现在在微信群或者QQ群里，经常能看到很多小伙伴发一些一秒语音，但点开之后，实际上是一段音乐，这些音乐都是比较火的DJ或者抖音歌曲，很能活跃气氛。
  
那么这些语音都是怎么操作出来的呢？其实很简单，今天我就教大家最简单的方式。大家也可以加我Q ，2510720380 。
  
首先需要安装一个小插件，市面上有好几种是免费的，但很不好用，特别难安装，而且容易被封。今天我推荐的小插件，简单易用，
  
下载完包括很多歌曲也都已经包含在里面了，无需另外安装。
  
小插件装完，如下会悬浮在聊天窗口，我们点击它：
  

  
第二步，选择里面的歌曲，插件本身已经有各种dj及抖音红曲，并且会保持一直更新：
  

  
第三步，在微信聊天界面，点击语音按钮，大概一秒左右会看到提示语“替换成功”，这时候松开，即可发送一秒或两秒语音了：
  

  
至此，发送成功，是不是很简单呢，如果对微信一秒语音感兴趣的，可以看我昵称，加我Q，2510720380。谢谢大家！
  

 
 

秒聚是由深圳秒聚科技有限公司开发的一款智能终端上使用的即时通讯服务类的免费应用程序，是针对企、事业单位、商务人士的沟通和交流方面的巨大需求，专门打造的一个商务即时通信平台。
 
   秒聚融合了即时消息、语音、视频、文件传输与管理、群组、广播等多种社交方式，以沟通交流为核心、以组织管理为基础、以商务协作为应用，实现“随时、随地、随身”的交流，“可管、可控、可表”的管理，“一站式、全方位”的应用。
 
    秒聚支持跨通信运营商、跨操作系统平台的沟通，同时，以商务人士为核心用户，组织管理为设计基础，以插件的形式提供开发接口，可以实现通过共享流媒体内容的资料和基于位置的各种社交插件，如“分类页面”、“分组群管理”、“商务管理”、“营销管理”、“活动管理”等特色功能。
 
    在国家大众创业、万众创新的大环境下，秒聚致力于打造中国最大的商务社交平台、为广大创业者和商务人士提供方便、快捷、有效的沟通交流平台。
 
    秒聚致力于成为中国商务社交平台的领导者我们将以“精于心、简于形”的研发理念，“分享、协作、成长”的团队文化，凭借深厚的行业经验、精湛的专业技术，卓越的服务能力和持续的创新能力，充分运用自身优势，与合作伙伴携手，帮助商务人士应对快速变化的商业挑战。
 
     Facebook，Linkedin，Twitter，微博，微信，陌陌，Pinterest……这些红极一时的社交产品，曾经深刻的改变了世界。随着脉脉、钉钉等垂直型的社交产品进一步崛起。微博、微信这样的通用社交产品的力量正在渐渐削弱。 
 
那么，下一波移动互联网社交产品的风口在哪里？ 
 
微信引领生活社交，秒聚引领商务社交
 
社交产品的垂直市场：
 
    生活类社交：微信
 
    职场类社交：脉脉
 
    工作类社交：钉钉
 
    商务类社交：秒聚
 
我们的优势
 
秒聚，为商务社交而生
 
商务社交：基于LBS的商务社交应用在现实中每天都发生
 
覆盖面：应用覆盖范围包括商务社交场景的方方面面
 
实用性:解决了微信上许多商务功能的使用麻烦，加强了社交互动
 
拓展性: 以插件形式作为功能扩展的接口，实现诸多商务应用功能
 
商业价值:聚朋友、聚客户、聚人脉、聚商机、聚店铺、聚产品

 
 
雷锋网按：本文为 AI 研习社编译的技术博客，原标题 Ready-to-Use Deep-Learning Models，作者为 Patrick Titzler。 
 
 
翻译 | 老周     整理 | MY 
 
 
您是否想过对图像进行分类、识别图像中的人脸或位置、处理自然语言或文本，或者根据应用程序中的时间序列数据创建推荐? 通过深度学习（使用深度神经网络的机器学习），你可以做到这一点，甚至超出你期望。 
 
 
 
工作中的目标识别。照片来源于 Unsplash 网站（Alexis Chloe 提供）https://unsplash.com/photos/dD75iU5UAU4  
 
 
为了将深度学习应用到您的数据（文本、图像、视频、音频等）中，您需要一个预先训练好的模型、一个运行时环境、数据清洗，特征转换，以及后期逻辑处理转换模型，以便得到期望的结果。 
 
 
让我们简单地看一看如果您要使用深度学习模型通常需要完成的步骤： 
 
 
获得一个适合你需要的训练有素的深度学习模式。深度学习模型往往（非常）庞大和（非常）复杂，有些模型甚至还没有被很好地理解。训练这些模型通常需要时间和资源，需要大量的数据和大量的机器学习专业知识，以及诸如 TensorFlow、Caffe、PyTorch 或 Keras 等框架的知识。 
 
