2016年6月27日,乐视在北京召开以“声音的革命”为主题的发布会。在现场宣布了国际著名钢琴家李云迪担任CDLA形象大使,并成立CDLA产业联盟。其中哈曼国际、Fiil知名硬件厂商以及阿里音乐、库客音乐、荔枝FM、唱吧、喜马拉雅灯内容平台参与其中。工信部电子工业标准研究院主任、全国音视频标委会秘书长张素兵博士给予了极大的肯定还表示:CDLA标准有可能成为全行业的标准。
一个月前,乐视召开“千万里程碑”发布会宣布乐视手机开售一年销量突破1000万台,而在4月份单月和6月1日-18日期间,乐视手机销量双双突破200万台,对于一家新晋手机厂商来讲,是一份令人惊艳的答卷。
而就在此次发布会中,乐视移动营销传播部总经理柳志卿又一次宣布新的消息,乐视二代手机自4月26日发售短短两月,销售已经超过400万部,而与之搭配的CDLA耳机也售出82万条,并且目前仍处于供不应求的状态,正在加紧备货满足用户的购买需求。
乐视第二代手机作为全球首批采用CDLA标准的智能终端得到了中外厂商及媒体的关注,甚至有些业内人士感叹,苹果在生态模式方面逐渐效仿乐视,难道在音频技术方面也要学习?
值得一提的是,通过用户数据调查显示有四成用户因为CDLA而选择乐视第二代手机,这个调查显示还非常令人出乎意料,作为一个全新的音频标准为何迅速得到行业的认可和用户的倾爱?
在“声音的革命”发布会中,不少嘉宾都认为,现在音频产业发展瓶颈并非在音乐创造、应用方面,而是在技术上。当前,大多音乐提供柳高品质的音乐,但是输出仍旧采用3.5mm模拟音频,大大降低了体验感受。反观CDLA标准,真正实现了全程数字无损。
CDLA标准是端到端全流程纯数字化无损音频解码标准,基于此标准,为用户提供全流程纯数字化无损音乐体验。方案中包含Type-C全数字化无损音乐手机和CDLA耳机。
其优势于避免了传统3.5mm模拟音频架构的种种缺陷,实现了纯数字化。从手机端开始直到USB Type-C 耳机,最低支持96K/24bit采样率,该音频是CD音质数据量的3.3倍,细节比CD更丰富。
以上我们可以看到,CDLA标准不仅仅在技术领先,为用户带来了更加极致的音乐体验,未来可发展空间也是巨大的,进一步实现智能化、数字化和生态化。发布会中,工信部电子工业标准研究院主任、全国音视频标委会秘书长张素兵博士给予CDLA极大的肯定还表示:CDLA标准有可能成为全行业的标准。
毫无疑问,CDLA面世仅仅两个月便得到了用户、硬件厂商、内容平台及音乐人的认可,并且成立CDLA产业联盟,初步形成了生态闭环的趋势。在未来,随着内容资源的增多、硬件产品的丰富以及高品质低门槛的趋势,CDLA必定将会得到用户、厂商、内容平台的认可。
不过,行业标准的建立、实行、推广不仅仅依靠单纯的技术实力,还需用得到很好的推广、认可及用户量。比如,在乐视手机初次使用Type-C接口时就有着广泛质疑,但是随着乐视手机畅销及用户认可,一年以后已经有许多手机、笔记本厂商跟进,推出了Type-C接口的智能重担设备,已经渐渐取代传统Mirco-USB接口。
再看CDLA,乐视发起成立CDLA产业联盟,不仅提供专利合作及技术标准白皮书,还联合标准机构、知名硬件厂商参与其中,并且还邀请国际著名钢琴家李云迪作为推广大使,进一步让更多的用户了解、熟知CDLA。此外,乐视手机二代2个月销量超400万,随着产能增加将会有更多的用户使用到乐视二代手机,并感受到CDLA带来的出色音质。
目前,乐视已经对CDLA在硬件厂商、内容平台、标准机构、音乐人等广泛合作,逐渐形成CDLA的生态闭环。此外,依靠乐视二代手机产品优势进一步促使更多用户体验,CDLA推广大使李云迪也将助力CDLA在更专业的领域获得认知。由此看来,CDLA产业逐渐明晰,成为行业标准也许只是时间问题。
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。