【ASUS ZenFone 7 翻轉鏡頭變大了！】
這次來聊聊華碩新旗艦 ASUS ZenFone 7 系列
#新片上架 #ZF7 #ZF7Pro
　
其實 ZenFone 7 和 ZenFone 7 Pro 差別真的有夠小
差別大概就是：
✔記憶體跟儲存空間不一樣
✔Pro 用高通 S865+ 5G 處理器
✔Pro 多了 OIS 光學防手震
　
除此之外兩隻就一模模一樣樣哩~
　
然後最近發現有「重大更新」
聽到這麼聳動的標題當然要給他更下去
也順便測了更新前後的 Ping 值
👉https://bit.ly/2GGO8lC
　
阿先列幾個優缺點
剩下的影片直接體驗給你看唄～
　
#ZenFone7Pro優點
・增加 DC 調光可以自由選擇啦！
・90Hz 的更新率卻有 200Hz 的採樣率
・實測下續航高達 12hr
・側邊指紋辨識 aka 智慧按鍵速度神快
・支援台灣完整 5G 頻段
・翻轉鏡頭功能多（歡迎敲碗技巧影片XD）
　
#ZenFone7Pro缺點
・真滴重！躺在床上滑手機千萬不能手滑 QQ
・一樣沒有防水和無線充電
・臉部辨識不夠即時啦！（放桌上還不能用勒）
・鏡頭翻轉機械聲大
・HDR 暗部細節較不細緻（但對比很高！）
　
　
　
::: ASUS ZenFone 7 Pro :::
處理器：Qualcomm Snapdragon 865+ 5G 八核心處理器
作業系統：ZenUI 7（基於 Android 10 ）
　
螢幕面板：6.67 吋 20 : 9 AMOLED（by Samsung）
螢幕占比：92% 螢幕占比
螢幕色域：105% NTSC 色域 / 支援 110 ％ DCI-P3
色彩精準度：Delta-E<1
最大亮度：1000nits
螢幕更新頻率：90Hz
螢幕採樣頻率：200Hz
反應時間：1ms
螢幕解析度：2,400 x 1,080（FHD+）
　
電池容量：5,000mAh（支援 30W QC4.0、PD 3.0）
SIM 卡：雙卡雙待 5G + 4G Nano SIM
支援訊號：Wi-Fi 6、NFC、藍牙 V5.1
　
翻轉鏡頭：
1. 6,400 萬畫素廣角鏡頭 f/1.8（Sony IMX686）
2. 1,200 萬畫素超廣角鏡頭 f/2.2（Sony IMX363）
3. 800 萬畫素望遠鏡頭 f/2.4
　
顏色：宇曜黑、煥彩白
建議售價：NT$27,990
　
#華碩 #ASUS #ZenFone7 #ZenFone7Pro #5G手機 #旗艦手機 #S865Plus #翻轉鏡頭 #旋轉鏡頭 #2020手機推薦 #Ping測試 #延遲測試 #5G頻段 #智慧按鍵 #DC調光 #90Hz螢幕更新率 #200Hz螢幕採樣率

