識別方面，百度提出流式多級的截斷注意力模型SMLTA,這是國際上首次實現(xiàn)局部注意力建模超越整句的注意力模型，也是國際上首次實現(xiàn)在線語音大規(guī)模使用注意力模型。

SMLTA在大幅提升識別速度的同時，也提高了識別準確率。在輸入法有效產(chǎn)品相對準確率提升15%,音箱有效產(chǎn)品相對準確率提升20%.合成方面，針對現(xiàn)階段面臨風格遷移、音色模擬和情感擬人的三大挑戰(zhàn)，百度推出語音合成技術Meitron,可以將語音中的音色、風格、情感等要素映射到不同的子空間，在使用時，不同要素可以任意組合，靈活的控制合成語音的風格。同時降低語言合成門檻，僅需20句話就可以制作一個人的專屬聲音。
對于落地應用正在端側呈現(xiàn)出巨大需求，百度大腦語音團隊研發(fā)出一款針對遠場語音交互打造的芯片--百度芯片。芯片采用"軟件定義芯片"的全新設計思路。該芯片采用雙核HiFi4架構，2.8M大內存，臺積電40nm工藝，在此硬件規(guī)格上，100mw左右平均工作功耗，即可支持遠場語音交互核心的陣列信號處理和語音喚醒能力。同時，按照車規(guī)級標準打造的芯片，可為車載語音交互，以及智能家居等場景帶來更大想象力。芯片流片的同時，即實現(xiàn)了量產(chǎn)。
百度視覺技術部、增強現(xiàn)實技術部總監(jiān)，5G時代，越來越多物理設備將連接到高可靠、低延時的網(wǎng)絡空間，這將徹底改變人們與環(huán)境及設備的交互方式。本次全新發(fā)布視覺語義化平臺2.0,正在推進視覺技術由"看清看懂"向"交互"進行升級。視覺語義化平臺2.0在交互升級和軟硬件結合兩大方面實現(xiàn)突破。
交互升級包含一體化人機交互系統(tǒng)和大場景物理世界交互系統(tǒng)。簡單而言，一體化人機交互系統(tǒng)是人與機器、虛擬環(huán)境的自然交互與融合，該系統(tǒng)適用于實現(xiàn)AR特效的直播、小視頻、特效小程序等場景，已應用于百度多款視頻App.大場景物理世界交互系統(tǒng)是將視覺定位與AR技術突破性結合，實現(xiàn)大范圍的虛擬信息與物理世界的精準疊加，從而建立起AI時代全新的交互系統(tǒng)。

目前，軟硬件結合可以滿足應用場景更高效的視覺計算，以及更低延時的體驗，同時能保護數(shù)據(jù)隱私。百度視覺方面的軟硬件結合主要聚焦于模型壓縮平臺PaddleSlim、多模態(tài)FaceID開發(fā)組件以及軟硬件一體解決方案AI相機三部分。FaceID覆蓋設備量已超1200萬臺。
視覺語義化平臺2.0更新了許多先進的感知技術，也讓機器人技術實現(xiàn)新突破。百度三維視覺首席科學家楊睿剛介紹，機器人就是一個智能體，除了感知技術，智能體需要決策和動作相關的技術，實現(xiàn)從環(huán)境感知到主動感知。
目前，百度研究的智能體技術主要集中在自動駕駛Apollo、工程機械和服務機器人三大方面。上午主論壇中引人關注的機械臂"茶博士"不僅能說會道，還完成了傳統(tǒng)的長嘴壺倒茶工作，其背后依靠的正是服務機器人方案。

網(wǎng)頁標題：百度算法是怎么進行全方位升級的
分享網(wǎng)址：http://www.rwnh.cn/news/28589.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站改版、商城網(wǎng)站、外貿(mào)網(wǎng)站建設、虛擬主機、網(wǎng)站制作、ChatGPT

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)