chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

訊飛輸入法將深度神經(jīng)網(wǎng)絡(luò)DNN技術(shù)應(yīng)用于語音識(shí)別達(dá)到業(yè)界領(lǐng)先水平

lhl545545 ? 來源:經(jīng)濟(jì)參考網(wǎng) ? 作者:經(jīng)濟(jì)參考網(wǎng) ? 2020-10-21 15:04 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

10月20日,以“語見更好的我們”為主題的“訊飛輸入法10周年 A.I.輸入沙龍”在北京舉辦。記者從活動(dòng)現(xiàn)場(chǎng)了解到,自2010年10月上線至今,訊飛輸入法的日語音交互次數(shù)超過10億次,語音輸入累計(jì)服務(wù)設(shè)備超過5億臺(tái),語音用戶占比超過70%。十年間,作為科大訊飛智能語音技術(shù)的典型應(yīng)用,訊飛輸入法圍繞提升輸入效率這一核心目標(biāo),發(fā)力核心技術(shù)攻關(guān),完善輸入法的用戶體驗(yàn)。

2010年,訊飛輸入法1.0版本將隱馬爾可夫模型成功應(yīng)用于語音識(shí)別系統(tǒng)中,讓輸入效率提升了3倍;2012年,訊飛輸入法率先將深度神經(jīng)網(wǎng)絡(luò)DNN技術(shù)應(yīng)用于語音識(shí)別,使識(shí)別效果達(dá)到業(yè)界領(lǐng)先水平;2018年推出了Hybrid CNN語音識(shí)別引擎,大幅提升中英混合輸入效果……在A.I.驅(qū)動(dòng)和大數(shù)據(jù)積累下,訊飛輸入法實(shí)現(xiàn)了從單一識(shí)別率提升到全場(chǎng)景輸入覆蓋的迭代。

回顧訊飛輸入法十年發(fā)展歷程,科大訊飛副總裁章繼東說,一直在努力“讓技術(shù)更有溫度”。

圖為科大訊飛副總裁章繼東進(jìn)行主題演講

在大多數(shù)人眼里,語音輸入僅僅是一個(gè)產(chǎn)品功能或者一種輸入方式,但語音輸入正在搭建一座座通往無國(guó)界、無地域、無障礙的“橋梁”。

新冠肺炎疫情發(fā)生后,訊飛輸入法緊急上線“武漢話轉(zhuǎn)普通話”功能,助力武漢抗疫;2017年,訊飛輸入法發(fā)起“方言保護(hù)計(jì)劃”公益行動(dòng),通過智能語音技術(shù)保護(hù)方言,目前方言庫的珍貴語料近140萬條,并通過A.I.語言復(fù)制實(shí)現(xiàn)23種方言識(shí)別;訊飛輸入法連續(xù)3年發(fā)起“和我一起看見”信息無障礙公益行動(dòng),將業(yè)界領(lǐng)先的A.I.技術(shù)應(yīng)用到無障礙模式上,讓視障群體可以在不同場(chǎng)景下快速、順暢地使用。沙龍上,訊飛輸入法獲得了中國(guó)盲人協(xié)會(huì)頒發(fā)的無障礙認(rèn)證證書。

活動(dòng)上,科大訊飛輸入法業(yè)務(wù)部總經(jīng)理程坤展示了最新發(fā)布的訊飛輸入法10.0版本。這一版本搭載了“動(dòng)態(tài)自適應(yīng)編解碼語音識(shí)別引擎”,令通用語音識(shí)別率在98%基礎(chǔ)上再獲突破。新增的唇形輔助輸入,提高嘈雜環(huán)境及近距離多人說話的識(shí)別效果。同時(shí),輸入法大幅優(yōu)化領(lǐng)域詞的識(shí)別,幫助用戶更精準(zhǔn)地匹配游戲、醫(yī)療、旅游、購物等不同場(chǎng)景詞匯。

科大訊飛輸入法業(yè)務(wù)部總經(jīng)理程坤在活動(dòng)現(xiàn)場(chǎng)展示訊飛輸入法10.0版本

“輸入效率并不是終點(diǎn),效率之上,輸入法作為大眾款產(chǎn)品更應(yīng)滿足多樣化的表達(dá),適應(yīng)復(fù)雜的輸入環(huán)境?!背汤ぱa(bǔ)充道。

沙龍現(xiàn)場(chǎng),相聲演員方清平用訊飛輸入法快語速輸入挑戰(zhàn)《木蘭辭》。根據(jù)現(xiàn)場(chǎng)公證員公布的數(shù)據(jù),方清平用17.81秒時(shí)間讀出182字。在耳朵難以聽清內(nèi)容的語速下,訊飛輸入法準(zhǔn)確識(shí)別出內(nèi)容并自動(dòng)添加標(biāo)點(diǎn)。

此外,基于“免切換”的理念,訊飛輸入法10.0版本實(shí)現(xiàn)了英文單詞連續(xù)手寫,即在輸入面板既可以手寫漢字也可以直接手寫完整的英文單詞。至此,訊飛輸入法已實(shí)現(xiàn)語音、拼音、手寫多種方式的中英文輸入免切換。