【#威剛(3260) - 全球第四大記憶體模組廠】
　
◎ 威剛為全球第四大記憶體模組廠，客戶以大型筆電品牌廠為主：
根據集邦科技2019年9月報告顯示，威剛為世界第四大的記憶體模組廠，於公司擅尤的高ASP的SSD市場更是第二大的龍頭廠商（附件一），客戶以華碩、精英等傳統大型筆電廠商為主，隨著工控、電競、車電等需求開出，威剛也積極開發新解決方案。
　
◎ 2019年產業低潮下，NAND FLASH業務產值逆勢成長，帶動毛利表現 ：
威剛2019年整體營收雖因產業因素下降，但NAND FLASH與其他的產值卻逆勢增加22億，營收占比則增加17.53%（附件二），主要原因是2018年NAND FLASH廠商就開始消庫存（附件三），使得2019年NAND FLASH與DRAM相比庫存水位較低，加上6月東芝的跳電事件和7月日韓貿易戰延燒，推動了NAND FLASH現貨價反彈（附件四），使得NAND FLASH跌幅相比於DRAM較快收斂，加上威剛於工控、電競領域的利基型產品持續獲客戶肯定，量能開出一併改善毛利表現，全年毛利率11%（附件五），高於前年的6.1%，稅後淨利也翻正。
　
◎ 2020年第一季表現亮眼，毛利率高達23.8%，受惠於伺服器需求：
第一季營收達71.85億元，YoY+12.1%，毛利率23.8%，創下歷史新高，單季EPS 2.06元，已高於去年全年EPS，主要原因是組裝廠商復工後，大舉向中上游零組件拉貨，使得2、3月市況優於預期，加上疫情影響下，遠端辦公、遠端教學的需求帶動伺服器、筆電、PC的需求。（附件六）
　
◎ CPU規格升級推升SSD搭載容量，帶動威剛銷量成長：
在2019上半年SSD價格急跌之下，SSD成本與傳統固態硬碟價差縮小，筆電廠紛紛導入SSD，使得威剛自2019年Q3起即受到品牌廠強力的拉貨；後續原廠持續擴大出產的QLC NAND相比於傳統SSD所使用的TLC的成本來的更低，模組廠方面也積極導入96層3D NAND架構來提高儲存單元堆疊的密度以降低單位GB的生產成本，在原料和架構改善下，SSD的生產成本將持續降低，故搭配SSD已為筆電業不可逆的趨勢，且因應筆電CPU升級，主流品牌廠搭載的SSD容量提升至512 GB，成長了一倍，威剛身為全球第二大SSD廠商，將持續受惠於這波SSD的成長潮。
　
◎ FLASH工控領域進入門檻高，威剛獨創技術 - A+SLC：
工控市場相較於目前主流的消費型市場而言，其需求是相對穩定的，年複合成長率維持6%左右，毛利率維持高檔，相對於記憶體其他子應用類別來說，也不太受產業循環的壓力，然而工控模組的進入門檻高，而其中FLASH因爲有分SLC/MLC/3D TLC不同存取可靠性的類別，相比來說DRAM模組在不同材料上並無明顯的存取可靠性差別，因此廠商進入工控FLASH須開發的衍生技術較多，進入門檻更高，但同時在工控領域中FLASH的運用比例也遠高於DRAM，促使各家模組廠開發的重心都放在高毛利的工控FLASH模組身上。
　
威剛雖然不是工控模組的先行者，但在近三年內也將工控必備的核心技術開發完畢，於穩定性、強固性、安全性的技術開發已追上宇瞻、宜鼎等工控大廠，而讓威剛於工控領域佔有一席之地的核心技術乃其獨創的「A+SLC」技術。（附件七）
　
◎ A+SLC - 較低價格但具高可靠度的工控Flash選擇：
隨著製程朝提升SSD容量方向發展，攸關可靠度的「寫入/抹除次數」(P/E cycles)也隨著製程的演進而減少，對於需要小容量但高可靠度的工業型應用而言，便只能選擇相對TLC/MLC昂貴許多的SLC產品；威剛的「A+ SLC」技術透過韌體管理，結合快閃記憶體篩選技術，實現一種特性相似於SLC的MLC衍生品，具有最高30000 P/E cycles的可靠度，為MLC的10倍次數，具備優越安全性同時具有價格與MLC相當的特性，目前威剛於3D TLC領域也導入此項技術，這項獨門技術除了提升中階規模工控客戶的購買意願外，最大幫助在於：由於記憶體的產業景氣受到原廠晶圓價格變動影響，對於進入景氣循環低潮的模組廠來說，公司可以避免因過產高成本但低售價的SLC模組而拖累盈利表現，並幫助威剛優化「成本管控」。
　
唯須觀察的是，工控龍頭的宇瞻也同時在開發相似的技術，其在2D領域推出的SLC-lite技術可以提升至最高20000 P/E cycles，仍遜威剛A+SLC技術10000 P/E cycles，然而在去年8月發表的SLC-liteX技術，與A+SLC同樣是優化TLC的衍生技術，號稱能同時減少86%的成本（與SLC相比）並一樣維持30000 P/E cycles的高可靠度表現，十足為威剛於工控利基的一大威脅。
　
◎ XPG為業界最具全面性的電競硬體品牌，具有超頻技術優勢：
威剛於2008年成立電競品牌XPG，一開始以電競記憶體、固態硬碟切入，後跨足周邊商品如電競耳機、遊戲機外殼、改裝套件後，才於今年初跨入電競筆電、顯示器的核心硬體，XPG優勢在於能提供玩家全套硬體的原廠改組，實為業界最全面性的電競硬體品牌，與學界合作的部分，XPG於2018年成立「極限超頻實驗室」並投入極限頻率特性研究，目前超頻紀錄維持第六（附件八），跑分上僅略輸於美光、華碩、芝奇、微星等電競硬體的大廠；相比於國內模組廠，威剛於超頻記憶體的技術具絕對優勢，有利於吃下高ASP的電競超頻記憶體模組訂單。
　
◎ 自有品牌 XPG 推出第一款電競筆電，定位中高階消費族群：
威剛旗下電競品牌XPG與英特爾合作推出搭載英特爾第九代Core處理器的15.6吋XPG XENIA電競筆電，分為RTX/GTX型號，RTX價格最高為2199美元，而GTX型號的價格為1699美元，配備皆屬市面旗艦款，定位中高階消費族群，以應對PC市場衰退的態勢。
　
◎ 車電產品打入美日大型車廠供應鏈，下一步往新興市場開發：
2018年底威剛延攬台灣車電控制元件（ECU）領導廠商永盛車電核心團隊，成立「威剛車電事業中心」，跳脫本業以研發終端車電產品為目的，並針對新興市場做客製化需求，目前車用儲存裝置及人車介面裝置成功打入美、日、韓等大型車廠的合格供應商行列；威剛下一步瞄準動力系統、駕駛輔助系統（ADAS）的商機，2020年隨著新車ADAS搭載率超過6成，車電事業部最快於下半年對營收產生貢獻。
　
◎ 運彩業衰退為業外風險：
威剛持股台灣運彩47%，受到新冠疫情影響，3月中因NBA球星連續確診，宣布無限期延賽、義甲足球賽取消，東京奧運延期，運動彩券3月起面臨沒有賽事可投注的窘境，而依運彩過去銷售紀錄，美國職籃投注金占銷售總額五成，運彩經銷商公會預估2020年運彩銷售額減至5成，連帶影響威剛業外損益。
　
◎ 小結：
展望2020年，上半年受惠於遠端（Telecommute）需求帶動伺服器、筆電品牌廠拉貨力道強勁，加上DRAM、SSD第一季報價轉好，助於威剛擺脫前季的低毛利表現；下半年隨市場預估疫情進入穩定期，電競、工控、車電等利基型產品放量將續帶動威剛成長。
　
◎ 補充：
使用豹投資PRO，可以清楚地看到圖表化的財務報表，其中個股頁面中有提供三種分析功能，財務、籌碼及技術分析，而從財務分析的營運概況能發現，威剛如前面內容所述，2019年的營收因為產業因素而陷入衰退，不過今年在疫情過後，受惠組裝廠復工的大幅拉貨、加上遠距的需求，2、3月營收優於預期、開始成長，全年營運表現仍值得期待。（附件九）
　
（附註資料補充在下圖）
　
👉更多威剛的個股資訊：https://pse.is/SMDWE
　
👉想知道更多威剛的消息，可持續追蹤豹新聞：https://pse.is/RH55R
　
🎯專業的台股投資工具，開放免費試用30天！
→ 立即申請試用豹投資PRO：https://vip.above.tw/vip

