站长之家（ChinaZ.com）10月23日 消息:今天下午，科大讯飞AI研究院常务副院长刘聪发表了关于“构筑AI科技树，焕新美好新生活”的主题演讲。在演讲中，刘聪提到了如何保持AI技术不断突破以及如何实现应用落地的问题。
刘聪认为，在人工智能的应用场景中，最重要的一个就是语音交互。他称语音识别是讯飞的传统强项。近年来，科大讯飞陆续推出了方言识别、远场交互、多麦克风阵列等相关的功能，将语音听写从简单场景的可用做到了通用。
下一步，科大讯飞将持续深耕语音识别，去挑战更加复杂的场景，去实现从语音到声音，从单纯的文字内容的识别，到音频的全场景解析。例如直播场景这样有游戏、音乐以及笑声、掌声等各种音效嘈杂的背景下，如何有针对性地提取想要的声音。
面对这种复杂的环境，科大讯飞已经有一套全场景音频解析的整体方案。目前，可达讯飞在直播场景下的识别准确率已经从从60%提到了85%。未来，这些相关技术会在科大讯飞的开放平台、讯飞听见等上线。
（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
文|郝鑫编|王一粟AI1.0公司想靠大模型打个漂亮的“翻身仗”，似乎还差一口气。4月23日，科大讯飞发布2023年年度及2024年Q1业绩报告。在大模型浪潮来临后，带来进一步效率的提升，让AI公司们看到了靠C端产品付费的可能性，也让toB业务得到了更多轻量化部署的可能。
科大讯飞副总裁、研究院院长刘聪在博鳌2024年会现场表示：科大讯飞计划在今年6月，正式发布对标GPT-4当前能力的星火大模型V4.0版本。讯飞星火大模型V4.0目前正在训练中。刘庆峰表示，星火大模型的背后，是科大讯飞多年的研究和技术积累，多年来研发团队不断探索和改进各种算法和模型，以解决语言理解和推理中的挑战。
科大讯飞宣布将在4月26日为讯飞星火V3.5版本上新三大能力。讯飞星火V3.5预计将具备理解长图文和长语音的能力，同时实现一句话复刻超拟人情绪，以及实现更高效、安全的智能体平台。在语言理解和数学能力方面，星火认知大模型已经超越了GPT-4Turbo，代码能力更是达到了GPT-4Turbo的96%在多模态理解上，也达到了GPT-4V的91%。
科大讯飞与华为举行鸿蒙合作签约仪式，正式宣布旗下讯飞星火、讯飞同传、讯飞语记、智学网、讯飞AI学、羚羊等16个App启动鸿蒙原生应用开发，加上已经合作的讯飞输入法、讯飞听见App，迄今讯飞旗下主流产品均已启动鸿蒙原生应用开发。双方强强合作，将为鸿蒙生态注入更强大的AI能力，共同推动人工智能技术的创新与应用，将AI技术更广泛地应用于智能家居、智能驾驶、智能医疗等诸多领域，为用户带来更加智能、便捷的生活体验。双方也将发挥各自的技术优势，共同推动智能应用的创新发展。
第27届联合国科技大会在瑞士日内瓦召开。世界数字技术院发布了一系列突破性成果，包括《生成式人工智能应用安全测试标准》和《大语言模型安全测试方法》两项国际标准。蚂蚁集团在公司内成立了科技伦理委员会和专门团队来评估和管理生成式AI的风险，公司所有AI产品均需通过科技伦理评测机制，确保AI安全可信。
快科技3月27日消息，据媒体报道，科大讯飞副总裁、研究院院长刘聪在博鳌2024年会现场接受采访时表示，对标GPT-4当前能力的讯飞星火大模型V4.0正在训练中，预计今年6月发布。刘聪透露，讯飞星火大模型从去年5月6日首次发布以来，已迭代到星火V3.5，已经逼近GPT-4的当前水平。此前科大讯飞董事长刘庆峰曾表示，今年讯飞星火大模型将继续快速升级，不过还是要科学理性正视�
快科技4月22日消息，科大讯飞披露2023年报，报告显示，公司全年实现营业收入196.5亿元，同比增长4.41%，其中Q4同比增幅明显回升，达到14%；当期归母净利润为6.6亿元，同比增长17.12%。业务方面，开放平台与消费者业务全年营收达61.9亿元，同比增长33.4%，占总营收的比重为31.47%，这也是该业务营收占比首次超过30%，成为科大讯飞最大的业务板块。值得注意的是，星火大模型的发布推动了科大讯飞开发者生态的蓬勃发展，截至报告期末，讯飞开放平台已开放647项国际领先的AI能力及方案，聚集超过578万开发者团队，同比增长52%。自5月6日星火大
