▲ 內(nèi)容預覽：

• 百度實現(xiàn)文本到語音的實時轉換

• Facebook 發(fā)布支持 90 種語言的預訓練詞向量

• 英偉達發(fā)布 GTX 1080 TI

  每日推薦閱讀：

• 高手實戰(zhàn)演練，十大機器學習時間序列預測難題

• 從零起步，基礎機器學習模型和算法的 Python 代碼實現(xiàn)

█ 百度 Deep Voice，實現(xiàn)文本到語音的實時轉換

雷鋒網(wǎng)消息，今日百度公開宣布了 Deep Voice，一個產(chǎn)品級的文本到語音轉換（ text-to-speech，TTS）系統(tǒng)。

該系統(tǒng)完全由深度神經(jīng)網(wǎng)絡搭建而成，最大的優(yōu)勢在于能夠滿足實時轉換的要求。在以前，音頻合成的速度往往非常慢，需要花費數(shù)分鐘到數(shù)小時不等的時間才能轉換幾秒的內(nèi)容，而現(xiàn)在，百度研究院已經(jīng)能實現(xiàn)實時合成，在同樣的 CPU 與 GPU 上，系統(tǒng)比起谷歌 DeepMind 在去年 9 月發(fā)布的原始音頻波形深度生成模型 WaveNet，要快上400倍。

但在目前，Deep Voice 需要借助一個音素模型與音頻合成組件的幫助。百度研發(fā)團隊希望在未來能夠?qū)崿F(xiàn)真正意義上的端到端（end-to-end）語音合成。

詳情：http://research.baidu.com/deep-voice-production-quality-text-speech-system-constructed-entirely-deep-neural-networks/

論文：https://arxiv.org/abs/1702.07825

█ Facebook 發(fā)布支持 90 種語言的預訓練詞向量

還記得 FastText 嗎？就是那個 Facebook 為大型數(shù)據(jù)庫文本處理發(fā)布的開源工具。今日，F(xiàn)astText 研究團隊在 GitHub 發(fā)布了他們的最新研究成果——使用維基百科訓練，并包括 90 種語言的 300 維詞向量；全都使用  FastText 的默認參數(shù)進行訓練。

FastText 團隊表示，希望各路開發(fā)者提供使用反饋。另外，一大波新模型即將發(fā)布，請關注雷鋒網(wǎng)的后續(xù)報道。

支持語言列表與下載地址：https://github.com/facebookresearch/fastText/blob/master/pretrained-vectors.md

█ 英偉達發(fā)布 GTX 1080 TI，性能趕超 Titan X

今日（當?shù)貢r間 28 日晚），英偉達在 GDC 大會上發(fā)布了 GTX 1080 TI。該顯卡仍采用帕斯卡 16 nm 制程工藝，熱設計功耗 250W，配備 11GB GDDR5X 顯存。英偉達表示其性能超過 GTX 1080 約 35%。這使得 GTX 1080 TI 與 Pasal Titan X 的性能不相上下，部分非公版型號甚至可能猶有過之。

另外，GTX 1080 TI 的公版外觀與 GTX 1080 一般無二。但英偉達在發(fā)布會上宣布，其公版散熱得到了改進，包括去掉 DVI 接口以增大顯卡出風口面積；使得在同等噪音水平下，相比 1080/1070 上的公版散熱，新方案效果提升約 5%。

GTX 1080 Ti 將于下周上市，售價僅為 699 美元（約合人民幣4808元），首批只有公版。美國銷售的 GTX 1080 已開始降價，據(jù)雷鋒網(wǎng)了解，多家零售商降幅達到 100 美元。

雖然 GTX 1080 TI 主打游戲市場，但對于深度學習開發(fā)者，只需花費泰坦一半多的價格就能買到相差無幾的計算性能，具有非常大的誘惑力。目前國行價格尚未公布，雷鋒網(wǎng)會繼續(xù)關注。

詳情：http://m.ozgbdpf.cn/news/201703/dv5c5cO4OvBe7brF.html

每日推薦閱讀

高手實戰(zhàn)演練，十大機器學習時間序列預測難題

這是我們的老熟人、澳大利亞機器學習專家 Jason Brownlee 最新整理的開發(fā)者實操練習。這是十道頗具挑戰(zhàn)性的時間序列預測問題。對于這十道難題，經(jīng)典的線性統(tǒng)計方法不足以進行解決，必須要用到高階機器學習方法。

這些難題均來自 Kaggle。

如果你想要來點能挑戰(zhàn)自己的高難度習題，提高處理時間序列數(shù)據(jù)集的能力，并演練機器學習技術——這十道題就是給你的。

地址：http://machinelearningmastery.com/challenging-machine-learning-time-series-forecasting-problems/

從零起步，基礎機器學習模型和算法的 Python 代碼實現(xiàn)

國外機器學習開發(fā)者 Erik Linder-Norén，把他創(chuàng)建多種機器學習模型所用的 Python 代碼，上傳到了 GitHub 與大家分享。一起來看看別人家的模型是什么樣的。當然，這些算法真的是從零起步，非?；A，對于新手有最大的參考價值。

Erik Linder-Norén 上傳的模型代碼包括決策樹、邏輯回歸、多層感知機、隨機森林、支持向量機等。

地址：https://github.com/eriklindernoren/ML-From-Scratch

相關文章：

Google Summer of Code 2017合作機構名單；英特爾 12 核 Skylake-X | AI 開發(fā)者頭條

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。