科大訊飛通過深度神經(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全球開發(fā)者節(jié)舉辦，科大訊飛董事長劉慶峰透露稱，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)用場景中發(fā)揮。
其實(shí)在去年的國際自然語言理解大賽SquAD中，科大訊飛AI首次超過人類水平，也是表證了其在機(jī)器自主學(xué)習(xí)方面的優(yōu)勢。
劉慶峰還展望，人工智能將來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：未來使得每一個(gè)人都站在人工智能肩膀之上，成為更有競爭力的每個(gè)個(gè)體。而不是通過人工智能把大量的工作替代，讓大量的人員沒有工作。
責(zé)編AJX
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(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。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)問題，請聯(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
4772瀏覽量
100824 -
科大訊飛
+關(guān)注
關(guān)注
19文章
804瀏覽量
61292 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5504瀏覽量
121213
發(fā)布評論請先 登錄
相關(guān)推薦
【飛凌嵌入式OK3576-C開發(fā)板體驗(yàn)】RKNN神經(jīng)網(wǎng)絡(luò)算法開發(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
基于神經(jīng)網(wǎng)絡(luò)的全息圖生成算法
全息圖生成技術(shù)作為光學(xué)與計(jì)算機(jī)科學(xué)交叉領(lǐng)域的重要研究方向，近年來隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，取得了顯著進(jìn)展。基于神經(jīng)網(wǎng)絡(luò)的全息圖生成算法，以其強(qiáng)大的非線性擬合能力和高效的計(jì)算性能，為全
深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別
在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時(shí)，我們需
深度神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法
深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為人工智能領(lǐng)域的重要技術(shù)之一，通過模擬人腦神經(jīng)元之間的連接，實(shí)現(xiàn)了對復(fù)
bp神經(jīng)網(wǎng)絡(luò)算法的基本流程包括哪些
BP神經(jīng)網(wǎng)絡(luò)算法，即反向傳播神經(jīng)網(wǎng)絡(luò)算法，是一種常用的多層前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練
神經(jīng)網(wǎng)絡(luò)優(yōu)化算法有哪些
神經(jīng)網(wǎng)絡(luò)優(yōu)化算法是深度學(xué)習(xí)領(lǐng)域中的核心技術(shù)之一，旨在通過調(diào)整網(wǎng)絡(luò)中的參數(shù)（如權(quán)重和偏差）來最小化
神經(jīng)網(wǎng)絡(luò)反向傳播算法的優(yōu)缺點(diǎn)有哪些
神經(jīng)網(wǎng)絡(luò)反向傳播算法（Backpropagation Algorithm）是一種廣泛應(yīng)用于深度學(xué)習(xí)和機(jī)器學(xué)習(xí)領(lǐng)域的優(yōu)化算法，用于訓(xùn)練多層前饋
神經(jīng)網(wǎng)絡(luò)反向傳播算法的原理、數(shù)學(xué)推導(dǎo)及實(shí)現(xiàn)步驟
傳播算法的原理、數(shù)學(xué)推導(dǎo)、實(shí)現(xiàn)步驟以及在深度學(xué)習(xí)中的應(yīng)用。 神經(jīng)網(wǎng)絡(luò)概述 神經(jīng)網(wǎng)絡(luò)是一種受人腦啟發(fā)的計(jì)算模型，由大量的
bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎
BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）是一種常見的前饋神經(jīng)網(wǎng)絡(luò)，它使用反向傳播算法來訓(xùn)練網(wǎng)絡(luò)。雖然BP
BP神經(jīng)網(wǎng)絡(luò)算法的基本流程包括
BP神經(jīng)網(wǎng)絡(luò)算法，即反向傳播（Backpropagation）神經(jīng)網(wǎng)絡(luò)算法，是一種多層前饋神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)算法的結(jié)構(gòu)有哪些類型
神經(jīng)網(wǎng)絡(luò)算法是深度學(xué)習(xí)的基礎(chǔ)，它們在許多領(lǐng)域都有廣泛的應(yīng)用，如圖像識(shí)別、自然語言處理、語音識(shí)別等。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)有很多種類型，每種類型都有其獨(dú)特的特點(diǎn)和應(yīng)用場景。以下是對
神經(jīng)網(wǎng)絡(luò)算法的優(yōu)缺點(diǎn)有哪些
神經(jīng)網(wǎng)絡(luò)算法是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型，廣泛應(yīng)用于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、圖像識(shí)別、語音識(shí)別等領(lǐng)域。然而，
神經(jīng)網(wǎng)絡(luò)反向傳播算法原理是什么
神經(jīng)網(wǎng)絡(luò)反向傳播算法（Backpropagation Algorithm）是一種用于訓(xùn)練多層前饋神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)算法。它
利用深度循環(huán)神經(jīng)網(wǎng)絡(luò)對心電圖降噪
曼濾波。因此，通過這種方式訓(xùn) 練網(wǎng)絡(luò)，無法獲得比卡爾曼濾波本身更好的 性能。本文介紹了一種利用深度遞歸神經(jīng)網(wǎng)絡(luò) （DRNN）對 ECG 信號(hào)
發(fā)表于 05-15 14:42
詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用
在如今的網(wǎng)絡(luò)時(shí)代，錯(cuò)綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境，讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年，深度學(xué)習(xí)逐漸走進(jìn)人們的視線，通過深
工商網(wǎng)監(jiān)
評論