ZD至顶网软件频道消息: 微软一直在紧锣密鼓地将游戏和Azure服务推至物联网(IOT)设备上。但很少有业界人士注意到,微软同时也在将各种语音功能推至物联网设备。
今年2月,在台北举办的中国WinHEC研讨会上碰巧听了微软的一个名为“用于物联网的自然用户界面技术”的演讲,演讲介绍了微软在物联网语音领域采用的多管齐下策略,目标听众是开发商。
微软为物联网开发商提供各种整合工具,以用于语音和开发商设备的整合:Windows 10有内置的语音应用程序编程接口(API),可完成各种功能,如口述一个简单的消息和网页搜索;微软还提供自然语言服务,全名为语言理解智能服务(缩写为LUIS),LUIS是微软研究院牛津API集合的一部分,可用于非Windows平台。另外,微软还提供Bing翻译、Cortana及微软个人数字助理等工具。
要搞清楚哪个工具是完成某个功能的最佳工具貌似颇为微妙。微软官员在WinHEC研讨会上提供了一个指导框架,框架列出了一些的应用实例,例如如何通过语音控制法式烹饪机(用到LUIS与Windows 10的组合或牛津语音API)或如何用语音控制机器人(用到Windows 10自带语音API)。


微软还展示了一个家庭自动化设备控制的例子,举例说明了用户如何无需使用手机或平板电脑、只利用语音查询自己的车库门是不是关闭妥当。
微软在2016年中国WinHEC会上的演讲,还为物联网开发商提供了利用牛津API进行人脸检测、识别和验证的一些指引。
另外,微软可能会在今年的Build大会上宣布牛津项目(Project Oxford)将结束研究阶段进入商业化之路。微软可能会将牛津项目的一些服务贴上新的Azure认知服务牌子或Azure的智能服务牌子。
好文章,需要你的鼓励
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
谷歌在Android Show发布会上宣布,将Gemini更深度整合至Android系统,推出名为"Gemini Intelligence"的升级功能。该功能可跨应用处理日常任务,包括自动填写表单、安排日程、生成购物清单及自定义小组件等,无需用户频繁切换应用。此外,Gboard新增"Rambler"功能,可自动过滤语音输入中的口误和填充词。Gemini Intelligence将率先登陆三星Galaxy和谷歌Pixel手机,并支持Android Auto、Wear OS及智能眼镜。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。