聚焦虛擬數字人技術，這三大商機要抓住！
關于虛擬數字人，企業可以從三個方面入局，分別是ToG（To Government，面向政府），即為數字政府和數字城市提供支持服務；ToB（To Business，面向企業），即為企業提供虛擬員工解決方案；ToC（To Cons
9 月 19 日消息，小米今天宣布開源首個原生端到端語音大模型 Xiaomi-MiMo-Audio，首次在語音領域實現基于 ICL 的少樣本泛化。
據小米介紹，五年前 GPT-3 首次展示了通過自回歸語言模型 + 大規模無標注數據訓練，獲得 In-Context Learning（ICL，上下文學習）能力，而在語音領域，現有的大模型仍嚴重依賴大規模標注數據，難以適應新任務達到類人智能。
而 Xiaomi-MiMo-Audio 模型打破了這種瓶頸，它基于創新預訓練架構和上億小時訓練數據，在智商、情商、表現力與安全性在內的跨模態對齊能力均有提升，在自然度、情感表達和交互適配方面呈現出擬人化水準。
這款模型的具體創新點如下：
首次證明把語音無損壓縮預訓練 Scaling 至 1 億小時可以“涌現”出跨任務的泛化性，表現為 Few-Shot Learning 能力。
首個明確語音生成式預訓練的目標和定義，并開源一套完整的語音預訓練方案，包括無損壓縮的 Tokenizer、全新模型結構、訓練方法和評測體系。
目前小米已在 Huggingface 平臺開源了這款模型的預訓練、指令微調模型，同時在 Github 平臺開源了 Tokenizer 模型，其參數量達 1.2B，基于 Transformer 架構，支持音頻重建任務和音頻轉文本任務。
本文鏈接：http://www.yifxia.cn/showinfo-45-27926-0.html小米開源首個原生端到端語音大模型 Xiaomi-MiMo-Audio，對話自然度、交互適配達擬人化水準
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號