快播创始人王欣创办的云歌智能社交产品MT正式上线

快播创始人王欣创办的云歌智能社交产品MT正式上线

雷帝网 乐天 1月15日报道

由快播创始人王欣创办的云歌智能社交产品MT(马桶)正式上线。据官方介绍,这是一款熟人之间用来说悄悄话的软件,可以隐藏身份聊天、付费打探想了解的秘密。

它建立的是人与人之间基于场景需求的短连接,并能有效降低用户在社会行为中遭受到的社交压力,最终形成一张人脉暗网,让用户可以在这里表达更真实的自我,并获取有价值的信息。

这是云歌智能成立之后正式推出的第一款产品。

快播创始人王欣创办的云歌智能社交产品MT正式上线

在上线当日,云歌智能举办了一场公司内部产品交流会,公司创始人兼CEO王欣在活动上发言并回答了大家的提问,MT(马桶)产品负责人刘海宝对产品做了介绍。

王欣认为,今天朋友圈已经很难有真实的表达,随着社交关系越来越宽泛,表达会很慎重,甚至不表达。

“年轻人希望有个性的表达,我们希望给大家提供一个真实的‘朋友圈’。今天看来,匿名社交的场景是有很多的,是一个已经被证明有需求的市场,但一直没有见到有产品做得很好。“

”所以,我就来做了。用户的需求在,看我们用什么方式满足,不违规、不违法,舒展自己,表达自己。”

此前外界纷纷将这款新产品对标微信,王欣在交流会上表示,“我们所有产品的初衷都不是为了跟谁竞争,我们选择的是一个不同的切入点,我们更看重是否解决了用户的痛点,这是我做产品标准,也是云歌的标准。其实用户反馈马桶是个小众的东西,能得这种的反馈我很开心。

也有不少人对‘马桶’的名字很好奇,为什么会取这样一个名字?

快播创始人王欣创办的云歌智能社交产品MT正式上线

王欣回应称,灵感来源于刘德华的一首歌《马桶》,他是刘德华的粉丝,歌词里写到“每一个马桶都是英雄,按一个键,烦恼都没了。”

针对MT(马桶)的功能特性,刘海宝解释到,“现代社会无孔不入的关系,带来很多社交压力。很多用户说,我关注你、你关注我,但关系链没有那么重要,你希望找到的人、找到的关系才是重要的。”

刘海宝说:“我们希望信息不要那么冗余,所以MT(马桶)以话题为主导,人和信息为主导,帮你找到你想要的信息。你的ID就是你的身份,不需要通过头像、称去设置,能有效降低人的社交压力,你可以在群聊里公开讨论,也能通过悄悄话功能发布更私密的信息。”

此外,为了提高信息的“价值效果”,产品设计了独特的红包功能,用户通过发红包打探想知道的消息,让话题、信息的分享更有价值。

据悉,王欣是快播创始人,也是互联网行业资深的产品经理,王欣对产品体验和技术的要求几近“偏执”,能帮助用户解决问题、为用户创造价值是他做产品至始至终的追求。

即便沉寂几年,重新开始创业依然获得了大批用户的支持和关注,重新归来的王欣也表示,希望陆续推出的产品,能够不负期待,被大家喜欢。

快播创始人王欣创办的云歌智能社交产品MT正式上线

当然,MT(马桶)上线后用户上涨很快,以至于超过了服务器的负载能力,对此,官方表示,现在产品正在扩容。

—————————————————

雷帝触网由资深媒体人雷建平创办,为头条签约作者,若转载请写明来源。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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