“新十年,訊飛輸入法將目光投向5GAIoT領(lǐng)域,”章繼東表示,“過去十年里,訊飛輸入法秉持著技術(shù)‘頂天’,引領(lǐng)語音交互‘落地’的理念,不斷革新產(chǎn)品,努力讓億萬用戶高效輸入,樂享溝通。下一個(gè)十年,隨著5G和AIoT時(shí)代的到來,訊飛輸入法將繼續(xù)以過硬的技術(shù)實(shí)力直面行業(yè)發(fā)展的挑戰(zhàn)與機(jī)遇,不斷提高語音輸入的行業(yè)‘天花板’?!?/p>

科大訊飛消費(fèi)者BG副總裁嚴(yán)亞路、中國(guó)盲人協(xié)會(huì)信息無障礙促進(jìn)委員會(huì)副主任朱清毅等出席活動(dòng),多位訊飛輸入法粉絲在現(xiàn)場(chǎng)共同參與見證訊飛輸入法10年征程。
責(zé)任編輯:pj

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    杰理科技關(guān)鍵技術(shù)達(dá)到國(guó)際領(lǐng)先水平

    2025年9月4日,廣東省高新技術(shù)企業(yè)協(xié)會(huì)組織召開“自適應(yīng)ANC低延時(shí)無線通信端側(cè)AI芯片關(guān)鍵技術(shù)研發(fā)與應(yīng)用”科技成果評(píng)價(jià)會(huì)。經(jīng)評(píng)審,專家組一致認(rèn)定杰理科技該技術(shù)成果在綜合技術(shù)領(lǐng)域已
    的頭像 發(fā)表于 09-10 13:53 ?621次閱讀

    Quartus II原理圖輸入法教程

    電子發(fā)燒友網(wǎng)站提供《Quartus II原理圖輸入法教程.ppt》資料免費(fèi)下載
    發(fā)表于 06-18 17:58 ?0次下載

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?1038次閱讀

    BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的關(guān)系

    ),是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)輸入層、一個(gè)或多個(gè)隱藏層和輸出層組成,通過逐層遞減的方式調(diào)整網(wǎng)絡(luò)權(quán)重,目的是最小化
    的頭像 發(fā)表于 02-12 15:15 ?1180次閱讀

    BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用

    BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中發(fā)揮著重要作用,其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá),適用于處理非線性問題。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)在圖像
    的頭像 發(fā)表于 02-12 15:12 ?985次閱讀

    深度學(xué)習(xí)入門:簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實(shí)現(xiàn)

    深度學(xué)習(xí)中,神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成,
    的頭像 發(fā)表于 01-23 13:52 ?710次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具與框架

    卷積神經(jīng)網(wǎng)絡(luò)因其在圖像和視頻處理任務(wù)中的卓越性能而廣受歡迎。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展,多種實(shí)現(xiàn)工具和框架應(yīng)運(yùn)而生,為研究人員和開發(fā)者提供了強(qiáng)大的支持。 TensorFlow 概述
    的頭像 發(fā)表于 11-15 15:20 ?930次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)在自然語言處理中的應(yīng)用

    自然語言處理是人工智能領(lǐng)域的一個(gè)重要分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)作為一種強(qiáng)大的模型,在圖像識(shí)別
    的頭像 發(fā)表于 11-15 14:58 ?1055次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?2248次閱讀

    深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型

    深度學(xué)習(xí)近年來在多個(gè)領(lǐng)域取得了顯著的進(jìn)展,尤其是在圖像識(shí)別、語音識(shí)別和自然語言處理等方面。卷積神經(jīng)網(wǎng)絡(luò)作為
    的頭像 發(fā)表于 11-15 14:52 ?1071次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本原理與算法

    ),是深度學(xué)習(xí)的代表算法之一。 一、基本原理 卷積運(yùn)算 卷積運(yùn)算是卷積神經(jīng)網(wǎng)絡(luò)的核心,用于提取圖像中的局部特征。 定義卷積核:卷積核是一個(gè)小的矩陣,用于
    的頭像 發(fā)表于 11-15 14:47 ?2195次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的一種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)
    的頭像 發(fā)表于 11-15 09:42 ?1794次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)語音識(shí)別中的應(yīng)用實(shí)例

    語音識(shí)別技術(shù)是人工智能領(lǐng)域的一個(gè)重要分支,它使計(jì)算機(jī)能夠理解和處理人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,特別是長(zhǎng)短期記憶(LSTM)
    的頭像 發(fā)表于 11-13 10:03 ?2234次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    深度學(xué)習(xí)領(lǐng)域,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)因其能夠處理序列數(shù)據(jù)而受到廣泛關(guān)注。然而,傳統(tǒng)RNN在處理長(zhǎng)序列時(shí)存在梯度消失或梯度爆炸的問題。為了解決這一問題,LSTM(長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)應(yīng)運(yùn)而生。 循環(huán)
    的頭像 發(fā)表于 11-13 09:58 ?1519次閱讀

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    許多種類型,但本文只關(guān)注卷積神經(jīng)網(wǎng)絡(luò)(CNN),其主要應(yīng)用領(lǐng)域是對(duì)輸入數(shù)據(jù)的模式識(shí)別和對(duì)象分類。CNN是一種用于
    發(fā)表于 10-24 13:56