面向全真互联网,腾讯云正在持续发力音视频、实时互动、全息等基础技术,并助力相关应用不断涌现。
9月23日,2021 V+ 全真互联创新创业挑战赛(下称“大赛”)正式启动,汇集技术专家、商业导师、创投机构及孵化器,面向全球征集具有创新力、商业潜力的全真互联网相关场景应用及创业计划。大赛由腾讯云音视频与Intel 、Tencent Cloud International、腾讯云产业加速器、腾讯云启产业基地、腾讯千帆、腾讯云社区、腾讯多媒体实验室等伙伴联合举办。
随着高清、沉浸式、超低延迟及实时互动等能力的发展,音视频应用近两年呈现爆发式增长。它们不断进入企业线上协同、医疗、教育、金融、工业互联等垂直场景,给人们带来了丰富的数字生活体验,无疑走在全真互联网创新探索的前沿。
然而,音视频应用开发具有一定的技术门槛。初创企业在寻求更多创新,尤其是探索将音视频带到广阔的实体行业场景时,往往需要快速搭建并验证应用,抓住转瞬即逝的机遇。
针对这种矛盾,高效、可靠、稳定的云服务,以及云上易用的音视频技术产品工具,就成了最好的答案。例如,基于腾讯21年的音视频通信技术积累,腾讯云提供的腾讯实时音视频通话(TRTC)可帮助用户零基础跑通Demo,最快30分钟构建出高画质、低延时、大规模的视频通话、互动直播应用,实现敏捷创新。
本次大赛聚焦新社交、办公协同、教育、金融、医疗、企业服务、公共事业、智能设备、工业物联网等应用场景,入围即赠送包括100万分钟TRTC、1对 1技术指导在内的助力资源,鼓励初创企业运用包括但不限于基于腾讯云音视频产品矩阵的技术工具进行创新实践。
最终获奖企业除了赢得云资源和现金大奖,也将获赠包括创业礼包、腾讯生态合作、媒体资源、办公园区、融资加速等在内的企业生态资源包,实现加速成长。
腾讯云音视频的视频云解决方案市场在国内连续多年排名第一,支持90%的领域内客户实现云上创新。目前,腾讯云音视频已构建覆盖全球的腾讯云RT- ONE ™音视频通信网络,拥有业界最完整的PaaS平台以及all in one的音视频终端产品家族,衍生出超100个场景应用实践。
此外,腾讯云音视频也基于V+俱乐部联合腾讯内外部生态合作伙伴,为更多伙伴、初创企业提供包括技术培训、开发者认证、产品联合共建、商业项目孵化、品牌联合营销、创业加速、SaaS连接器等在内的服务。
腾讯云副总裁李郁韬表示,随着全真互联网相关基础技术的演进,音视频领域的应用场景、服务生态和消费模式都将迎来新一轮的发展创新。腾讯云音视频将以领先的技术标准、产品服务以及全方位生态资源,助力产业生态的共建、共创、共享。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。