贝勒大学经济学院的PhamHoangVan和ScottCunningham两位教授，基于OpenAI的GPT-3.5、GPT-4深度研究了大模型对事情的预测能力。研究人员使用了直接预测和未来叙述两种提示方法，进行了100次提示。ChatGPT模型的预测能力也受限于其训练数据的截止日期和范围，以及在生成预测时可能受到伦理和法律的限制。
上海市通信管理局最近发布了《2023年上海市电信和互联网行业发展白皮书》，详细呈现了上海信息通信业的现状和水平。据《白皮书》显示，上海移动电话用户总数达到4594万户，移动电话普及率达到185.5部/百人，位居全国第一。《白皮书》还显示，2023年，上海市规模以上互联网和相关服务企业完成业务收入4167.8亿元，同比增长17.5%，占全国互联网业务收入的23.8%，在全国排名第二。
一位95后女生崔迪本科毕业于同济大学建筑学院，之后决定成为一名厨师。在欧洲读研期间，她实习于一家米其林二星餐厅，每天工作14小时以上。她认为内心热爱的事业是值得坚持的，并强调学习能力比学历更为重要。
Continue是一个专为软件开发者设计的开源IDE扩展，它通过提供自动化和智能化的工具来加速AI软件的开发流程。它允许开发者在构建软件时保持流畅的工作状态，通过插件和系统整合，轻松开始并加速开发过程。Continue支持多种编程语言的代码自动完成，提供代码段的重写功能，并允许通过自然语言指令来优化代码。它还支持与多种AI模型和开发环境的整合，使得开发者能够构建一个随着新功能出现而进化的软件系统。
Cohere Toolkit是一个开源的AI应用程序开发工具包，它提供了一套生产就绪的应用程序，可以在云服务提供商上部署。这些应用程序可以访问Cohere的Command、Embed和Rerank模型，并且可以连接到企业数据和特定团队，以提高生产力。该工具包包含用于构建独特应用程序并可扩展部署的组件。
Bunny 是一系列轻量级但功能强大的多模态模型，提供多种即插即用的视图编码器和语言主干网络。通过从更广泛的数据源进行精选选择，构建更丰富的训练数据，以补偿模型尺寸的减小。Bunny-v1.0-3B 模型在性能上超越了同类大小甚至更大的 MLLMs（7B）模型，并与 13B 模型性能相当。
llava-llama-3-8b-v1_1是一个由XTuner优化的LLaVA模型，它基于meta-llama/Meta-Llama-3-8B-Instruct和CLIP-ViT-Large-patch14-336，并通过ShareGPT4V-PT和InternVL-SFT进行了微调。该模型专为图像和文本的结合处理而设计，具有强大的多模态学习能力，适用于各种下游部署和评估工具包。
ID-Animator是一种零样本人类视频生成方法，能够在不需要进一步训练的情况下，根据单个参考面部图像进行个性化视频生成。该技术继承了现有的基于扩散的视频生成框架，并加入了面部适配器以编码与身份相关的嵌入。通过这种方法，ID-Animator能够在视频生成过程中保持人物身份的细节，同时提高训练效率。
HiDiffusion是一个预训练扩散模型，通过仅添加一行代码即可提高扩散模型的分辨率和速度。该模型通过Resolution-Aware U-Net (RAU-Net)和Modified Shifted Window Multi-head Self-Attention (MSW-MSA)技术，动态调整特征图大小以解决对象复制问题，并优化窗口注意力以减少计算量。HiDiffusion能够将图像生成分辨率扩展到4096×4096，同时保持1.5-6倍于以往方法的推理速度。
Snowflake Arctic 是一款专为企业级人工智能任务设计的大规模语言模型（LLM），它在 SQL 生成、编码以及指令遵循等基准测试中表现出色，即使与计算预算更高的开源模型相比也毫不逊色。Arctic 通过其高效的训练和推理，为 Snowflake 客户以及广大 AI 社区提供了一种成本效益极高的定制模型创建方式。此外，Arctic 采用 Apache 2.0 许可，提供无门槛的权重和代码访问，并通过开源数据配方和研究洞察，进一步推动了社区的开放性和成本效益。
