
乐视今日召开发布会,针对昨日小米提出的三点质疑作出回应。
小米公司联合创始人副总裁、小米电视业务负责人王川昨日炮轰乐视,称乐视所接入的播出内容并不符合主管部门的政策规定,面临政策风险,已经售出电视中的服务随时可能被叫停;此外,乐视宣传中的千元40吋电视只是营销噱头,市场上根本买不到,且必须捆绑两年980元的年费才能得到,而消费者即便购买后,对接踵而来的广告和续费“轰炸”也无可奈何。第三,小米内容比乐视内容多一倍,免费内容高达82%。
针对上述质疑,乐视控股高级副总裁、乐视移动公司总裁冯幸作出以下回应:
质疑一:播控平台涉嫌违规,电视有可能随时被叫停
回应:不是不懂法律,就是别有用心,误导公众
乐视目前正在与中国国际广播电台(互联网电视集成播控平台七大牌照方之一)合作,对互联网电视终端进行整改。目前,联合整改方案已上报监管部门并已满足政策要求,只待最后通过。乐视将努力以最快的速度完成整改,满足监管部门的监管要求。
超级电视作为大屏消费电子产品,电视机硬件本身的市场销售向来是开放的,不受影响。友商指称超级电视销售可能随时被叫停,要么是不懂法律,要么是别有用心,恶意误导公众。因为广电181号文件监管的是播控平台及播控平台上的内容,而不是监管电视机硬件销售。相信乐视与国广的合作能够保障超级电视的服务完全合规,并且能够确保乐视的商业模式和用户权益不受影响。
乐视作为中国唯一的全内资互联网生态型上市公司,拥有最大的正版影视版权内容库,最早并长期致力于推动中国正版化进程。在政府相关部门的政策指导下,不断完善和改进自身生态产品和服务。
质疑二:友商内容比乐视内容多一倍,免费内容高达82%。
回应:把别人的内容当自己的,已沦为笑柄;免费内容很多是片花,纯属笑谈。
“零内容”的友商,居然用别人的公网内容,号称自有内容生态全行业第一。所有厂商都可以通过与播控平台及内容方合作做到。这种草台联盟式的“第一”,传统厂商很多年前就已经是了。乐视是中国最大的自有内容库+公网内容,双方有无可比性,不言自明。
质疑三:捆绑年费、要用户持续续费成骗局
回应:硬件价格+服务费价格=硬件量产成本(年费实为赠送);服务到期后,用户可自主选择是否续费。不续费用户,依然可以享受和友商一样多的内容和服务。这是骗局么?
超级电视和超级手机不仅是按量产成本定价,力度更大的是用全屏影视会员年服务费补贴硬件成本,让用户成为最大受益者。友商质疑乐视捆绑年费,那来算笔账做对比:
超级电视S40 Air定价为999元+980元(两年乐视全屏影视会员),总价为1979元,而友商40寸电视的售价为1999元,乐视电视是金属边框+更好性能的CPU,硬件性能全面秒杀友商的塑料边框产品。从这里不难看出,所谓的“捆绑”年费,其实是免费赠送,聪明的用户,这算是捆绑吗?
此外,乐视全屏影视会员年服务费在超级电视和超级手机端可互通,超级手机每加购一年年费,硬件价格直降300元,让用户的使用门槛最低。超级电视的服务费到期后,用户可自主选择是否续费,不续费用户,依然可以享受和友商一样多的内容和服务。
再来讲讲乐视的490年费,能收看所有的高清影视内容,含4K、3D、杜比等,试问友商,你们有吗?这比友商的单片5元更具性价比:友商号称有18051部内容,82%免费,那收费内容为18%,可知收费的单片数量为3249部,按单片5元算,那看完这些影片就要花费16246元,就是按两元一部,也得6498元吧!提醒大家注意,这些还只是已经有的旧内容,不包括未来的新内容。这才是骗局吧?而乐视的490元,则可收看所有的影视内容。
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。