凤凰网科技讯 1月3日消息，天眼查App显示，1月3日，荣耀终端有限公司“声纹识别方法及电子设备”专利公布。
图源 天眼查
图源 天眼查
摘要显示，该方法包括：对目标语音进行特征提取，生成第一目标语谱图，以及对注册语音进行特征提取，生成第二目标语谱图；根据第一目标语谱图生成目标掩码，将目标掩码作用到第二目标语谱图上，得到第三目标语谱图；从第一目标语谱图提取出第一声纹矢量，从第三目标语谱图提取出第二声纹矢量；如果第一、第二声纹矢量相似度大于或等于预设的相似度阈值，确定目标语音属于注册语音对应的用户。该专利申请将口罩对语音的掩蔽作用等效为作用在语音上的掩码，该掩码能够灵活准确地模拟口罩对不同频率声音的抑制作用，从而可以更准确地识别用户在戴口罩的情况下发出的语音，提高声纹召回率。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
AI技术的迅速发展，在给人们提供便利的同时，也给诈骗分子留下可乘之机，为“AI诈骗”犯罪提供了土壤。一些不法分子利用AI深度伪造等新工具，实施电信诈骗、散布虚假信息，其陌生的”新面孔“，让很多人因不了解而对其放下戒备之心，更让人“防不胜防”。因此，维信金科要说的是，只有了解AI诈骗的实施过程和常用手法，才能更有针对性对其进行防范和处置。作为一
AssemblyAI最新研究成果展示了他们的Universal-1模型在多语言环境中的表现，该模型在准确性和鲁棒性方面均取得了行业领先地位。Universal-1比WhisperLarge-v3更准确，比fastWhisper更快，38秒可以处理60分钟音频。值得一提的是，非开源，仅提供API调用。
在视频分割领域，SegmentAnything模型被用于探索新的视频对象分割技术。研究团队测试了两种不同的模型，旨在结合SAM的分割能力和光流技术的优势，以提高视频分割的性能。具体的技术细节、模型性能指标以及未来的研究方向尚未详细公布，但这些初步的研究成果已经为视频分割技术的发展提供了新的方向和可能性。
马里兰大学帕克分校与FacebookAI的研究人员合作，开发了一种能够在物理和数字环境中有效降低对象检测器性能的对抗性模式。这项技术通过在物体上覆盖特定图案来欺骗检测器，使其无法正确识别对象，类似于一种“隐形斗篷”。更多信息和论文可以在马里兰大学的相关项目网站和arXiv上找到。
在4月9日的国务院政策例行吹风会上，国新办邀请了相关负责人，详细阐述了《中华人民共和国消费者权益保护法实施条例》的相关内容。国家网信办网络法治局的尤雪云局长特别就《条例》第23条进行了深入解读。尤雪云局长的解读，不仅使公众对《条例》第23条有了更深入的理解，也提醒广大消费者在日常生活中要更加注意个人信息的保护，同时也对经营者提出了明确的规范要求，有助于维护公平、健康的消费环境。
亚马逊的AI无人商店项目竟然是靠人工来识别商品，并且每1000笔交易就有700笔需要人工审核。亚马逊有一个JustWalkOut”的项目，顾客可以在无人商店里选好商品之后，直接走出去无需排队等待结账。亚马逊发言人表示：与许多人工智能系统一样，底层机器学习模型通过生成合成数据和注释实际视频数据来不断改进。
Scenic是谷歌推出的模型，一个专注于计算机视觉领域的代码库，主要用于研究基于注意力的模型。该库提供了一系列共享的轻量级库，解决训练大规模视觉模型时常见的任务，并包含了几个使用这些库的问题特定训练和评估循环的项目。只有当功能被证明在许多模型和任务中广泛有用时，才可能将其上游到Scenic的共享库中。
电商购物已深入人心，成为日常消费的主流方式，既为消费者带来网购的便捷，也为中小商户和代理商开辟了更广阔的销售天地。但近期，一些不法分子针对电商消费者与代理商之间的操作差异，利用消费者对代理商规则的陌生感，进行电信诈骗活动。某天，广州某高校一大二女生报警称，其接到一个+331开头的电话，对方自称某电商客服，说由于平台员工失误将刘同学录成代�
