据国外媒体报道, 微软周一发布了基于Azure Media Servic的媒体内容实时编码服务。这种服务应该会吸引那些想要将复杂编码计算外包到稳定外部服务的大型媒体公司。
微软Azure媒体服务的主管Sudheer Sirivara表示,“常见的使用案例包括基于事件的流媒体动态广告插入和24×7的线性流媒体播放。” 微软去年九月份推出了流媒体直播云服务Azure Media Servic,后来又在12月为其增加了PlayReady实时流媒体加密。
微软希望Azure Media Service广泛的服务内容可以帮助微软在竞争激烈的云计算市场脱颖而出。目前,这场亚马逊、谷歌和微软领头的竞争中,亚马逊已经明显领先。微软目前的选择十分明智,专注于未经开拓的复杂计算领域,比如广泛使用的视频流服务。
微软将在未来几天公布新功能更多的细节。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。