开会是一个非常典型的办公场景。它可能是上级用来传递公司最新战略,也可能是项目负责人介绍项目情况。一场会议当中,会有大量的讨论以及头脑风暴环节,信息量很大,录音是一个非常好用的存档备案方式,还可以把录音转换成文字整理会议纪要,方便与会人员回顾重要信息,也可以让没有参会的人掌握这一场会议的内容。
目前,市面上出现了一些智能录音笔产品,能够把“录音”转换成“文字”,节省了人工转换的时间,大大提升了工作效率。在这之中,搜狗是比较早推出智能录音设备的厂商,提起搜狗,人们的印象大多是国民级输入法以及国内第二大搜索引擎,业务重心主要集中在互联网应用领域。但实际上基于“以语言为核心的AI战略”,搜狗早在几年前就在智能硬件领域进行了积极布局,搜狗旅行翻译宝和搜狗速记翻译笔等产品发布后广受好评。
去年3月,搜狗推出了AI录音笔C1,一年后,搜狗全新的AI录音笔产品它们又来了!
受疫情的影响,今日,搜狗公司在线上举办了名为“同舟共记”的AI录音笔新品发布会,此次发布会,搜狗除了正式发布S1、E1两款AI录音笔新品外,还与故宫宫廷文化合作推出了S1和C1 Pro两款产品的故宫宫廷联名款。
S1、E1两款新品,在C1的基础上进一步实现了产品功能的全面突破与升级。两款产品功能介绍如下:
1、 支持录音实时转文字、录音文件转文字的同时还具备增强识别能力,可识别不同讲话人,大幅度提升用户体验;
2、 均支持中英日韩德等10种语言、川粤津陕贵等10种方言的录音和转写;
3、 搜狗语音团队经过长时间训练创建的财经贸易、医疗卫生、IT科技、政法、文化体育等5个专业领域的语言模型也应用到了此次的新品,大大提升了行业特有词汇的识别准确率;
4、 可自动提炼录音文稿的主题和关键语句,方便用户对转写内容进行整理,还可以用语音一句话查找录音内容;
5、 在云端存储技术的加持下,用户还能在录音笔、手机APP、网页、PC客户端等多端自动同步和管理录音数据,并实现一键导出、扫码分享等便捷操作;
6、 支持个人同传功能,非常适合听英文报告、看美剧等使用场景,同时还支持微信小程序多人接入、共享翻译内容。
搜狗AI录音笔S1是拳头产品,其主打AI降噪功能,解决了录音时由于噪音干扰导致人声不清晰的情况,在硬件降噪方面S1配备了2颗哈曼指向性麦克风和6颗全向麦克风,通过麦克风阵列算法可以在录音过程中有效过滤噪音的干扰,在硬件降噪的基础上S1还基于pureVoice AI降噪算法设置了深度AI降噪功能,能够过滤4万余种真实噪音,让人声收录更清晰。S1还支持全球63种语言的在线翻译和中、英、日、韩、法、俄等9种常用语言的离线翻译,并且具备业内首个自由对话翻译功能,能够在多场景下实现自由交流,解放用户的双手,给用户带来高效的沟通体验。
除了产品,2019年8月,搜狗还联合爱国者、Newmine纽曼、索尼录音笔、万城集团四家行业头部企业成立AI创新联盟并宣布面向全行业开放听写服务,利用自身AI技术优势,为合作伙伴赋能。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。