ZD至顶网软件频道消息: 微软面向更广泛的开发者们发布了25项Cognitive Services(认知服务)工具中的3个。
微软的Cognitive Services应用编程接口(API)让开发者可以向他们的应用中增加像语音识别、语言理解、情绪检测这样的一些功能。
Cognitive Services和机器人都是微软人工智能、以及更为具体的“交谈即平台”战略的一个组成部分。微软Cognitive Services API旨在与微软Bot Framework很好地协同工作,这在机器人场景中是很有用的。(还可以独立与机器人场景使用)与微软的Cognitive Services一样,机器人可以是基于语音、语言和视觉的。
微软正在重新命名Custom Speech Service(也就是此前私人预览的CRIS)并提供公开预览。Custom Speech Service工具采用了微软的语音转文本引擎,该引擎主要针对开发者提供的数据。
过去十年微软一直在对自己的语音识别算法进行调优,使其能够在有行话、对话和口音的嘈杂环境下使用。Custom Speech Service采用了这篇博客文章中描述的这些算法。
微软还将在2017年3月提供Content Moderator和Bing Speech API。Content Moderator让用户可以在发布图片、文字和视频之前对这些信息进行隔离和审查。Bing Speech API则可以把音频转换为文本,再把文本转换为语音。
微软方面表示,目前已经有60个国家的超过424000个开发者尝试了不同的微软Cognitive Services服务。
好文章,需要你的鼓励
AI项目从试点转向生产阶段时,企业面临意外的云成本激增问题。推理工作负载需要全天候运行以确保服务正常,成本可能一夜间飙升1000%以上。许多公司每月费用从5000美元激增至50000美元。为控制成本,企业开始采用混合架构:将推理工作负载迁移至本地或托管设施,训练任务保留在云端。这种模式可削减60-80%的基础设施支出,在保持性能的同时实现成本可预测性。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
企业在AI模型选择上面临开放源码与封闭专有技术的抉择,这一选择对财务和定制化都有重要影响。开放模型如Meta Llama提供更大控制权和定制选项,而封闭模型如OpenAI GPT-4o提供简化使用和企业级支持。专家建议采用投资组合策略,根据准确性、延迟、成本、安全性等因素选择合适模型,而非单一选择。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。