
去年5月7日是乐视推出超级电视X60的日子,而且乐视也是国内首家推出自有品牌电视的互联网公司。在此之后,乐视推出了包括Max 70、X60、S50、S40在内的一系列超级电视新品,并且在50寸以上的高端电视产品市场占据了领先的地位。
一年过去了,今天,乐视在京发布了4核、4K、H.265硬解码的智能电视——50英寸X50 Air,这也是乐视第一款4K超级电视产品。X50 Air最终定价为2999元,乐视会加速国内电视行业进入4K时代的步伐。
乐视贾跃亭认为,去年可以说是智能电视的元年,用户购买智能电视逐渐标准化,更加注重硬件性能等方面因素,而且也让智能电视进入了生态时代,平台、内容、应用等也是非常重要的。
在今年的CES上面,三星、LG、索尼等厂商纷纷拿出了4K电视产品,但是它们普遍价格偏高,而且在内容支持方面也很欠缺,即使消费者花大价钱买了一台4K电视,也没有丰富的4K片源支持。
丰富的4K资源是驱动消费者购买4K电视的源动力。
丰富的视频资源是乐视的优势之一,贾跃亭表示,在今年,乐视自制的4K内容将占国内市场份额的70%以上,乐视的内容也将全面4K化:自制4K化,引进4K化。张艺谋加盟乐视,在内容方面也会做出自己的努力,据悉,下一部作品《归来》将采用4K技术,并登录乐视独家发布。
4K电视不应该只是个空壳子,贾跃亭说道,4K不等于4K电视,4K应该是“平台+内容+终端+应用”的全产业链服务。
基于垂直整合的乐视生态,乐视推出了4K生态——Le4K,不同于4K和准4K,Le4K是覆盖拍摄、制作、云上传、云存储、云转码、云传输、云播放、终端整个产业链上下游,并通过由4K自制+4K引进、4K云平台+H.265、4核CPU+4核GPU、4K屏幕+4K UI组成的“4X4”完整4K体系,保障用户体验极致的高品质4K内容。Le4K是一套从源到云到端的完整4K解决方案,将改变人们的互联网生活。
在发布会上,乐视还发布了4K云平台,通过专有4K编码优化、专有4K分发通道、专有4K播放通道和全终端P2P技术,提供从源到云到端的4K解决方案,让4K内容真正被用户所及所用。乐视4K云视频开放平台,目前带宽总量已过3.5T,通过260多个CDN节点,实现全球覆盖。无论何时,无论在哪里旅行,均可安心享受流畅稳定的视频服务。
乐视的这些举措也让4K不再是噱头,真正达到触手可及。
X50 Air采用了Open Cell一体化设计,机体厚度仅为16.5mm,重量不足15kg的重量, 5.9mm的极窄边框为整机增色不少,其后壳使用了聚碳酸酯透明背板,让用户对产品内部电源板、背光驱动板、智能板、走线一览无余。
X50 Air不仅外形工业设计可圈可点,其配置也是非常强劲的。其屏幕采用了分辨率为3840 x 2160的InnoLux 4K面板,支持3D,搭载了主频为智能电视芯片Mstar 6A918,4核1.5GHz A9 CPU,4核Mali 450MP4 GPU,2G运行内存,支持OpenGL 2.0,点对点显示图形加速器,每秒1亿多个三角形生成率,每秒38亿像素填充率。Mstar 6A918是全球首个4K视频H.265硬解码的处理器,能让10M带宽就在线看4K视频。
X50 Air还运行了最新的Letv UI 3.0,搭配全新的超级社交遥控器使用,交互体验更佳。
据悉,该机将于今日在乐视商城接受预定,4月22日,量产全配版(售价2999+980元)和张艺谋《归来》艺术版正式发售。贾跃亭在演讲中说了一句话,“我们一小步、人们一大步”,而乐视也将沿着自己的轨道继续前进。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。