业。现如今到了工业界摸爬滚打，虽然换了个环境，但是发现生存的道理没变。 反面例子 不好的工作想法会加剧“卷”的用户体验。...这样的工作体验确实很糟糕。 我的触发点 沿着你造梦的方向先动手干起来。一年前刚开始决定做攻击者画像的时候，其实心里有底也没底。...引用 好的研究想法从哪里来 杜跃进：数据安全治理的基本思路 来都来了。
最近在追日剧《轮到你了》，最新的15集里，二阶堂给翔太制作了一个菜奈的AI，是个手机app，界面非常简单，采用的是聊天机器人的界面，只不过是语音聊天的方式，此AI学习了菜奈的声音跟语言风格。 ?...02 “端到端”深度学习 深度学习的解决方案是一种称为“端到端”的生成模型。典型代表是谷歌的Tacotron。...如果不想这么麻烦，我们可以选择API调用的方式，百度ai或者讯飞都提供了类似的功能，声音也有多种风格可选。...04 风格迁移 这只是文本转语音，如果我们想要让这个语音可以按照某个人的声音输出，应该怎么办呢？ 图像领域有风格迁移技术，受此启发，谷歌发布了一个可以克隆任何人声音的模型。...综上，一款可以克隆任何人声音的AI即将诞生。
OpenVoice能够准确地克隆参考音色，并生成多种语言和口音的语音。 2. 灵活的声音风格控制。...OpenVoice使得对声音风格（如情感和口音）以及其他风格参数（包括节奏、暂停和语调）的粒度控制成为可能。 3. 零样本跨语言声音克隆。...截至2023年11月，声音克隆模型已被全球用户使用数千万次，并见证了平台上用户的爆炸性增长。...myshell.ai中的在线版本有更好的 1) 音频质量，2) 声音克隆相似性，3) 语音自然性和 4) 计算效率。...灵活的声音风格控制。 请查看 demo_part1.ipynb[20] 以了解如何利用OpenVoice对克隆声音进行灵活的风格控制的示例。 2. 跨语言声音克隆。
用户思维有三个法则，分别是：得“屌丝”者得天下，兜售参与感和用户体验至上。...在决定四位导师的冠军学员卡位战中，均以现场观众的投票为依据，以及大众评审团的参与都很好的调动了现场氛围，故好声音把用户体验做到了极致，所以用户思维贯穿好声音始末。...从第一季好声音到第三季好声音，大家也可以看到迭代思维对好声音的推动作用。...那么这些流量究竟由何而来，据笔者分析，有以下原因：第一，节目商业模式的完全创新,使得体验和口碑俱佳;第二，电视和网络互联，遥相呼应，人气暴增;第三，音乐的本身作用也就是音乐本身具有对人性的一种感染力，就是精神境界的感化和心灵的需求...另外好声音的广告投放大数据也可以体现出广告商所在的行业，地区分布，从而对好声音广告市场进行详细分析，准确观察各行业对好声音的关注度以及广告投放数据对于好声音的指导意义。
、开发者用当下流行的影视角色、动漫人物的音色，花样定制各类帆船台词，抓马的效果与易操作的体验，也令一批网友闻风而来，再一次为其热度添柴。...主 Jack-Cui 制作的 AI 声音克隆教程如下： 手把手教程如下，准备好 5 秒语音就能开始训练你的声音克隆模型啦！...数据准备 目前该教程内已预设多款经典角色音色供大家体验，如想克隆其它音色，则需要准备一段该音色 MP3 格式的音频文件，最好为单独人声（30s 左右即可)，高质量的音频文件可以提升克隆声音的逼真程度。...点击「克隆」，复刻该模型。（此步骤只可体验 B 站 up 主 Jack-Cui 已上传的音色） 3. 如果想自定义克隆音色，需要创建全新的数据集。...在「数据集地址」模块内填写本次想要克隆声音的数据集地址，选择音频数据类型后，点击「开始训练」，待输出结果显示为「模型正在开启预测，请稍后」，回到「run.ipynb」，即可看到显示「GPT 训练完成」。
一个好的TTS系统的目标是让计算机自动完成。 在创建这样一个系统时，一个非常有趣的选择是为生成的音频选择哪个声音。应该是男人还是女人?声音是大还是小? 在进行深度学习的TTS时，这是一个限制。...这时我们熟悉的谷歌（Google）又出现了，来自谷歌的研究绰号“语音克隆”（Voice Cloning）人工智能，它使计算机可以用任何声音大声读出信息。...语音克隆的工作原理 很明显，为了让计算机能够大声读出任何声音，它需要以某种方式理解两件事:它读的是什么以及它是如何读的。...分别编码后，将语音和文本组合在一个公共的嵌入空间中，然后进行解码，生成最终的输出波形。 克隆语音代码 多亏了人工智能社区中开放源码思想的美妙之处，在这里有一个公开可用的语音克隆实现!...我将高度克隆存储库，并尝试一下这个很棒的系统! End
