近日,在国际人工智能联合会议(IJCAI)上举办的第二届多模态情感识别挑战赛(MER24)中,Soul APP创始人张璐领导的语音技术团队(Soul AI)凭借优秀的技术实力,在SEMI(半监督学习)赛道中脱颖而出,获得第一名。
MER24由来自清华大学、中国科学院自动化研究所、帝国理工学院等高校的多位专家学者联合举办,吸引了近百支来自知名高校、科技企业的队伍参赛。MER24共设置SEMI(半监督学习)、NOISE(噪声鲁棒性)、OV(开放式词汇情绪识别)三个赛道。其中,SEMI赛道因其高难度和实际应用价值而颇受关注。Soul语音技术团队在此赛道表现出色。
Soul语音技术团队凭借平台深厚的技术积累和前瞻性的创新思路,成功克服了半监督学习中面临的诸多挑战。他们不仅提出微调模型EmoVCLIP,用于适应视频的情感识别,还创新性地采用了Self-training策略,通过循环对无标签数据打伪标签与训练模型之间相互迭代的方式,来提升模型的泛化性能。此外,针对模型不同模态之间融合存在的竞争效应问题,团队首次在多模态情感识别领域使用Modality Dropout,有效提高了模型的情感识别准确率。这些创新技术的应用,不仅让Soul语音技术团队赢得了比赛,更为未来AI在社交场景中的应用提供了宝贵的技术借鉴。
作为新型开放式社交平台,Soul一直致力于通过底层技术和产品模式的创新,提升用户的社交体验。在Soul APP创始人张璐团队的带领下,Soul于2020年启动AIGC技术研发,并在智能对话、图像生成、语音及音乐生成等AIGC关键技术领域取得了成果。
值得注意的是,Soul在AI社交领域的探索并未止步于技术层面。Soul APP创始人张璐团队深知,在社交领域,AI的“情商”远比“智商”更为重要。因此,他们在构建AI模型时,始终注重其拟人化属性的培养,努力让AI更能理解情绪,为用户带来更好的情绪反馈和陪伴感。这种以人为本的设计理念,使得Soul的AI社交产品能够更好地满足用户的情感需求,实现更加有温度、沉浸、趣味的互动交流。如今,Soul不仅构建了具备多模态情感识别能力的语言大模型Soul X和语音大模型,还推出了“AI苟蛋”“狼人魅影”等功能/产品,让AI在社交场景中发挥更加积极的作用。
在Soul APP创始人张璐团队的领导下,Soul语音技术团队获多模态情感识别挑战赛第一名。这不仅是对其技术实力的有力证明,也是对“AIGC+社交”发展方向的坚定信念,使得他们更坚定地去致力于构建情感化、个性化和生活化的人机交互新场景,为用户带来更加优质的社交体验。