AI 將可快速分離人聲、各式樂器等音源，Facebook 開源 Demucs 計畫

作者 雷鋒網 | 發布日期 2020 年 03 月 11 日 10:59 |

音樂源分離，是利用技術將一首歌曲分解成它的組成成分，如人聲、低音和鼓，這和人類大腦的工作很類似，大腦可以將一個單獨的對話，從周圍的噪音和一屋子的人聊天中分離出來。

如果你擁有原始的錄音室多軌錄音，這很容易實現，你只需調整混音來分離一個音軌，但是，如果你從一個普通 MP3 檔案開始，所有的樂器和聲音都被混合到一個立體聲錄音中，即使是最複雜的軟體程式也很難精確地挑出一個部分。

Facebook AI 的研究人員已經開發了一個系統，可以做到這一點──精確度高得驚人。

創建者名叫亞歷山大‧笛福茲（Alexandre Defossez），是 Facebook 人工智慧巴黎實驗室的科學家。笛福茲的系統被稱為 Demucs，這個名字來源於「音樂資源深度提取器」，其工作原理是檢測聲波中的複雜模式，對每種樂器或聲音的波形模式建立一個高層次的理解，然後利用人工智慧將它們巧妙地分離。

笛福茲說，像 Demucs 這樣的技術，不僅能幫助音樂家學習複雜的吉他即興重複段落，總有一天，它還能讓人工智慧助理在嘈雜的房間裡更容易聽到語音指令。笛福茲說，他的目標是讓人工智慧系統擅長辨識音頻源的組成部分，就像它們現在可以在一張照片中準確地區分不同的物體一樣。「我們在音頻方面還沒有達到同樣的水平。」他說。

分解聲波的更好方法

聲源分離長期以來一直吸引著科學家。1953 年，英國認知科學家科林‧切爾瑞（Colin Cherry）創造了「雞尾酒會效應」這個詞語，用來描述人類在擁擠嘈雜的房間裡專注於一次談話的能力。

工程師們首先試圖透過調整立體聲錄音中的左右聲道，或調整均衡器設置來提高或降低某些頻率，進而隔離歌曲的人聲或吉他聲。

基於聲譜圖的人工智慧系統，在分離出以單一頻率響起或共振的樂器的音符方面相對有效，例如鋼琴或小提琴旋律。

這些旋律在聲譜圖上顯示為清晰、連續的水平線，但是隔離那些產生殘餘噪音的撞擊聲，比如鼓、低音拍擊，是一項非常艱鉅的任務。鼓點感覺像一個單一的、即時的整體事件，但它實際上包含了不同的部分。對於鼓來說，它包括覆蓋較高頻率範圍的初始撞擊，隨後是在較低頻率範圍內的無音高衰減。笛福茲說，一般的小鼓「就頻率而言，到處都是」。