OpenVoice V2是一款文本到语音（Text-to-Speech, TTS）的模型，它在2024年4月发布，包含了V1的所有功能，并进行了改进。它采用了不同的训练策略，提供了更好的音质，支持英语、西班牙语、法语、中文、日语和韩语等多种语言。此外，它还允许商业用途的免费使用。OpenVoice V2能够精确地克隆参考音调色彩，并在多种语言和口音中生成语音。它还支持零样本跨语言语音克隆，即生成语音的语言和参考语音的语言不需要在大规模多语种训练数据集中出现。
超会 AI 是一款基于人工智能的爆款内容制造机，能够以 10 倍速度智能生产商品内容和自动化营销，帮助企业提高流量和销售额。产品背景信息丰富，价格适中，定位于为企业提供内容制造和营销解决方案。
OpenELM是由苹果公司开发的语言模型家族，旨在为开源研究社区提供先进的语言模型。这些模型基于公开可用的数据集训练，不提供任何安全保证，可能产生不准确、有害、有偏见或令人反感的输出。因此，用户和开发者需要进行彻底的安全测试，并实施适当的过滤机制。
豆绘商拍是一款利用先进 AI 技术提供商品图和服装图生成服务的工具，能快速实现抠图、背景更换和模特换脸等功能，帮助企业提升品牌形象和市场竞争力。
intellisay是一个通过语音输入创建每日计划的生产力工具。它使用人工智能技术，将语音转录和分析，然后提供一个优化的计划来实现成功。它能够帮助用户节省时间，从而更高效地完成任务。该产品背后的主要优点是快速设置和使用，以及跟踪任务和习惯的能力。
Grimo AI是一个帮助用户构建、增长和整理知识的平台。它集合了Obsidian、Github和Quora的优点，提供了简单易用的界面和功能。用户可以通过查询获取来自任何人、任何地方的见解，并将这些见解分叉到自己的工作区。Grimo AI的核心优点包括：1. 将知识整理成精华；2. 从任何地方学习；3. 构建一个强大的知识社区。Grimo AI的定位是帮助用户更高效地获取和组织知识。
Bland是一个用于构建AI电话呼叫应用程序的平台，它提供了简单易用的API接口，使开发者能够轻松地创建自己的智能电话代理。Bland的主要优点是快速搭建和部署，可扩展性强，同时提供了丰富的文档和支持。无论是用于销售呼叫中心、客服代理、营销自动化还是其他领域，Bland都能帮助企业提高效率，节省时间和资源。
Cici是您的AI朋友和浏览器助手。她可以回答您的问题，摘要网页内容，提供快速的词语翻译，并执行智能搜索。她可以为您做到这一切。
MVSEP是一款在线音频处理工具，利用先进的音频分离技术可将音乐和语音从音频文件中分离出来，适用于音乐制作、音频编辑、广播、电影后期制作等领域。优点包括高质量的音频输出、快速的处理速度和用户友好的操作界面。提供不同模型选择。
NovaMSS是一款基于最顶级的AI模型调优后的新一代音乐源分离工具，可以一键提取伴奏、人声、贝斯、鼓点、分离音轨等。它的强大算法基于MSS领域最顶级的算法，并经过上千首歌曲的训练与调优，实现音轨分离的高效率和高质量。产品提供简单易用的界面，支持多种音频格式，包括MP3、Flac、Wave、AIFF等，并且支持批量上传和处理，内置音频播放器，方便用户即时查看分离结果。此外，产品分为社区版和专业版，社区版永久免费，而专业版提供更专业的算法模型和更高品质的音频输出格式。
ChatMIX智能对话-AIGC系统是一款利用人工智能技术构建的在线聊天系统，旨在通过AI技术提升用户交互体验。产品支持智能翻译、工作周报生成、编程代码编写等功能，满足用户在不同场景下的需求。它的优势在于能够快速响应用户指令，提供准确、高效的服务，同时具备良好的用户界面和操作体验。
AI对话鸭是一个领先的AI聊天对话平台，它集成了多款国产大模型，提供了丰富的对话场景和功能，满足不同用户的需求。该平台以其高效的对话生成能力和多样的应用场景，在提高工作效率和娱乐互动方面具有显著优势。
A.I.智能客服解决方案是科大讯飞基于其先进的语音技术，为企业提供的一套完整的客户服务系统。该系统通过电话、Web、APP、小程序、自助终端等多种渠道，实现智能外呼、智能接听、语音导航、在线文字客服、质检分析、坐席辅助等功能。它通过高识别率的语音识别引擎、自然流畅的语音合成技术、智能打断能力、IVR导航以及客服平台中间件等技术，帮助企业提高客服效率，降低人力成本，同时提升客户服务体验。