之前的 Deep Voice 系统已经可以生成高质量的语音，而现在，百度新开发的语音生成系统不仅可以把说话声音从固定的一种增加到了上千种，得以模仿数千个不同说话者的声音，而且每个说话者只需要不到一个半小时的训练数据...这种惊人表现背后的技术理念就是从不同说话者中独立学习共通的和差异性的信息。而且在此基础上，百度的研究人员们打算更进一步，尝试只从几秒长度的短句中学习说话者的声音特点。...通常我们把这类问题称为「语音克隆」。在人际交互接口的个性化订制场景中，研究者们预期语音克隆很可能会有重要作用。 ?...在生成语音的自然性和相比原讲话人的相似性方面，两种方法也都只需要很少的克隆样本就可以展现良好的表现。克隆生成的样本可以参见 https://audiodemos.github.io./ 。...AAAI 主席 Subbarao Kambhampati 也饶有兴趣地转发了百度介绍这项成果的技术博客，希望这个技术抓紧实用起来，只要设置好了自己的声音，哄小孩睡觉的时候就再也不用花时间讲睡前故事了，有声读书器就可以用爸爸妈妈的声音讲故事
如果你在手机上阅读体验不佳，请移步到“阅读原文”，在电脑上或者微信电脑版上访问作者博客，阅读全文。 假设一个场景需要在50个随机数中找到前两个可以被3整除的数字。...请注意头和尾这两个参数的类型并不是A，头的类型是一个能够返回A的函数，尾的类型是一个能够返回MyStream[A]的函数。...如果说我们通常熟知的一些集合包含的是花朵的话，那Stream所包含的就是花苞，它本身不是花，但是有开出花来的能力。...如果说普通的集合中包含的是数据的话，那Stream中所包含的就是能够产生数据的算法。 如何？是不是花朵花苞的感觉又回来了？ 还记得我们开始剖析的时候那句代码是什么吗？...也就是说，filter一旦找到一个合适的元素，它就不再继续跑了，剩下的计算被延迟了。 比较值得提一下的是：这里的h()是什么呢？h是构造Cons时的第一个参数，它是什么类型的？()=>A。
大家好啊，我是小松鼠， 作为白桃小师姐的好友，我一直有一个梦想，就是做一个小世界的鬼畜视频。无奈的是，菜菜的我真的学不会AU和PR，迫不得以暂时放弃了这个梦想。...直到前几天，我刷GitHub的时候发现了这个项目，MockingBird！...首先让我先来简单的介绍一下MockingBird，他是一个AI拟声项目，可以在5秒内克隆您的声音并生成任意语音内容，比如这个~ 项目地址： https://github.com/babysor/MockingBird...让我们来看看效果如何，由于小松鼠是笔记本，扛不住训练模型的算力，无奈只能使用别人训练好的模型进行生成，效果不是很理想，不过作为鬼畜音源绝对是够了。...下面来讲讲这个项目怎么玩吧 虽然这项目相对于接触过深度学习的人很简单，但是考虑到大多数读者没有相关的前置知识，所以本文小松鼠会讲解的详细一些，并且把项目的流程做了一些简化，如果相追求更好的效果，大家可以去看前面的项目地址
发现问题 前期做规范的过程是十分痛苦的，每做一个板块都要花很多时间去思考怎么表达、展示才能让其他设计师和程序员都一目了，然而随着内容的增加，发现很多地方无法深入的执行下去，只能含糊其辞，给我们制作规范的人员带来了很大苦恼...为什么有如此大的执行阻碍呢？带着问题我们找到团队的一位设计前辈请教了一番，在前辈的指点下，终于发现了问题所在:我们对于前端如何实现设计稿其实并没有很好的了解。...图1-1是XX项目的所有关于二级导航的样式，因为这一块的界面不是我做的（都是借口），所以规范不太了解，导致在做整个项目的规范时，遇到了极大的阻碍。...而第一个容器内的绿色和蓝色部分（间距）也是固定的，所以只有红色区域是可变化的，因为红色区域的文字个数是可以变化的，我们只要给出字体大小即可。...任何事情都有其内在的套路与规律，我们必须要了解事物的本质，才能帮助我们更好的执行；所有的苦恼与迷茫都是源自你对事物的理解不够透彻，所以让我们从现在开始，锻炼透过事物看本质的思维能力，就算以后你不做设计了