 
ETL 过程：实现预处理输入的包装器代码，调用框架以生成模型输出并将输出转换为适合应用程序的格式。 
 
 
 
预训练的模型+包装器= 深度学习应用使用前提准备 
 
 
为了让您和我这样的开发人员简化这个过程，我们设置了模型资产交换 Model Asset Exchange（MAX）。 IBM Code Model Asset Exchange (MAX) 是一站式交流平台，开发人员可在此查找和使用免费的开源深度学习模型，它提供使得经过良好测试的机器学习与深度学习模型供大家免费使用。 
 
 
如果您在本地计算机上安装了 Docker（或者可以将 docker 容器部署到云端），您将在不到五分钟的时间内运行基本的即用型深度学习服务。 
 
 
注意：模型资产存储库还包括一个用于部署到 Kubernetes 的启动器配置文件。 
 
 
入门 
 
 
从 MAX 网站中选择所需的模型，克隆引用的 GitHub 存储库（它包含您需要的所有内容），构建并运行 Docker 映像。 
 
 
注意：Docker 镜像也在 Docker Hub 上发布。 
 
 
例如，如果您想用标题注释图像，描述可视化的内容，请选择图像标记模型并在终端窗口中运行以下命令: 
 
 
 
容器运行后，您可以使用公开的 REST API 来探索 Swagger 规范或使用该模型。 
 
 
 
Docker 容器提供了从 Model Asset Exchange 探索和使用深度学习模型所需的所有功能。 
 
 
在您的 web 浏览器中打开下面这个链接：http://localhost:5000 ，来访问 Swagger 规范并查看可用的 API 端点。请注意，API 端口号因型号而异; 例如 一些 Docker 镜像可能会暴露训练的端口号，而有些则不会。 
 
 
 
注意：服务隐藏了很多复杂性。对于初学者来说，您不必精通用于在模型上操作的框架。您也不必将输入转换为框架理解的内容，或者将模型输出转换为应用程序友好的格式。 
 
 
初步使用 API  
 
 
测试驱动服务的最快方法是通过生成的 Swagger UI。提供请求的输入（在此示例中为图像的位置）并发送预测请求： 
 
 
 
使用 Swagger UI 运行一个快速测试。注意本例中的低概率;生成的图像标题可能不能准确地反映图像内容。 
 
 
或者， 
 
 
...... 
 
 
想要继续阅读，请移步至我们的AI研习社社区：https://club.leiphone.com/page/TextTranslation/804 
 
 
更多精彩内容尽在 AI 研习社。 
 
 
不同领域包括计算机视觉，语音语义，区块链，自动驾驶，数据挖掘，智能控制，编程语言等每日更新。 
 
 
雷锋网(公众号：雷锋网)雷锋网(公众号：雷锋网)(公众号：雷锋网) 
 

 
近期，央视《机智过人》的舞台上来了位“三超设计师”——设计能力超强；出图能力超快；抗压能力超强，成功迷惑嘉宾和现场观众，更让撒贝宁出错三连。
 
节目一开场，这位“设计师”就为现场嘉宾：主持人撒贝宁、演员韩雪、神经科学家鲁白生成了三张独具特色的海报。几乎是说话的瞬间，海报立即生成，出图速度之快让撒贝宁惊呼“秒完”。
 


 

  
  
鹿班为现场嘉宾设计的海报
 
 


 
这位设计师正是阿里巴巴研制的AI设计师——鹿班。鹿班是为解放人类平面设计师而生，它学习了五百万张人类设计作品，现在它每秒能做八千次设计。自从2016年上线至今，鹿班已经完成了十亿次海报制作，是全球首位大规模投入使用的人工智能平面设计师。
 
节目中，鹿班将接受设计领域的两轮检验，如果鹿班的作品被现场观众成功找出，则认为鹿班通过检验。究竟AI能否在设计领域达到人类水平？接下来，我们一起走进检验场。
 
第一轮挑战中，鹿班与一次成稿率在80%以上的设计师、从业十二年的资深设计师等三位同台竞技，各自设计一张以“汽车卓越加速性能”为主题的商业海报。下图即四位设计师的设计成图，大家不妨来猜一猜哪幅是鹿班的作品。
 


 

  
  

 
 


 
根据现场观众投票，多数观众认为4号作品出自鹿班之手。让观众出乎意料的是2号才是鹿班的创作，这个结果让神经学家鲁白大呼“不服气”。
 
不信？眼见为实！
 
接下来，战况升级。中央美术学院院长范迪安教授带来画家与服装设计师来和鹿班同台创作，为《孙子兵法》这本书设计封面。
 
面对设计难度升级，鹿班能否成功应对？我们马上揭晓鹿班和两位人类设计师为《孙子兵法》设计的封面的作品：
 


 

  
  

 
 


