首页 > 传媒 > 关键词  > 语音转文字最新资讯  > 正文

腾讯会议发布腾讯天籁inside3.0,为厂商提供AI音视频算法解决方案

2024-04-17 17:21 · 稿源: 站长之家用户

AI时代,会议室的良好拾音和区分说话人技术,是实现语音转文字、字幕翻译和智能纪要等能力的前提。

4月17日,腾讯会议天籁实验室发布腾讯天籁inside3.0升级,在腾讯AI Lab多项技术加持下,推出16mic多模态人像分割解决方案,具备智能音幕功能,能够准确区分和定位会议室里的发言人,并升级了去混响效果。

同时,在本届InfoComm展会现场,MAXHUB、罗技、耳目达、poly、维海德、亿联网络等多家硬件厂商均推出了与腾讯会议合作的新一代场景方案和产品能力。通过领先的音视频与AI技术,腾讯会议正在持续助力厂商提升会议硬件的表现,提供听觉、视觉、内容上更加沉浸专注的会议体验。

发布腾讯天籁inside3.0,升级多项新能力

对线上参会人来说,线下会议室里多人并坐、仅有一个小窗口画面,想要准确分辨出是谁在说话,难度很大。

腾讯天籁inside3.0方案,涵盖AI+16阵列麦拾音矩阵+音视频多模态识别算法。具备智能音幕功能,能够准确区分和定位会议室里的发言人,并升级了去混响效果。

智能音幕能力,相当于在会议室里建立起虚拟音频屏障,让线上发言人只听到特定区域的声音,减少区域外的人声和噪声干扰。据介绍,智能音幕支持实时调整方向。

通过音视频多模态AI算法,腾讯天籁inside3.0还支持准确区分、定位发言人。基于这项能力并结合腾讯会议Rooms的多流技术打造的硬件,可以为每位发言人提供单独的视频画面,更接近在同一个会议室开会的体验,提升沟通的临场感。

天籁inside3.0还提升了去混响表现,并基于天籁16麦音频方案优化了降噪模型。实测显示,在多种会议室噪声的干扰下,无论发言人距离屏幕远近,线上都能清晰听到声音。

腾讯会议与MAXHUB联合发布了集成腾讯天籁inside3.0方案的两款产品。据介绍,腾讯天籁inside开放了底层坐标给合作厂商,厂商可自行定制发言人的画幅比例、多人对话时的切换速度、切换逻辑等,进行二次开发。

目前,天籁inside音频解决方案已覆盖一体机大屏、扩展麦、天花麦等产品,应用在MAXHUB、Newline、海信商显、耳目达、TCL、维海德、开得联、皓丽、大华以及华创等多家知名厂商的会议室硬件中。

生态伙伴超300家,与厂商联合推出多款硬件

本届InfoComm现场,多家参展厂商均在醒目位置展示了与腾讯会议合作的硬件解决方案。

例如,MAXHUB展示的腾讯会议Rooms21:9超宽屏沉浸式剧场布局,以及罗技展示的腾讯会议Rooms会议室三屏异显方案,能让参会者在不同屏幕中获取更多信息。其中,MAXHUB 视讯智真款 V7 21:9超宽屏在显示16:9屏幕共享内容的同时,左侧面板可展示文字聊天内容,右侧展示实时语音转写和翻译内容。

与poly联合展示的腾讯会议Rooms分体式+MRA方案,则为企业传统的会议终端扩展出更多新能力。在保护企业硬件资产投资的同时,让参会者更聚焦内容讨论。

在教育场景,腾讯会议与耳目达、维海德共同打造的AI培训教室方案,通过实时音视频能力与设备,支持跨校区、跨校际、跨国家教学交流,助力师生之间的有效互动交流更聚焦课程内容本身,课堂笔记交给智能纪要,让思考更沉浸。

在应急指挥场景,基于腾讯会议Rooms的多流能力,亿联推出的Meeting Board 65大屏,可以帮助指挥大厅看清远程指挥中心每个人的工作状态,有效提升工作沟通效率。

目前,腾讯会议的合作伙伴数量已超过300家,涵盖销售生态、硬件生态、天籁生态、ISV等多种场景,并涵盖多种场景解决方案。

腾讯会议于2019年11月上线,至今已稳定服务超25亿次协同,支撑了海量的办公、教学场景,助力各行业的办公人群实现日常办公、远程问诊、金融路演、互动营销等场景线上化,并推动线上教学、智慧教室成为教育行业的常见配置。在腾讯会议的助力下,大量企业实现提质增效。例如,助力腾讯公司自身一年节省成本5.7亿元。

