為什麼這篇雙向 AI 降 噪 PTT鄉民發文收入到精華區：因為在雙向 AI 降 噪 PTT這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者heyhair87 (7777777起來)看板PC_Shopping標題[閒聊] msi 和 a...
雙向 AI 降 噪 PTT 在 樂樂㋡ Instagram 的最讚貼文
2020-05-11 01:19:33
⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀ 許多人出國常常煩惱語言不通怎麼辦? 我會英文阿，但是英文程度不好怕表達不好造成誤解怎麼辦? ⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀ 不用擔心!!!現在科技日新月異，有了口袋翻譯機完全不是問題! 這次沖繩行就帶上人因雲端工程翻譯機來突破語言障礙! ⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀ 1️⃣可翻譯41...
msi 的
https://www.msi.com/news/detail/806379e230b4283d02e676e99f730621
http://i.imgur.com/3u9MTpU.jpg
目前到六月底都免費試用中
不知道之後是買新機送軟體還是會下放到現有的筆電
剛剛隨手試了一下還挺不錯的
感覺比 RTX 消的更乾淨聲音也比較自然
asus 的
https://www.asus.com/Motherboards/ROG-STRIX-B550-E-GAMING/
http://i.imgur.com/7LnQand.jpg
看起來是買他們新出的 B550 主板隨附的樣子？而且還主打效能 不會吃掉太多 FPS
有點針對 RTX 的感覺阿 XD
看來之後這種通話降噪軟體會變成各大廠趨勢!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 39.12.198.78 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/PC_Shopping/M.1590239406.A.C85.html
推 robin80829 : 其實都是用訓練好的結果？ 05/23 21:15
msi網站有介紹的樣子 應該廠商訓練完 model包給user用啦xD推 Lightten : 怎麼可能在用戶端訓練啦XD 05/23 21:31
→ kimula01 : 感覺是用軟體演算法過慮掉人聲之外的波形吧 05/23 21:32
→ dieorrun : RTX剛使用第一次出現噪音是濾不掉的 幾次之後才會 05/23 21:33
不好說 可是要學習光靠一般cpu應該跑不動吧 感覺這只是model沒有認好？→ dieorrun : 消除那些噪音 還是有認人聲波形的學習在? 05/23 21:34
※ 編輯: heyhair87 (39.12.198.78 臺灣), 05/23/2020 21:39:43※ 編輯: heyhair87 (39.12.198.78 臺灣), 05/23/2020 21:41:10
→ kimula01 : 可能前幾次要學習你的聲音波型吧 就跟那個臘雞SIRI 05/23 21:52
→ kimula01 : 一樣 拿起手機喊一下哈囉SIRI 整間辦公室I鳳都在回 05/23 21:53
→ summer08818 : cpu也可以訓練只是要跑很久 不關機他默默背景跑也行 05/23 21:53
推 jt851113 : 在client偷train應該是不太可能 估計一樣是deploy 05/23 23:32
我也覺得應該是這樣 偷train的話那個cpu usage一直100%會讓user很不爽吧→ jt851113 : 預訓練好的model 05/23 23:32
※ 編輯: heyhair87 (39.12.198.78 臺灣), 05/24/2020 01:43:35推 jim68126812 : 以後可能有機會連周圍閒雜人等的聲音一起濾掉 05/24 03:16
推 leftless : 偷錄data回傳的可行性都比你在背景偷跑訓練高 05/24 03:53
→ GoGoJoe : 降噪在沒有ai之前 是比對左右聲道把雜訊去除 05/24 17:15
推 SamZJ : 不知道570舊版可不可以支援 05/24 17:16
推 atrix : 這是機器學習領域中簡單的預訓練， 05/24 19:26
→ atrix : 一個model可以視為網路模型架構與架構上各節點的參 05/24 19:26
→ atrix : 數， 05/24 19:26
→ atrix : 架構都是一樣的，但參數會越訓練越收斂(無論是好的 05/24 19:27
→ atrix : 收斂還是壞收斂 05/24 19:27
→ atrix : =過度擬合)， 05/24 19:27
→ atrix : 網路是一次一次一次訓練出來的， 05/24 19:27
→ atrix : 你可以每次都用一樣的資料訓練參數， 05/24 19:27
→ atrix : 也可以用不一樣的資料， 05/24 19:27
→ atrix : 預先用大範圍資料訓練使得各參數收斂到較準確的範圍 05/24 19:27
→ atrix : (這通常耗掉大部分計算)， 05/24 19:27
→ atrix : 然後再用一點資料再訓練一次， 05/24 19:27
→ atrix : 做得好分類就會很準確。 05/24 19:27
→ atrix : 。 05/24 19:33
→ atrix : 例如一個空model訓練兩個男聲， 05/24 19:33
→ atrix : 準確率可能30%， 05/24 19:33
→ atrix : 這時先拿空model用1000種聲音訓練， 05/24 19:33
→ atrix : 再把用1000種訓練過的model節點參數， 05/24 19:33
→ atrix : 再用訓練兩個男聲的資料訓練， 05/24 19:33
→ atrix : 有很高機率大幅提升準確率。 05/24 19:33
→ commandoEX : 簡單來說就是A/S 已經幫你做了99%的工作，在自己的 05/24 19:49
→ commandoEX : 電腦上完成個人化的那1%，可以這樣理解? 05/24 19:49
→ heyhair87 : 我覺得應該說 廠商幫忙訓練好一個已經會認出人聲/非 05/24 20:27
→ heyhair87 : 人聲的model 05/24 20:27
→ heyhair87 : 再把這個model給client用 只是在client端的電腦要跑 05/24 20:27
→ heyhair87 : 這個model需要耗一些cpu做運算 這樣子吧 05/24 20:27
→ DarenR : 明明就是hi siri，什麼哈囉siri… 05/25 07:28
其實正確的是 hey siri XD※ 編輯: heyhair87 (39.12.198.78 臺灣), 05/25/2020 21:36:39