Google正在开发实时环境声音辨认技术

点击看大图  根据TechCrunch及Google Research官方blog的消息,Google当前正在开发一种实时环境声音辨认技术,并且已经开发出原型系统。这是一种交互式的技术,它利用普通家用电脑的内置麦克风收录周围环境的声音,然后根据这些声音判断当前正在观看的电视节目的内容,然后向电脑提供与电视节目相关的信息,比如各种额外的服务、购物或广告等等。

  这听起来是一项相当有趣的技术。这个系统将收录的音频压缩成样本,然后将它与Google的大型的媒体数据库里面的内容作比较,然后决定电脑浏览器上面该显示的内容。该系统能提供的服务包括以下四种:

1.个性化的信息层——比如当你正在看《达芬奇密码》,该系统会返回相关信息到你的电脑里,包含里面的密码卷的价格、离你家最近的购买地点等等。

2.特别的社区交流——你即时就刚才的电视剧与其他观众进行聊天与交流。

3.显示实时的流行等级——方便相关广告的显示。

4.基于电视的书签——通过电脑里的点击,把节目或某段视频保存进自己的视频库里,供日后观看。

  这个系统并不需要额外的专门设备与电脑连接,使用起来很方便。下面是一张示意图(来自TechCrunch):

点击看大图

  毫无疑问,虽然这项技术听起来很吸引,但却令人担忧个人隐私问题。这样一来,相当于直接把个人家庭里的情况收录了。相信Google要花不少时间在这一点上。另外,这种技术可以与之前报道过的电视搜索等结合起来,最终的目的当然是从广告中获取收入。

引自:http://www.kenwong.cn/post/google-is-developing-real-Time-Ambient-Audio-Identification.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
基于机器学习的数字辨别系统具有以下技术特点: 1. 数据驱动:基于机器学习的数字辨别系统通过大量的数据训练和学习,从中提取特征并建立模型,以实现对数字进行准确辨别。系统能够通过训练数据自动学习数字的特征和规律,从而提高辨别的准确性和鲁棒性。 2. 算法优化:机器学习算法在数字辨别系统中起着关键作用。通过选择合适的算法,并进行优化和调整,可以提高系统的性能和效果。常见的机器学习算法包括支持向量机(SVM)、神经网络(NN)、决策树(DT)等,每种算法都有其适用的场景和特点。 3. 特征提取:数字辨别系统需要从原始数据中提取有用的特征,以供机器学习算法进行训练和分类。特征提取是一个关键的步骤,它可以通过各种方法如图像处理、信号处理等来实现。有效的特征提取可以提高系统对数字的辨别能力。 4. 模型训练和优化:基于机器学习的数字辨别系统需要通过大量标注好的数据进行模型训练,以使系统能够具备辨别数字的能力。模型训练需要选择合适的训练数据集、调整模型参数,并进行交叉验证等技术手段来优化模型的性能。 基于机器学习的数字辨别系统的应用非常广泛,包括但不限于以下领域: 1. 手写数字识别:通过对手写数字的识别,可以实现自动化的数字输入,例如邮政编码识别、支票号码识别等。 2. 图像分类和识别:基于机器学习的数字辨别系统可以应用于图像分类和识别领域,如物体检测、人脸识别、车牌识别等。 3. 文字识别:通过对印刷体或手写文字进行识别,可以实现自动化的文字转换和处理,如光学字符识别(OCR)等。 4. 语音识别:基于机器学习的数字辨别系统可以应用于语音识别领域,如语音指令识别、语音转文本等。 总之,基于机器学习的数字辨别系统在提高准确性和效率方面具有很大潜力,在许多领域中可以实现自动化和智能化的数字辨别任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值