IDC报告显示,腾讯会议位列中国云视频会议行业企业级市场第 一。目前,腾讯会议已经广泛服务金融、互联网、教育、医药、工业制造等行业,包括中国人民银行、清华大学、国家电网、中国交建、中国银行、美的、卫龙、国泰君安证券、北京朝阳医院等众多企事业单位,在多个行业的头部客户渗透率超过50%。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • BNA:多功能AI超级应用,涵盖社交、电商、娱乐和教育。

    BNA AI Super App是一款集成了多种智能服务的超级应用,它不仅提供社交功能,如分享帖子、写博客、聊天和视频通话,还涵盖了AI电商和娱乐服务。此外,该应用还提供40种语言的AI教学服务,帮助用户学习不同的语言。BNA AI Super App以其强大的AI功能和多语言支持,满足了不同用户群体的需求。

  • Elisi:高效能自主层级式计划助手

    Elisi 是一款旨在帮助用户实现个人成长的终极组织者和指南。它通过直观的设计和用户友好的说明,帮助用户将梦想转化为清晰的结果,分解成可实现的里程碑,并通过AI技术理解并适应用户的个人需求,确保每一天都更有条理和高效。Elisi 致力于提供便捷服务,主要功能套件完全免费。

  • Omi AI:个性化AI助手,记录每一刻,与AI对话获取反馈。

    OMI APP是一个任务驱动的个性化AI助手,旨在通过语音和音频转录功能帮助用户提高记忆力和沟通效率。它是一个开源的AI记事本,提供提醒、建议等功能,同时注重用户隐私。

  • MeowMail:高送达率的AI电子邮件营销工具

    MeowMail是一款集成在Shopify后台的电子邮件营销应用,利用AI技术自动选择最佳发送时间,提高邮件的送达率至98%以上。它支持拖放编辑、从Klaviyo导入邮件列表、使用Beefree编辑器创建新邮件,并通过设定支出限制来管理邮件营销活动。MeowMail还提供企业级支持和自动翻译文本功能,帮助商家以低成本实现高效的邮件营销。

  • Maia 100:微软定制AI加速器,专为大规模AI工作负载设计。

    Maia 100是微软为Azure设计的首款定制AI加速器,专为大规模AI工作负载而打造,通过软硬件的协同优化,实现了性能、可扩展性和灵活性的最大化。它采用了TSMC N5工艺和COWOS-S互连技术,具备高达1.8TB/s的带宽和64GB的容量,支持高达700W的热设计功耗(TDP),但以500W运行,确保了高效的能效比。Maia 100集成了高速张量单元、向量处理器、DMA引擎和硬件信号量,支持多种数据类型和张量切分方案,并通过以太网互连支持大规模AI模型。此外,Maia SDK提供了丰富的组件,支持快速部署PyTorch和Triton模型,并通过双编程模型确保高效的数据处理和同步。

  • LTM:超长上下文模型,革新软件开发

    Magic团队开发的超长上下文模型(LTM)能够处理高达100M tokens的上下文信息,这在AI领域是一个重大突破。该技术主要针对软件开发领域,通过在推理过程中提供大量代码、文档和库的上下文,极大地提升了代码合成的质量和效率。与传统的循环神经网络和状态空间模型相比,LTM模型在存储和检索大量信息方面具有明显优势,能够构建更复杂的逻辑电路。此外,Magic团队还与Google Cloud合作,利用NVIDIA GB200 NVL72构建下一代AI超级计算机,进一步推动模型的推理和训练效率。

  • EZ-work AI文档翻译:智能AI翻译,高效文档语言转换助手。

    EZ-work AI文档翻译是一款专注于文档翻译的在线服务,支持多种语言的翻译,包括中文、英语、日语、俄语、阿拉伯语和西班牙语等。它使用先进的AI技术,如gpt-4o-mini和deepseek-chat模型,为用户提供快速、准确的翻译服务。该产品适用于需要文档翻译的个人和企业,尤其在国际交流和学术研究领域尤为重要。

  • Watson AI:会议助手,自动记录并总结会议要点。

    Watson AI是一款会议助手应用程序,它通过录制系统音频和麦克风来转录和总结会议内容,自动提取行动项和会议摘要,帮助用户更高效地进行会议记录和回顾。

  • PicTech AI: 免费在线AI图片翻译 助力跨境电商

    PicTech AI是由学以致用科技旗下的智能图像工具品牌,专注于为跨境电商提供AI驱动的图片翻译服务。该产品利用人工智能技术,实现高准确率和高清晰度的图片翻译,支持中文、英语到日语、韩语等多国语言的翻译。PicTech AI的智能抠图功能,能够准确检测图片主体边缘,一键去除背景,无需专业编辑。产品背景信息显示,其团队由来自百度、网易、阿里巴巴等行业巨头的顶尖高科技人才组成,具备强大的技术实力和产品能力。该产品定位于帮助跨境电商从业者简化工作流程,提高效率,无需懂外语或图像处理技能即可使用。

