至顶网软件频道消息: 1月15日,在北京举办的2019阿里云数字地产峰会上,阿里云发布分布式语音解决方案2.0,赋能硬件合作伙伴,以语音能力为智能空间带来全新交互体验。
据了解,此次发布的分布式语音交互解决方案包括前端声学模组、语音自学习平台、对话平台、阿里云IoT智能人居平台,可实现上下游平台串联、端云一体能力打通,并以标准化能力输出,帮助厂家快速应用,缩短开发周期,具备强扩展能力。
目前,市场上的语音交互设备多以智能音箱单品的形式呈现,往往只能服务到客厅或卧室等单个智能空间。通过分布式语音方案与开关面板,温控器,冰箱等各种设备结合,可将语音交互能力快速与室内场景融合,使屋内处处都具有语音识别能力,让业主只需动嘴,就能轻松享受智能家居生活。
此外,阿里巴巴分布式语音技术不仅能通过对话实现单个智能设备的控制和关联多设备的场景控制,而且还能实现分布式语音控制和流式多意图识别。客厅的语音指令,会精准定向到客厅的智能化设备进行执行。而且每条指令不再是生硬的意图表达,而更多像在和一个你的专属管家聊天,“请帮我关闭灯,拉上窗帘,对了,再把空调调到25度。”这样口语化的表达,将使业主在室内的人机交互体验变得更加轻松有趣。
相关负责人表示,阿里巴巴在语音交互前端处理技术和方案的研发上投入了非常大的技术力量,此次和阿里云共同发布的分布式语音生态能力,旨在赋能合作伙伴,升级智能空间的交互方式。未来,阿里将继续加大在智能语音交互方面的研究和合作,打造更多的全新产品。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。