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，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，“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?！?/p>
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
4814瀏覽量
103589 -
科大訊飛
+關(guān)注
關(guān)注
19文章
841瀏覽量
62445 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5561瀏覽量
122793
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
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
深度學(xué)習(xí)入門：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
卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較
在深度學(xué)習(xí)領(lǐng)域，神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù)，如圖像識(shí)別、自然語(yǔ)言處理和游戲智能等。其中，卷積神經(jīng)網(wǎng)絡(luò)（CNNs）和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見(jiàn)的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型
深度學(xué)習(xí)近年來(lái)在多個(gè)領(lǐng)域取得了顯著的進(jìn)展，尤其是在圖像識(shí)別、語(yǔ)音識(shí)別和自然語(yǔ)言處理等方面。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一個(gè)分支，因其在圖像處理
卷積神經(jīng)網(wǎng)絡(luò)的基本原理與算法
），是深度學(xué)習(xí)的代表算法之一。 一、基本原理 卷積運(yùn)算 卷積運(yùn)算是卷積神經(jīng)網(wǎng)絡(luò)的核心，用于提取圖像中的局部特征。 定義卷積核：卷積核是
LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別
神經(jīng)網(wǎng)絡(luò)（RNN） RNN的基本結(jié)構(gòu) RNN是一種特殊的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)。在RNN中，每個(gè)時(shí)間步的輸入都會(huì)通過(guò)一
【飛凌嵌入式OK3576-C開(kāi)發(fā)板體驗(yàn)】RKNN神經(jīng)網(wǎng)絡(luò)算法開(kāi)發(fā)環(huán)境搭建
download_model.sh 腳本，該腳本
將下載一個(gè)可用的 YOLOv5 ONNX 模型，并存放在當(dāng)前 model 目錄下，參考命令如下：
安裝COCO數(shù)據(jù)集，在深度
發(fā)表于 10-10 09:28
【飛凌嵌入式OK3576-C開(kāi)發(fā)板體驗(yàn)】開(kāi)箱報(bào)告
的深度神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為開(kāi)發(fā)板可以使用的神經(jīng)網(wǎng)絡(luò)算法模型使用。從此圖可以看出RKNN支持的神經(jīng)網(wǎng)絡(luò)基本上是涵蓋了全球這幾個(gè)主流的
發(fā)表于 10-10 09:22
FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
隨著人工智能技術(shù)的飛速發(fā)展，深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network, DNN）作為其核心算法之一，在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了顯著成果。然而，傳統(tǒng)的
工商網(wǎng)監(jiān)
評(píng)論