欢迎您!
主页 > 493333开马 > 正文
手机看开奖现场直播快手的AI宠物:小快语音助手
日期:2019-11-07 来源:本站原创 浏览次数:

  昨天下午,柳岩和大鹏到快手总部“扫楼”,“快手星闻”全程直播。一个吸引人的橙色小精灵,全程活跃在直播页面上,它就是快手直播间的智能宠物“小快”。

  直播过程中,柳岩和大鹏可以随时和小快聊天,小快还能对两位演员的新电影侃侃而谈,获得了二人的喜爱。

  在直播里加花样,早就不是什么新鲜事了,各类基于计算机视觉技术的特效、AR效果,已经被直播公司们玩出了花。

  但快手这家脑洞大的公司,这次把智能宠物“小快”放进了直播间里,这样用户在开直播的同时,就能“使唤”小快完成发红包、放音乐、讲笑话、闲聊等各种功能,帮助主播和观众进行互动。

  就像舞台上的演员可以向导播台喊“music”一样,小快可以做主播的专属助理+音响师。

  小快本身是快手的吉祥物。在快手的直播页面中,小快默认出现在屏幕的左侧,平时是趴在屏幕边的状态,如果你喊“小快小快”召唤它,它就会跑出来,识别你接下来的命令,这样,在直播的时候,不用伸手点就可以完成各种功能。

  小快可以帮你活跃直播现场的气氛,比如,你可以命令它会放音乐、讲笑话、讲故事等,甚至还会发快手平台的虚拟币“快币”红包。

  而对观众而言,进入直播间的时候,主播的小快会专门来欢迎你,送礼物之后也有答谢,更有互动的感觉。

  此外,快手还为小快开发了养成系统,第一次开直播的用户完成三个初始任务后,你的小快就会变身为常伴你左右的小宠物。

  点击小快的图标,屏幕的下半区域就会变成小快的专区,小快会用各种姿态向你问好。

  因为小快的形象用到了实时的3D渲染,因此看起来整体效果非常真实,哪怕是复杂的动画效果,也可以顺利切换并呈现在你眼前。

  之后,小快进入养成状态,完成每日任务能为小快赚取饭团,投喂之后小快可以升级,获得包含各种直播权益的升级礼包,并解锁更多技能和外形。

  今年3月,各种各样的“夸夸群”突然火了起来,你在群里分享自己的各种有趣行为,求夸,网友们就用各种姿势把你夸上天。

  于是,手机看开奖现场直播,在愚人节那天,快手内部的“以AI之名”黑客马拉松活动中,就出现了一个“夸夸机器人”,产品团队顺势就把这个机器人延伸成为了语音机器人。

  因此现在,如果你对小快说“快夸我”,它也会疯狂的夸你优秀美丽风趣幽默

  不过,在直播中做语音助手,要比普通的手机语音助手和智能音箱更难,没有智能音箱那样专业的硬件,嘈杂的直播环境和有限的计算资源对手机的要求更高。

  “小快”语音机器人用到了语音唤醒、语音识别、自然语言理解、对话管理、语音合成等技术,乍一看并不新奇,但当他们被用在手机直播这个场景下,则有更大的难度。

  首先,主播需要喊“小快小快”进行语音唤醒,开直播的时候,手机通常离主播1米左右,比手持的距离要远,不满足传统的近场条件,且系统只能拿到单通道数据。

  而且,主播使用的手机型号多种多样,麦克风拾音性能千差万别,有的主播还会使用具有声效处理功能的声卡,小快的语音唤醒必须适配这些复杂条件。

  在此同时,手机开着直播,本身就占用了不少计算资源,因此小快机器人不能占用太多的CPU资源,不然会影响直播的清晰度和流畅度。

  在这些复杂条件下,快手技术团队设计了两阶段语音唤醒系统,第一阶段采用精简模型,增加召回率,第二阶段采用复杂模型,提高准确率。另外,还需要在回声消除、模型抗噪方面做了大量算法优化。

  唤醒之后的语音识别环节,快手团队也遇到了难点:中英文混合识别。这一点,在主播点歌的时候是常用功能,比如快手用户喜欢的《野狼disco》,歌名既有中文又有英文,必须精确的识别出来,既要解决这种中英切换时的协同发音问题,又要解决中英文训练样本的不均衡问题。

  因此,快手技术团队采用了基于循环神经网络的序列建模方法,对中英双语音节进行建模。音节的发音特征相对稳定,理论上能缓解协同发音的问题,但音节建模增加了发音单元的长度,对模型能力要求更高。还引入了具备下文语境的门控循环单元,有效地解决了中英混合识别的问题。

  小快的声音很可爱,活泼而清脆,但如果直接使用业界常用的16kHz采样率,无法保留这一音色特点。因此,快手技术团队提出了一种超宽频带神经网络声码器,对超宽频带也进行了建模。

  超宽频带的频谱特征随机性强,增加了神经网络的学习难度。并且合成同样时间长度的音频信号,需要预测更多的采样点,这需要模型捕捉更长的序列依赖关系。

  为此,快手的算法工程师对神经网络声码器进行了深度优化,在同样的合成速度条件下,合成音频具有更高的音质,小快音色明亮清脆的特点得到了较高的还原。

  因为直播本身就消耗了手机的大量资源,同时还需要渲染3D形象,留给渲染3D形象的资源就非常有限了。

  那么,如何利用有限资源,渲染出形象丰富立体、光影效果真实、动作流畅的小快呢?

  快手技术团队优化了美术资源,将包含所有的动作表情、模型和贴图在内的小快数据包压缩到了2M左右,并采用资源异步加载来提升效率。为了减少GPU消耗,减少了渲染API调用次数,优化渲染整体逻辑,使用假阴影方案替换实时阴影计算。

  另外,考虑到用户机型不同,许多用户可能用的是相对低端的手机,快手技术团队针对不同机型做了性能降级适配、异步加载,不断调优性能与效果的平衡点,以达到最优效果。

  此前业界更熟悉快手的图像技术团队,但快手AI语音技术团队人才积累也不容小觑。

  快手的语音技术早有布局,三年前就成立了语音交互、音频内容理解的技术团队,成员主要来自清华、中科院、哈工大、西工大的语音实验室,以及微软、三星、BAT这些大厂,目前主要技术方向包括语音识别、语音合成、音乐理解与生成、音频事件检测等。

  比如视频剪辑应用快影,借助快手自言的语音识别技术,它可以向所有用户提供免费的视频自动加字幕功能。

  还有快手音悦台,利用算法从主播的直播过程中自动剪辑、筛选精彩的唱歌片段,制作成为歌唱精选内容,这样,音乐主播就无需手动整理素材剪辑就有现成可发布的内容,而喜欢音乐的用户也有了观看精彩内容的入口。

  直播领域一向竞争激烈,小快的出现,想必是对用户体验和平台粘性的进一步提升。

  11月7日,汇顶科技盘中快速反弹,5分钟内涨幅超过2%,截至9点40分,报194.71元,成交7307.38万元,换...

  由于旷视作为人工智能明星企业,站在人工智能风口下,自在港交所递交上市申请后备受各界关注。遗憾的是,旷...

  平安人工智能ETF基金11月06日下跌1.33%,现价1.129元,成交390.51万元。当前本基金场外净值为1.1148元,环...

  近日,第二届中国国际进口博览会,在中国上海拉开序幕。来自全球150多个国家和地区的3000多家企业,共赴&ld...

  2006年11月6日,DJI大疆创新正式成立,从此彻底改变了“无人机”这个行业,如今已经成为无可撼动...