人工智能在音频、视觉、多模态领域的应用

人工智能在音频、视觉、多模态领域的应用

什么是多模态

随着 ChatGPT 问世之后掀起的人工智能热潮，渐渐一些科幻电影里面的情节，现实都在一步步发生。

• Neuralink 的脑机接口帮助瘫痪人群重获行动能力。
• 全球各大汽车厂商的智能驾驶。
• 智能机器人。

为什么要学习人工智能在音频、视觉、多模态领域的应用

1. 在针对人工智能产品测试过程中需要模拟大量的测试数据，这个过程，也可以通过人工智能结合多模态完成。
2. 在短视频爆炸的时代，可以使用人工智能相关的技术完成视频、音频、文本的处理与剪辑，完成副业。

学习体系

在人工智能与多模态的应用学习中，主要也分为多个阶段。循序渐进进行学习：

学习成果

• 音频转文字
• 文字转语音
• 图像识别
• 文生图
• 文生视频