OpenAI发布了GPT-4-Turbo正式版，这是一个带有视觉能力的模型，能够处理128k的上下文。这个模型现在已经全面开放，可以通过“gpt-4-turbo”来使用，最新版本为“gpt-4-turbo-2024-04-09”。GPT-4-Turbo是一个功能强大的模型，它的发布将为AI领域带来新的可能。
每逢节假日结束，iPhone闹钟不会识别调休”话题总是能登上微博热搜。今天清明假期结束，虽然是星期日，但由于调休安排今天也是工作日，又有不少网友抱怨称，iPhone闹钟无法识别调休，闹钟又没有响。国产安卓手机的闹钟智能识别节假日已经成为了标配功能。
chat-ui是一个开源的聊天界面，使用开源模型如OpenAssistant或Llama。它是一个SvelteKit应用程序，为hf.co/chat上的HuggingChat应用提供支持。该产品允许用户通过自定义配置来运行和部署自己的Chat UI实例，支持多种语言模型和功能，如Web搜索、自定义模型等。
360AI 浏览器利用人工智能技术，提供智能搜索、PDF、视频、网页总结等功能，旨在帮助用户高效获取知识，提升阅读体验。
AI FAQ Generator是一款利用先进AI技术，通过分析常见问题自动生成FAQ列表的工具。它能够快速高效地生成FAQ，节省时间和资源，同时提供准确的答案，帮助提高客户满意度，并改善SEO效果。
BrickCenter是一个在线平台，允许用户免费创建自己的乐高套装和迷你人物。它提供了一个将创意转化为详细乐高设计的工具，无论是复杂的场景还是个性化的迷你人物，用户都可以在这个平台上实现自己的设计梦想。该平台以其用户友好的界面和强大的定制功能而受到乐高爱好者的欢迎。
《100 UI/UX Tips》提供了设计界面所需的所有提示，让用户感到满意。强调产品的主要优点、背景信息、价格和定位。
whatwide.ai是一个提高生产力的AI助手，使用人工智能技术来节省时间并提高工作效率。它提供了50多种AI模型，包括文本生成、网站帮助、社交媒体分析、编程辅助等多种功能。whatwide.ai的优点在于高质量的内容生成、快速且安全的操作，以及多种AI类型供用户选择。
Stream of Consciousness是一个记录并分享艺术家思维的项目，通过创作和分享图像来展示创造力。它提供了一个深入艺术家思维的窗口，让人们了解艺术创作的过程和灵感的来源。
Neurelo是一个专为云数据库而设计的平台，通过使用云API和人工智能技术，提供自动生成API、自定义查询API、查询可观察性和Schema as Code等功能，以提高开发人员的生产力。Neurelo能够简化数据库编程相关的复杂性，并具备可伸缩性、安全性和查询优化能力。
EdrawMax是一款功能强大的图表设计软件，它提供一站式的图表解决方案，适用于流程图、思维导图、组织结构图、甘特图、平面图和ER图等210多种图表类型。它具有简洁的用户界面，类似于MS Office的干净、整齐的界面，直观且易于导航的工具集，以及无缝的拖放功能。此外，EdrawMax还提供了23000多个用户制作的模板，850个精心制作的内置模板，以及26000多个免费符号，覆盖所有图表类型。它还具备AI功能，可以生成和分析22种类型的图表，包括文本到绘图和图片到绘图以及AI聊天。EdrawMax支持跨平台集成，可以在云端保存文件并通过链接共享，支持通过社交媒体或电子邮件发送作品，并能以13种格式导出图表，包括VSDX、PPTX和SVG等。此外，EdrawMax遵循GDPR标准，使用最高级别的256位SSL加密，确保用户隐私和数据安全。
Notta Showcase是一款在线视频翻译和配音工具，它通过AI技术帮助用户将视频内容翻译成15种不同的语言，同时保持原始的语音风格和情感，以提供自然的听觉体验。该产品的主要优点包括高效率、成本效益、用户友好的界面、高准确度的转录和翻译，以及支持多种文件格式和平台。它适用于营销、社交媒体和教育等多个领域，可以显著扩大内容的全球影响力。
