繼去年7月發布全球首款人工智能電視之后,長虹在人工智能電視領域再次取得重大突破。基于人工智能技術、大數據、云計算平臺及國際前沿的基于深度學習的聲紋識別技術,率先實現電視對家庭成員的聲紋個性化識別及內容推薦,成功定義全球首款聲紋識別人工智能電視Q5K。
“在上一代人工智能電視語音識別和語義理解的基礎上,Q5K可根據家庭成員的聲音進行用戶畫像和個性化內容推薦,且隨著用戶使用時間的增加識別準確率越高。”據長虹CHiQ電視產品經理陳科宇透露,目前長虹已建立起2萬個家庭分類的聲紋數據庫及13萬個語義關鍵詞詞條,從平臺、算法、協議等多個維度完成了人工智能電視的迭代升級,引領全球人工智能電視帶入3.0時代。
融合聲紋識別 電視做到“千人千面”
電視是客廳娛樂中心,為老人、成人、小孩等提供其需要的新聞資訊、綜藝節目和影視劇等。然而,每個人對內容的需求不同,即便都喜歡看電視劇,所看電視劇的類型也有不同。在第一代人工智能電視中,當接受到“我想看電視”的語音指令,電視會推薦大家都喜歡看的電視劇,但并不知道是哪位家庭成員愛看這部電視劇,其交互體驗仍不夠個性化。
為此,長虹人工智能電視研發團隊,采用國際前沿的基于深度學習的聲紋識別技術,融合國際前沿的I-vector技術為聲紋建模,同時借助云計算平臺,建立起每個家庭成員獨一無二的聲紋數據庫。以老人、成人、小孩子三種身份加之男女性別,形成六組聲紋,測試16800條語音數據,隨機組成20000個家庭聲紋分類,從而使Q5K能夠在家庭應用環境中快速精準地實現家庭成員的身份識別,識別率超過90%。
舉例來說,當小孩對電視發出“我想看電視”的語音指令,推薦給他的可能是他愛看的動畫片;當媽媽對電視發出“我想看電視”的語音指令,推薦給她的可能是她愛看的綜藝節目;而當爺爺對電視發出“我想看電視”的語音指令,推薦給他的可能是他喜歡的抗戰劇......隨著用戶的使用時間增加,識別率會越來越高,電視也會越來越懂你。通過聲紋識別技術與內容檢索系統的結合,長虹CHiQ電視得以實現“千人千面”的個性化視頻內容推薦。
清華大學經管虛擬現實及人工智能產業研究院主任研究員文鈞雷表示,“聲紋識別技術在電視上的運用,這將重新定義電視與家庭、用戶之間的交互關系和場景體驗,激發家庭和用戶對于電視更大的興趣,并賦予人工智能電視在物聯網時代的新定位。”
人工智能升級 電視更懂你
除聲紋識別技術在電視上的成功運用,長虹此次推出了行業首個人工智能電視技術系統,率先實現自然語音對電視內容的模糊檢索、個性檢索、糾錯檢索和組合檢索,實現電視強交互、可成長、可思考、可廣泛協同其他智能設備,從而為用戶提供越來越聰明、越來越便捷的個性化產品與服務。
例如,用戶對電視發出語音指令“我要看達康書記”,電視直接推薦《人民的名義》;用戶對電視發出語音指令“我要看何以簫笙默”,電視直接播放《何以笙簫默》,自動幫助用戶進行糾錯。
據悉,長虹推出的人工智能電視技術系統以語義理解、檢索、推薦、數據挖掘等四大算法系統為核心,搭載設備控制、基礎應用管理等多個連接協議,既包含硬件、算法,也包含數據平臺和媒體資源。在硬件層面,長虹Q5K采用集成式陣列麥克風,實現5米范圍內的遠場語音采集,實現諸如開關機、點播視頻、定時提醒等功能。基于數萬個角色、獎項等標簽,13萬個語義關鍵詞詞條,能實現通過角色搜片、精準糾錯等模糊搜片,為用戶提供更流暢的交互體驗。
打破技術瓶頸 重塑行業競爭格局
近年來,我國電視行業步入存量競爭階段,受互聯網和智能移動終端沖擊,電視開機率和使用率有所下降,而量子點、OELD等顯示技術競爭也陷入瓶頸。電視行業急需打破技術藩籬,以大數據、人工智能、云計算等新興技術提高產品體驗和服務,讓用戶重回客廳娛樂。
在行業人士看來,隨著長虹新一代人工智能電視Q5K的推出,拓展了傳統彩電行業的市場應用邊界和商業發展空間,重新定義電視在客廳場景下的功能和體驗,這有望給全球彩電企業在傳統硬件、軟件、內容競爭體系外,開辟全新的科技創新引擎,真正開啟世界彩電產業發展的新通路。未來長虹的人工智能創新有望不僅在識別板塊,在其他方面都陸續取得突破,加快人工智能產業在家電業的發展,讓人工智能技術真正有效地進入智慧家庭。
據悉,自2013年長虹董事長趙勇提出“智能化、網絡化、協同化”的新三坐標智能戰略以來,長虹智能戰略持續落地。先后推出全球首款移動互聯電視、物聯網冰箱、智慧空氣管家等智能創新產品,并以自主開發的物聯運營支撐平臺為依托,以數據運營為核心,全面發力智慧家庭、智慧社區、智慧城市等智能服務產業。立足互聯網,面向物聯網,長虹致力于為用戶提供越來越聰明的產品和越來越個性化的服務,實現“產品+服務+內容”的價值最大化。
推薦閱讀
GNOME 3.28開發新進展:首個snapshot已經發布
Javier Jardón表示:“GNOME 3.27.1,GNOME 3.28分支開發過程中的首個非穩定版本,雖然遷移的大部分模塊都比較順暢,但是依然存在一些問題。如果你>>>詳細閱讀
地址:http://www.xglongwei.com/a/05/304630.html