从自己十多年研究经历来看，如何判断一个研究想法好不好，以及这些研究想法从哪里来，对于初学者而言的确是个难题。所以，简单攒了这篇小短文，分享一些经验和想法，希望对刚进入NLP领域的新同学有用。...而计算机领域流行着一句话“IDEA is cheap, show me the code”，也说明对于重视实践的计算机学科而言，想法的好坏还取决于它的实际效能。这里就来谈下好的研究想法从哪里来。...那么什么才是好的想法呢？我理解这个”好“字，至少有两个层面的意义。 学科发展角度的”好“ 学术研究本质是对未知领域的探索，是对开放问题的答案的追寻。...好的研究想法从哪里来 想法好还是不好，并不是非黑即白的二分问题，而是像光谱一样呈连续分布，因时而异，因人而宜。...那么，好的研究想法从哪里来呢？我总结，首先要有区分研究想法好与不好的能力，这需要深入全面了解所在研究方向的历史与现状，具体就是对学科文献的全面掌握。
本文带你看微软最新推出的语音合成模型 ——VALL-E，它的效果将惊掉你的下巴。 近十年间随着神经网络和端到端建模的发展，语音合成技术取得了巨大突破。...在推理过程中，给定音素序列和 speaker 的 3 秒 enrolled 录音，首先通过训练好的语言模型估计具有相应内容和 speaker 声音的声学编码矩阵，然后神经编解码器合成高质量语音。...由于神经编解码器模型中的残差量化，token 具有分层结构：来自先前量化器的 token 恢复声学特性，如 speaker 特征，而连续量化器学习更精细的声音细节。...对于来自第一个量化器 c_:,1 的离散 token，研究者训练了一个自回归 (AR) 解码器专用语言模型。它建立在音素序列 x 和声音 prompt 条件基础上，并如下公式（1）所示。...VALL-E-continual：在此设置中，研究者使用整个转录和语音的前 3 秒分别作为音素和声音 prompt，并要求模型生成后续部分。
如何培育好的内部开发者平台体验 伦敦——Syntasso 的首席工程师 Abigail Bangser 在本周的 State of Open Con 上说，“应用程序开发人员希望快速行动，而运维工程师希望安全行动...“如果你想建立一个真正伟大的平台工程开发者体验，这需要你将其视为一个整体的社会技术挑战。”...她对平台工程的定义归结为构建、维护和提供“为所有使用它的社区精心策划的平台体验”，这会影响所有不断发展的技术、社会和团队结构。 一个好的平台建立边界。...然后查看已经在运行的工具——Slack、Jira、Trello——并开始跟踪临时请求。什么是最频繁、最困难、最耗时的？您的应用程序团队的辛劳在哪里？...“你想让你的团队更接近平台，与平台互动。做到这一点的一个好方法是提供他们需要的文档和参考实施，”Watt 说。 不要忘记提供平台工程体验的专业服务方面。
主要由三部分构成： 声音特征编码器（speaker encoder）： 1. 语音编码器，提取说话者的声音特征信息。将说话者的语音嵌入编码为固定维度的向量，该向量表示了说话者的声音潜在特征。 2....（梅尔光谱图将谱图的频率标度Hz取对数，转换为梅尔标度，使得人耳对声音的敏感度与梅尔标度承线性正相关关系） 3.基于WaveNet的自回归语音合成网络 将梅尔频谱图（谱域）转化为时间序列声音波形图（时域...需要注意的是，这三部分网络都是独立训练的，声音编码器网络主要对序列映射网络起到条件监督作用，保证生成的语音具有说话者的独特声音特征。 1....声音特征编码器 编码器主要将参考语音信号嵌入编码到固定维度的向量空间，并以此为监督，使映射网络能生成具有相同特征的原始声音信号（梅尔光谱图）。...此外，编码器还应具有抗噪能力和鲁棒性，能够不受具体语音内容和背景噪声的影响，提取出说话者声音的潜在特征信息。