Suno API是一个开源项目，允许用户设置自己的Suno AI音乐服务API。它实现了app.suno.ai的创建API，兼容OpenAI的API格式，支持自定义模式，一键部署到Vercel，并且拥有开放源代码许可证，允许自由集成和修改。
x-crawl 是一款基于 Node.js 的 AI 辅助爬虫库，它通过强大的 AI 辅助功能，使得爬虫工作变得更加高效、智能和便捷。它支持对动态页面、静态页面、接口数据以及文件数据的爬取，同时提供了自动化操作、键盘输入、事件操作等控制页面的能力。此外，它还具备设备指纹、异步同步、间隔爬取、失败重试、轮换代理、优先队列和记录爬取等功能，以适应不同的爬取需求。x-crawl 拥有类型，通过泛型实现完整的类型，基于 MIT 许可发布，适合需要进行数据爬取的开发者和企业。
MetaCLIP是一个开源的机器学习模型，用于图像和文本的联合表示学习。它通过一个简单算法对CLIP数据进行筛选，不依赖于先前模型的过滤，从而提高了数据的质量和透明度。MetaCLIP的主要贡献包括无过滤的数据筛选、透明的训练数据分布、可扩展的算法和标准化的CLIP训练设置。该模型强调数据质量的重要性，并提供预训练模型，以支持研究人员和开发者进行控制实验和公平比较。
AI Town是一个基于MIT许可的可部署启动套件，用于构建和定制您自己的AI城镇版本。这个项目受到了研究论文'Generative Agents: Interactive Simulacra of Human Behavior'的启发，旨在提供一个强大的基础平台，旨在被扩展。后端原生支持共享全局状态、事务和模拟引擎，适用于从简单的项目到可扩展的多人游戏。
Vanna是一个使用Retrieval-Augmented Generation (RAG) 技术的开源Python框架，用于SQL生成和相关功能。它通过训练RAG模型，将自然语言问题转换为SQL查询，从而允许用户以提问的形式与数据库进行交互。Vanna的主要优点包括高准确度、安全性、私有性、自学习能力，并且支持任何SQL数据库。
fal.ai 是一款面向开发者的生成媒体平台，提供了业界最快的推理引擎，可以让您以更低的成本运行扩散模型，创造出全新的用户体验。它拥有实时、无缝的 WebSocket 推理基础设施，为开发者带来了卓越的使用体验。fal.ai 的定价方案根据实际使用情况灵活调整，确保您只为消耗的计算资源付费，实现了最佳的可扩展性和经济性。
Chat With Llama 3 是一个开源的聊天机器人，由Meta AI开发。它能够进行多种智能对话，包括解释复杂概念、创作诗歌、编写代码、解决逻辑谜题，甚至帮助用户给宠物起名。这个聊天机器人的主要优点在于它的多功能性和开源性，使其可以被广泛地应用于各种场景，并且可以根据需要进行定制和改进。
AI图片生成与搜索是一个在线平台，利用先进的人工智能技术，允许用户快速生成或搜索各种风格的AI图片。该技术的重要性在于它能够极大提高设计和创意工作的效率，同时降低成本。产品的主要优点包括丰富的图片资源、高效的生成速度、以及用户友好的界面。产品背景信息显示，这是一个面向广大创意工作者和设计师的工具，旨在帮助他们快速实现创意构想。目前，该产品提供免费试用，但具体价格和定位信息未在页面中提供。
OpenPerplex是一个提供广泛知识资源的在线平台，它通过整合多种信息源，为用户提供了一个便捷的知识获取渠道。该产品以其丰富的信息量、高效的检索能力和友好的用户界面而受到用户的青睐。它不仅适用于个人学习，也适合专业人士进行深入研究。
JavaVision是一个基于Java开发的全能视觉智能识别项目，它不仅实现了PaddleOCR-V4、YoloV8物体识别、人脸识别、以图搜图等核心功能，还可以轻松扩展到其他领域，如语音识别、动物识别、安防检查等。项目特点包括使用SpringBoot框架、多功能性、高性能、可靠稳定、易于集成和灵活可拓展。JavaVision旨在为Java开发者提供一个全面的视觉智能识别解决方案，让他们能够以熟悉且喜爱的编程语言构建出先进、可靠且易于集成的AI应用。
