标签：语音识别

阿里巴巴推出全新语音模型 Qwen2-Audio：功能与技术解析 近期，阿里巴巴在原有Qwen-Audio基础上，发布了全新升级版语音模型——Qwen2-Audio。这款模型不仅在技术架构上进行了革新，还在功能上实现了突破性的进展，为语音识别和音频分析领域带来了新的可能性。 技术升级与功能拓展 Qwen2-Audio分为基础版和指令微调版，支持多语言和方言识别，包括中文、粤语、法语、英语、日语等，极大地方便了开发者进行翻译和情感分析等工作。该模型采用了自然语言提示的方法，取代了前一代复杂的分层标签系统，简化了训练流程，增强了模...

aiOla推出Whisper-Medusa：高效语音模型 近日，生成式AI初创公司aiOla在其官方网站上开源了一款名为Whisper-Medusa的新型语音模型。这款模型相较于OpenAI开源的Whisper，在推理效率上实现了高达50%的提升。这一突破性的进展主要得益于aiOla团队对Whisper架构所做的创新性改进，特别是在引入“多头注意力”机制方面的努力。 多头注意力机制加速推理过程 传统的Transformer架构在生成序列时，采用逐个token的顺序预测方法。这种方法虽然能够保持序列的连贯性和上下文相关性，但却显著降低了模型的推理效率，并且难以有效捕捉...

在21世纪的数字化浪潮中，AI技术对各行各业的影响日益显著，其中包括游戏设计师和电话客服等行业。尽管“AI导致失业”的话题曾引发热议，但实际情况是，AI的局限性也开始显现，一些AI项目已经面临挑战。最近，快餐巨头麦当劳宣布结束与IBM合作的AI点餐员项目，这标志着AI在餐饮业的应用并非一帆风顺。这个经过三年测试的自动点餐系统最终未能达到预期效果。 麦当劳的免下车服务“得来速”原本希望通过AI技术提高效率，但IBM的AI语音识别准确率仅为85%，导致每五个订单就需要人工干预。这表明，尽管AI点餐理论上能提供更快捷的服...

在即将到来的7月19日，字节跳动科技公司计划在其人工智能（AI）技术领域迈出重要一步。据钛媒体AGI报道，该公司将在本周五首次大规模展示其先进的AI模型技术，其中包括文生图和类Sora新视频技术。这些创新技术尤其在长视频和高动态图像处理方面展现出强大的潜力，有可能与Sora效果相媲美。内部消息透露，字节跳动已将AI大模型列为集团最高优先级P0项目。 不仅如此，抖音和剪映等多个内部团队也正致力于研发AI视频模型的应用，并有望在不久的将来对外公布。字节跳动将在新加坡主办一场名为“ByteDance AI Luminary Talks”的活...

在期待GPT-4o的AI视频通话功能迟迟未至的情况下，一位名为Santiago（昵称三哥）的博主以160行Python代码自制了一个类似的项目，名为Alloy Voice Assistant。虽然技术实现与电影《Her》有所不同，但Alloy已经能够提供一些有趣的互动体验。三哥在视频中详细解释了程序的制作过程，花了近半小时教观众如何操作。他是一位专注于硬核机器学习教学的博主，因此讲解课程对他来说驾轻就熟。 Alloy在视频演示中展示了识别不同颜色、棒球帽徽章和书籍信息的能力，尽管反应速度略慢，但准确度相当高。实现这一功能的关键工具包括OpenCV...

国内人工智能领导者科大讯飞近日发布了全新讯飞星火大模型V4.0，该模型在医疗、教育和商业等领域展现出了强大的人工智能应用能力。相较于前一版本，星火V4.0在七大核心能力上实现了全面升级，超越了GPT-4Turbo，成为国内领先的大模型。据透露，星火APP已拥有超过1.31亿次下载，智能硬件销量也因此增长了70%以上。 星火V4.0基于国产万卡算力集群「飞星一号」训练而成，确保了完全自主可控。在多项国际主流测试集中，该模型在8项测试中排名第一，显示出其卓越的语言理解和多模态能力。特别是在多模态能力方面，星火大模型V4.0...

中国的方言承载着深厚的文化情感和地域特色，从吴侬软语到川渝幽默，方言不仅是语言习惯，更是情感纽带。然而，方言有时也成为沟通障碍。随着AI技术的进步，AI语音助手已能实时响应并理解人类情感。中国电信人工智能研究院TeleAI推出创新项目，开发出首个支持30种方言混说的“星辰超多方言语音识别大模型”，打破方言交流壁垒。该模型能准确识别粤语、上海话等多种方言，提高会议等场景的沟通效率。过去，针对每种方言训练单独模型的方法效率低下，而星辰模型通过“蒸馏+膨胀”联合训练算法，实现单一模型支持多种方言。此外，该...

全球机器学习技术大会即将迎来一批重量级嘉宾，其中包括众多国内外知名AI专家。小米的Daniel Povey博士，被誉为“Kaldi之父”，以其在语音识别和声学建模的贡献获得IEEE Fellow荣誉。尤洋教授，是ImageNet训练速度记录保持者，其成果广泛应用在科技巨头中。阿里巴巴通义实验室的李永彬，专注于大模型研究，打造了多个智能应用。北京大学的袁粒，研究多模态深度学习，ChatExcel等垂直领域语言模型是其代表性应用。微软亚洲研究院的刘树杰，从事自然语言处理，其研究成果广泛应用于微软产品。宋磊博士在人工智能和工业优化方面有...