  • AnythingLLM:一站式AI应用,支持多种文档和模型。

    AnythingLLM是一个多功能的桌面客户端,支持多种语言模型(LLM)和文档类型,提供完全私密的使用体验。用户可以根据自己的需求选择企业级模型、自定义模型或开源模型,如GPT-4、Llama、Mistral等。产品支持一键安装,本地运行,无需互联网连接,保护用户隐私。

  • 林哥的大模型野榜:更适合中国宝宝体质的大模型产品排行榜

    林哥的大模型野榜是一个专注于中国用户需求的大模型产品排行榜,提供了多维度的评估和排名,帮助用户更好地了解和选择适合的大模型产品。

  • Fluximg.com:AI文本到图像生成器,支持多尺寸和自动翻译。

    Fluximg.com是一个基于Flux模型的AI图像生成网站,提供从文本到图像的转换服务。它支持多种语言,包括中文和英文,并且具有用户友好的界面。网站提供免费和专业版本,使用户能够根据自己的需求选择不同的服务级别。

  • 现代文转古文:将现代汉语转化为古汉语,提升文采。

    现代文转古文是一款能够将现代汉语自动转换为古汉语的模型,它通过先进的自然语言处理技术,使得用户可以轻松地将现代文本转换成具有古典韵味的古文。这种转换不仅能够增加文本的文学价值,还能在教育、文学创作、文化传承等方面发挥重要作用。

  • Zamba2-mini:先进的小型语言模型,专为设备端应用设计。

    Zamba2-mini是由Zyphra Technologies Inc.发布的小型语言模型,专为设备端应用设计。它在保持极小的内存占用(<700MB)的同时,实现了与更大模型相媲美的评估分数和性能。该模型采用了4bit量化技术,具有7倍参数下降的同时保持相同性能的特点。Zamba2-mini在推理效率上表现出色,与Phi3-3.8B等更大模型相比,具有更快的首令牌生成时间、更低的内存开销和更低的生成延迟。此外,该模型的权重已开源发布(Apache 2.0),允许研究人员、开发者和公司利用其能力,推动高效基础模型的边界。

  • InterTrack:无需对象模板的人体与物体交互跟踪技术

    InterTrack 是一种先进的跟踪技术,能够在单目RGB视频中跟踪人体与物体的交互,即使在遮挡和动态运动下也能保持跟踪的连贯性。该技术无需使用任何对象模板,仅通过合成数据训练即可在真实世界视频中实现良好的泛化。InterTrack 通过分解4D跟踪问题为每帧的姿态跟踪和规范形状优化,显著提高了跟踪的准确性和效率。

  • GenWarp:生成新视角的图像,保持语义信息。

    GenWarp是一个用于从单张图像生成新视角图像的模型,它通过语义保持的生成变形框架,使文本到图像的生成模型能够学习在哪里变形和在哪里生成。该模型通过增强交叉视角注意力与自注意力来解决现有方法的局限性,通过条件化生成模型在源视图图像上,并纳入几何变形信号,提高了在不同领域场景下的性能。

  • Qwen2-VL:新一代视觉语言模型,更清晰地看世界。

    Qwen2-VL是一款基于Qwen2打造的最新一代视觉语言模型,具备多语言支持和强大的视觉理解能力,能够处理不同分辨率和长宽比的图片,理解长视频,并可集成到手机、机器人等设备中进行自动操作。它在多个视觉理解基准测试中取得全球领先的表现,尤其在文档理解方面有明显优势。

  • Dressplay:个性化服装生成器,轻松变换你的装扮。

    Dressplay是一个创新的在线服装生成器,允许用户通过简单的步骤生成个性化的服装。它利用先进的图像处理技术,让用户能够选择服装区域、目标人物以及想要穿戴的服装,从而创造出逼真的服装效果。Dressplay背后的技术不仅提高了服装设计的效率,也为用户提供了一种全新的个性化体验。目前,Dressplay提供免费试用,用户可以通过网页访问并体验其功能。

  • GLM-4-Plus:国际领先的语言理解与长文本处理大模型。

    GLM-4-Plus是智谱推出的一款基座大模型,它在语言理解、指令遵循和长文本处理等方面性能得到全面提升,保持了国际领先水平。该模型的推出,不仅代表了中国在大模型领域的创新和突破,还为开发者和企业提供了强大的语言处理能力,进一步推动了人工智能技术的发展和应用。

  • Playground:专业的设计工具,让设计变得简单有趣。

    Playground是一个专业的在线设计平台,它提供了丰富的设计资源和工具,包括贴纸、壁纸、海报、T恤设计和社交帖子设计等。用户可以轻松地创建个性化的艺术作品,无论是个人使用还是商业用途。该平台以其易用性、丰富的设计元素和创新的设计理念,满足了不同用户的设计需求。

今日大家都在搜的词: