屏幕闪,出现两个q版小人测试模型,旁边表格里展示两个网络对自然语言处理速度。
李可唯接着道:“大家可以看到,CNN处理速度明显比RNN快,更换神经网络之后,虚拟人像接收延迟也从1.02s变成0.34s。”
他点点屏幕,画面变成个视频播放器:
“接下来让们看下动作捕捉演示视频——”
谁知那激光笔点在播放键上时,竟像突然失灵般,失去该有反应。
作为们输入词库。输入词库会结合语料库对文本进行情感分析,再逐级分解成对应含义。”
“而们神经网络又会对这些含义进行个二次处理,将AI应答先转化为文本,再根据宿主声音进行语音合成,此处特别鸣谢季想老师为们提供大量真人语音资料。”
PPT翻至下页,屏幕上出现堆花里胡哨结构图,李可唯耐心地向观众解释道:“相比于‘掌中偶像’1.0处理方式,们在2.0中选择用CNN(卷积神经网络)来代替RNN(循环神经网络)对大量语句进行处理。”
“有接触过深度学习人应该知道,CNN多被广泛应用于计算机视觉图像处理领域,而近年来,也有许多人将其运用到NLP中去。”
李可唯按下激光笔,屏幕上顿时出现几个红红绿绿表格,下方标“像素”两个字。
李可唯面色不变,走到操作台前,用鼠标又点下播放键,这回,视频终于开始播放起来:
片刻寂静后,会场回荡着个奇怪又模糊“沙沙”声,噪点颗粒感非常明显。
李可唯不由皱皱眉,心里猜测可能是网络问题,便站在原地打算静观其变。
不会儿,漆黑屏幕上终于闪过个画面,个老式住宅单位客厅
“们都知道,CNN是根据图像像素值来进行处理,而NLP处理是文本和语句,那问题来,怎把这两个风马牛不相及东西组合到起呢?……”
季想坐在台下,目不转睛地望着台上演讲得愈发从容李可唯。
尽管那人口中专业术语他个字也听不懂,但他喜欢那人认真样子,喜欢那人沉浸在自己世界里样子。
每当这时,李可唯眼睛里都会带着种光,炙热而夺目,令人点也移不开视线。
“或许,们可以把语句中每个单词划分开,分割成个n维向量,将形成矩阵看成是个特殊图像,而每个向量就相当于图像像素,这样们就可以对其进行处理。”
请关闭浏览器阅读模式后查看本章节,否则可能部分章节内容会丢失。