至顶网软件频道消息:就如移动设备从根本上改变了用户的互动方式,语音交互界面也有着同样的潜力。最新的Adobe Analytics数据显示,随着新一代产品不断地推进着创新和用户需求,语音设备的网络销量同比去年增长了39%。
7月3日,Adobe宣布推出Adobe Analytics Cloud语音分析新功能,该功能能够帮助品牌交付更为个性化的用户体验,并通过基于语音的交互界面提高品牌忠诚度。在Adobe Sensei的人工智能与机器学习功能的帮助下,通过对语音数据的深度分析,品牌既能加深对客户的了解并给出相应的建议,也能将传统的、复杂的人工分析自动化。品牌能够根据分析结果更快地采取行动,从而在交付卓越用户体验的同时,激活诸如电子邮箱和广告等其他接触点。
Adobe Analytics Cloud副总裁Bill Ingram表示:“ 正如我们在移动和视频方面看到的这样,当前科技领域中最重要的趋势之一就是用户能够越来越快地适应与内容互动的新方式。我们预计语音设备也将拥有类似的发展轨迹。Adobe已经重塑了网络、移动和用户分析,而现在,Adobe Analytics Cloud 可以使各种规模的品牌都能将语音数据的分析洞察应用于用户体验的整个旅程。”
通过Adobe Analytics Cloud,企业能够捕捉并分析所有包括Amazon Alexa、Apple Siri、 Google Assistant、Microsoft Cortana和Samsung Bixby在内的主流平台上的语音数据。这项新功能既能捕捉用户命令(如“给我播放一首歌”),也能捕捉特定的参数(如“甲壳虫乐队的歌”),解决了分析语音互动中的复杂性问题。新功能还提供了额外取值点,包括使用频率以及语音请求出现后的响应措施等。
Adobe Sensei使得团队能够专心于打造提高语音体验的客户互动,例如提供更相关的内容。举例来说,一家连锁酒店可以通过客户忠诚计划马上识别客户,并在此基础上为旅客提供奖励积分的使用建议,如购买现场演出门票或用于下一次房间预订。酒店甚至可以在最忠实客户入住之前发送促销信息,客户只需与语音设备对话即可解锁特别优惠。
声音分析数据与Adobe Marketing Cloud和Adobe Advertising Cloud 的结合,能够确保用户的每次数字互动都有连续性和相关性。例如,通过使用Adobe Target,来自语音设备的洞察信息可以自动地在其他渠道上被利用,同时使用机器学习和预测算法可以针对用户提出的问题给出个性化的回应。用一位使用Amazon Echo的旅行应用的美食爱好者举例来说,她能通过语音、移动应用或联网车体验获取到当地最受欢迎的餐厅信息。
好文章,需要你的鼓励
Y Combinator合伙人Ankit Gupta与Anthropic预训练负责人Nick Joseph最近进行了一次深度对话。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
9月13日的PEC 2025 AI创新者大会暨第二届提示工程峰会上,“年度提问二:新工作时代:AI工作流由谁主导?”从企业实践到技术实现、从业务落地到战略决策,展开了一场高密度的思想碰撞与经验分享,将AI工作流背后的难题和解决路径彻底揭开。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。