 
以上图片中有三幅作品，其中哪一张是鹿班的设计？到底观众们有没有猜对？不急，我们先请阿里巴巴资深技术专家星瞳为我们揭秘鹿班背后的技术。
 
使用场景
 
视觉生成引擎的使用场景大致可抽象成下图。以显式输入而言，用户可以输入标签需要的风格、色彩、构图等，或者输入一个例子，或者进行一些交互的输入。除显式输入之外还可以有隐式输入，比如人群信息、场景信息、上下文信息等。总的来说，输入可以是千变万化的，但通过规范化之后就会减少变化，使得生成过程可控，输出质量可控。
 


 

  
  

 
 


 
对视觉生成引擎来说，它要求输入是规范化的。但在输入前，可以加入各种交互方式，如自然语言处理，语音识别等，将其转化成规范化输入。最后输出结构化信息或可视成图。
 


 

  
  

 
 


 
技术框架和生产流程
 
其技术框架如下图左侧。首先对视觉内容进行结构化理解，如分类、量化、特征化。其次通过一系列学习、决策变成满足用户需求的结构化信息即数据，最后将数据转化成可视的图像或视频。这一框架依赖于大量的现有数据。其核心是一个设计内核。同时，引入效用循环，利用使用后的反馈来不断迭代和改进系统。
 
其生产流程分成六个步骤，如下图右侧所示。首先用户提出需求，将需求特征化转变成系统可以理解的结构化信息。其次将信息进行规划得到草图。有了粗略的草图后再将其转变成相对更精确的图，然后调整细节，最后通过数据可视化形成最终的图。当然其中还有很多的trick，以及各部分的优化。
 


 

  
  

 
 


 
关键算法
 
下面介绍一些关键算法。我们希望基于下图最左的耐克鞋生成最右的图。先通过规划器得到草图，再通过强化学习获得相对细致的结果，再通过对抗学习及渲染算法得到图片，再通过评估器进行评估，最后形成业务闭环，其中还会有一些基础的能力，包含更强的联合特征（非普通 CNN特征）及多维度检索算法等。
 


 

  
  

 
 


 
 基本上，处理的第一步是将图片中的信息结构化，这也是与现有的识别理解技术结合最紧密的地方。其中的难点和重点包括，对图像中多目标的识别、遮挡和互包含情况如何得到分割的信息等，下图只是个简单的示例。
 


 

  
  

 
 


 
有了结构化信息之后，需要对信息进行量化。可以量化成特征或量化图。量化过程中会包含很多信息，比如主题风格、布局配色、元素种类、量化空间等。有了这些信息后可以在主题、种类、风格、视觉特征大小位置上，量化成各种码，用相对有限的特征来表达无限的图。
 


 

  
  

 
 


 
 下一步是通过用户的输入，得到一个相对粗略的结果即草图。目前主要使用的是深度序列学习。从图像角度，首先选定一个点的像素颜色再选择位置，再迭代进行操作，最后形成一张图。规划器模拟的就是这个过程。本质上预测过程是一棵树，当然也可以拆成一条条路径。为了简化，可以分成几步进行，比如空间序列，视觉序列。最后形成量化特征模型，主要应用的是LSTM模型。它把设计的过程转化成基于递归、循环的过程。
 


 

  
  

 
 


 
 得到草图后，利用行动器将草图细化。如果将图中的每个元素看作一个Agent，那么它将有若干个可选的行动空间。
 


 

  
  

 
 


 
 假设一张图中有20个元素，每个元素在视觉上有多种可选的行动空间，由其组合成的可选行动空间非常庞大。我们有很多trick可以解决这一问题，比如在空间上，只允许在有限范围内进行变动，且行动方向有序，即状态有序，行动有限。
 


 

  
  

 
 


 
下一步是如何衡量结果的好坏。图像的评估相对比较主观，主要可以从美学和效果两方面来评估。美学角度可以包括是否对齐、色系搭配是否合理、有无遮挡这些较低级别的判断标准，以及较高级的，比如风格是否一致，是否切合主题。从效果上，产品投放后是否会在点击率等方面实现提升。最后将多个指标形成对应权重并形成多个DeepLR联合模型。
 


 

  
  

 
 


 
 但在衡量结果之前，需要形成像素级别可见的图。这里有以下几种构造器分类，包括临摹、迁移、创造、搭配与生成。
 

  
  

 
 


 
 前面介绍了，如何通过用户的需求形成可见的图。后续还需要进行投放和反馈并进行优化，形成效用外循环。这样才能使得系统效用不断得到提升，形成一个在线闭环，这也是智能设计相对设计师的一大优势。
 

  
  

 
 
从技术角度来说，鹿班可以满足海量无选择客户的需求。相信在未来，可以做到“所想，即所见”。节目的最后，撒贝宁、韩雪、鲁白纷纷为鹿班站台，鹿班也因此成功入选 “2018智能先锋”。
 
最后，为大家揭秘鹿班的设计作品以及另外两位设计师的设计思路：