聲譜圖只能將聲波表現為時間和頻率的組合，無法捕捉到這樣的細微差別。因此，他們將鼓點或拍子低音處理成幾條不連續的垂直線，而不是一個整齊、無縫的聲音。這就是為什麼透過聲譜圖分離出來的鼓和低音軌道，聽起來常常是模糊不清的。

夠聰明的系統來重建缺失

基於人工智慧的波形模型避免了這些問題，因為它們不試圖將一首歌放到時間和頻率的僵化結構中。笛福茲解釋，波形模型的工作方式與電腦視覺相似，電腦視覺是人工智慧的研究領域，旨在讓電腦學會從數位圖像中辨識模式，進而獲得對視覺世界的高級理解。

電腦視覺使用神經網路來檢測基本模式──類似於在圖像中發現角落和邊緣──然後推斷更高級或更複雜的模式。「波形模型的工作方式非常相似」，笛福茲說。他解釋了波形模型如何需要幾秒鐘來適應歌曲中的突出頻率──人聲、低音、鼓或吉他──並為每一個元素生成單獨的波形。然後，它開始推斷更高比例的結構，以增加細微差別，並精細雕刻每個波形。

笛福茲說，他的系統也可以比做探測和記錄地震的地震儀。地震時，地動儀的底座會移動，但懸掛在上面的重物不會移動，這使得附著在重物上的筆可以畫出記錄地面運動的波形。人工智慧模型可以探測到同時發生的幾個不同地震，然後推斷出每個地震的震級和強度的細節。同樣，笛福茲的系統分析並分離出一首歌曲的本來面目，而不是根據預先設定的聲譜圖結構來分割它。

笛福茲解釋，構建這個系統需要克服一系列複雜的技術挑戰。他首先使用了 Wave-U-Net 的底層架構，這是一個為音樂源分離開發的早期人工智慧波形模型。然後他還有很多工作要做，因為聲譜圖模型的表現優於 Wave-U-Net。他透過添加線性單元來微調波形網路中分析模式的演算法參數。笛福茲還增加了長短期記憶，這種結構允許網路處理整個數據序列，如一段音樂或一段視頻，而不僅是一個數據點，如圖像。笛福茲還提高了 Wave-U-Net 的速度和記憶體使用率。

這些修改幫助 Demucs 在一些重要方面勝過 Wave-U-Net，比如它如何處理一種聲音壓倒另一種聲音的問題。「你可以想像一架飛機起飛，引擎噪音會淹沒一個人的聲音」，笛福茲說。

以前的波形模型，透過簡單地移除原始音頻源文件的一部分來處理這個問題，但是它們不能重建丟失材料的重要部分。笛福茲增強了 Demucs 解碼器的能力，「Demucs 可以重新創建它認為存在但卻迷失在混音中的音頻​​」，這意味著他的模型可以重新合成可能被響亮的鐃鈸聲影響而遺失的柔和鋼琴音符，因為它理解應該呈現什麼樣的聲音。

這種重構和分離的能力使 Demucs 比其他波形模型有優勢。笛福茲說，Demucs 已經與最好的波形技術相匹配，並且「遠遠超出」最先進的聲譜技術。

在盲聽測試中，38 名參與者從 50 首測試曲目中隨機抽取 8 秒鐘進行聽音，這 50 首曲目由 3 個模型分開：Demucs、領先波形、頻譜圖技術。聽眾認為 Demucs 在品質和無偽影（如背景噪音或失真）方面表現最佳。

Demucs 已經引起了人工智慧愛好者的興趣，精通技術的讀者可以從 GitHub 下載 Demucs 的代碼，代碼用 MusDB 數據集來分離音樂源。

笛福茲解釋，隨著 Demucs 的發展，它將為人們在家中創作音樂的數位音頻工作站帶來聲音的真實性。這些工作站提供了能夠喚起特定時代或風格的合成儀器，通常需要對原始硬體進行大量的數位化改造。

想像一下，如果音樂源分離技術能夠完美地捕捉 20 世紀 50 年代搖滾歌曲中用電子管放大器演奏的老式空心電吉他的聲音，Demucs 讓音樂愛好者和音樂家離這個能力更近了一步。

資料來源：https://technews.tw/2020/03/11/using-ai-for-music-source-separation/?fbclid=IwAR1C-0LhFNEkIFUg9QS3xRQK8VKeqKIkPEx9kh7QdGamcsCfUViwyeXyqXg