科大讯飞AIGC整体布局曝光,原来是这样!

经过了2022年AIGC元年的“C位出道”,如今AIGC已经稳步进入发展快车道,无论是底层技术还是具体落地应用都更加牢固和丰富,也一次又一次让人类发出赞叹,2023年被称为AIGC大年,有数据显示,今年我国AIGC市场规模可达170亿元,到2030年中国AIGC市场规模将达到1.15万亿元,面对如此前景和实际应用意义,众多公司纷纷入局,其中便有我国头部科技公司——科大讯飞。

在3月29日由量子位主办的中国AIGC产业峰会上,科大讯飞AI研究院常务副院长高建清对讯飞在AIGC领域的整体布局进行了分享。从文本创作到音频创作再到视觉创作,科大讯飞均有涉及,同时创新产出AIGC相关应用和产品。

以往我们在看电子书时,可能会打开系统自带的朗读功能,但总是会被比siri还要“冰冷无情”的机器声音所劝退。在音频创作领域,通过研发虚拟声音自动创造系统,讯飞已经实现了语义可控的声音创造,用户输入一个人设,系统便可以生成该人设声音,除此之外,多风格多情感语音合成系统SMART-TTS是科大讯飞的一大杀手锏,11种情感、20档强弱度不同的调节功能,让合成语音更加真实,停顿、重音、语速等能关键声音元素也能够进行随心调节。

《红楼梦》中,未见其人、先闻其声的王熙凤一出场便让人知道她是一个风风火火的人,声音是人设的特点之一,而后面人物的视觉面貌也让人设更加具体。在视觉创作方面,科大讯飞也同样带来了惊喜。从2018年首发多语种虚拟人口唇驱动,到2021年首发2D真人捏脸系统,目前科大讯飞已形成了从3D虚拟形象口唇表情和动作的AI驱动到AI贯穿3D形象构建的全流程,“徒手捏人”不再是女娲的专属技能,同时讯飞通过对语音节奏、韵律体会和语义理解,让虚拟人可以随时、流畅地切换动作,拥有更加自然的肢体语言,讯飞研究院还打造了个性化3D虚拟人复刻系统,一张人像、一句话便能快速生成个性化3D虚拟形象。

目前科大讯飞在AIGC领域打造了AIGC内容创作基地,包括讯飞智作和讯飞音乐“词曲家”平台等创新产品,讯飞智作可以为用户提供快捷的音视频制作,基于讯飞在虚拟人的技术基础,2D/3D形象可代替真人主播,从文本到视频可以一键转换。讯飞智作的内容生产已经广泛应用于媒体、金融、智慧文旅、企业数字化、智慧政务、IP运营多个领域。词曲家平台则提供了辅助作词、辅助作曲和歌曲试音、质量分析等AI辅助工具,为广大词曲作者和采买方提供一个更加智能、透明和安全的词曲创作交易平台。

高建清在中国AIGC产业峰会上表示,“底座+能力+应用”是科大讯飞AIGC整体布局的三层架构:以文本预训练、多模态预训练、多元异构基础资源构建、异构集群构建及大模型训练套件为技术底座,形成了音频创作、视觉创作、文本创作三大AIGC能力,进而衍生出在教育、医疗、人机交互等领域的丰富应用。

从技术到应用,AIGC不是束之高阁的概念,也不是昙花一现的空谈,其底层技术和产业形态已经形成了新的格局,而科大讯飞对AIGC应用落地的推动让更多人切实感受到了时代发展的最新力量。

(免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站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。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站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。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。 )