我六月底参加深圳的一个线下技术活动，某在线编程的 CEO 谈到他们公司的发版，说：“我说话的这会儿，我们可能就有新版本在发布。”，这句话令我印象深刻。...传统的单体应用，所有的功能模块都写在一起，有的模块是 CPU 运算密集型的，有的模块则是对内存需求更大的，这些模块的代码写在一起，部署的时候，我们只能选择 CPU 运算更强，内存更大的机器，如果采用了了微服务架构...可以灵活的采用最新技术 传统的单体应用一个非常大的弊端就是技术栈升级非常麻烦，这也是为什么你经常会见到用 10 年前的技术栈做的项目，现在还需要继续开发维护。...服务的拆分 个人觉得，这是最大的挑战，我了解到一些公司做微服务，但是服务拆分的乱七八糟。这样到后期越搞越乱，越搞越麻烦，你可能会觉得微服务真坑爹，后悔当初信了说微服务好的鬼话。...这个段子形象的说明了分布式系统带来的挑战。
对于想要在网络上建设网站的用户而言，首先需要为网站购买一个合法的域名，不过很多人对于购买域名并没有实际的经验，因此往往不知道在哪里才能买到需要的域名。那么买域名哪里好？域名供应商的选择标准是什么？...买域名哪里好呢 域名是外部用户访问用户网站的地址，只有准确的地址才能够让别人进入自己的网站，并且域名和网址并不是相等的关系，域名需要经过解析才能够获得网址。...域名的选择标准 很多人在网络上查找后会发现，提供域名的域名供应商在网络上是非常多的，那么买域名哪里好？域名供应商如何来选择呢？...其实有心的用户会发现，网络上的域名供应商虽然多，但不少域名供应商的都只是代理的性质，所提供的域名种类相对比较少，因此在选择域名供应商时应当尽量挑选那些一级域名商，这样可以选择的域名种类会更加丰富。...买域名哪里好？如何挑选域名供应商？
从自己十多年研究经历来看，如何判断一个研究想法好不好，以及这些研究想法从哪里来，对于初学者而言的确是个难题。所以，简单攒了这篇小短文，分享一些经验和想法，希望对刚进入NLP领域的新同学有用。...而计算机领域流行着一句话“IDEA is cheap， show me the code”，也说明对于重视实践的计算机学科而言，想法的好坏还取决于它的实际效能。这里就来谈下好的研究想法从哪里来。...那么什么才是好的想法呢？我理解这个”好“字，至少有两个层面的意义。 学科发展角度的”好“ 学术研究本质是对未知领域的探索，是对开放问题的答案的追寻。...好的研究想法从哪里来 想法好还是不好，并不是非黑即白的二分问题，而是像光谱一样呈连续分布，因时而异，因人而宜。...那么，好的研究想法从哪里来呢？我总结，首先要有区分研究想法好与不好的能力，这需要深入全面了解所在研究方向的历史与现状，具体就是对学科文献的全面掌握。
否则在各种同类软件不断刷新的当今，一个无法给用户提供较好体验的软件自然会被淘汰。哪里有服务好的应用性能监控呢？...哪里有服务好的应用性能监控 对于哪里有服务好的应用性能监控这个问题，现在应用市场已经出了很多的类似软件。...一些大的软件制造商或者云服务器商家出产的应用性能监控，一般可信度和质量是比较高的，它们拥有的研发平台是高科技的技术团队，对系统的研发和细节设置肯定是一般的小厂家所不能比的。...上面已经解决了哪里有好的应用性能监控的问题，性能监控在对应用进行实时分析和追踪的过程当中，如果发现了问题，它的报警渠道都有哪些呢？...以上就是哪里有服务好的应用性能监控的相关内容，随便在搜索引擎上搜索一下就会有很多品牌正规的监控软件出现，用户们按需选择就可以了。
超市、便利店，作为重要的线下场景——那种真实的质感和社交体验是无法被物流优势替代的，这是无人超市独有的连接场景与内容。...基于新技术和数据能力的本地化基础设施 事实上，无人超市靠“无人”的新奇概念是无法获得持续性的客源流量的，这就需要从技术层面实现消费体验的跨越式改变。...，线上线下提供人脸识别体系支持；而从自拍到自拍杆再到自拍亭，品牌也正认识到拉近客户距离的最好方式是创造本地化新体验，并让他们积极转发和分享。...在未来，无人超市更需要关注与消费端的互动效率提升的方法，找到获取新流量的可能性、构建新入口的独特性和创造新连接的多样性。 个体化崛起是零售新物种的延伸方向，流量去哪了？...同时，中国消费者的需求从效率，体验到情感，全方位升级，“无人超市”的出现则显得顺理成章，更像是一个新零售多业态爆发的开始。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
