共计 2374 个字符,预计需要花费 6 分钟才能阅读完成。
铲屎官终于能理解汪星人的小心思了。
「狗语翻译器」已经席卷娱乐圈。
在节目中,贵气男孩尤长靖花了八百块钱,买了个「狗语翻译器」。
汪苏泷下单时问他,「有两百的、四百的和八百的,要买哪个?」
尤长靖斩钉截铁地说,「买八百的」。
因为一分钱一分货,越贵的肯定越精准。
结果买回来,它就各种胡言乱语。
郭麒麟和陆虎也同样玩起了「狗语翻译器」。
视频链接:
购物平台上,不少买家吐槽,这类长得像个蝴蝶结的狗语翻译器,简直就是智商税。
狗叫的时候没反应,狗睡觉了它开始说话了。
现在,AI 闯进了这个小众赛道,带来了不一样的效果。
一位华人小哥搞出来一款狗语 GPT,专门识别汪星人的小情绪,其准确率高达 80%。
视频链接:
天啊噜,人类都还搞不懂自己,却听懂了「狗叫」。
-1-
「汪星人」能听懂人话了
最近,人类和「汪星人」丝滑对话的视频,在社交媒体上一炮走红。
视频链接:
视频中,一位男士对着手机上的一款 APP 说:
Hi Ellie,你能帮我拿下遥控器吗?
这款 APP 随即就把人类语言翻译成几句狗叫声。
金毛犬听后,立马摇着尾巴,跑到茶几上叼来了遥控器。
还有类似的案例。
视频链接:
女主人也是对着手机的 APP 说了一段话:
你可以亲我一下吗?
随着手机发出的几句短促的汪汪声,「毛孩子」听懂了,飞身来了一个 Kiss,主人一脸的不可思议。
这款手机 APP,名叫 Traini,是一款「宠物共情 APP」,俗称「狗语翻译器」。
它通过 AI 聊天机器人 PetGPT,实现人类与狗狗之间的跨物种对话和交流。
其核心技术基于一个先进的宠物行为多模态翻译模型。
这个模型采用了类似于 GPT-4o 的 Transformer 架构,并接受了大量专家级宠物行为学文本、视觉和音频数据的训练。
为了确保翻译的准确性,Traini 团队尝试了多种训练方法,包括使用纯狗语音数据训练,对人类语音预训练模型进行微调,以及使用来自不同国家地区、不同品种狗的语音数据混合训练等。
除了翻译狗叫声,它还能理解小狗的面部表情和身体行为,从而推荐它们的心理状态和情感需求。
其实,小狗和人类一样,也是通过表情、声音和行为,来表达情绪。
比如,当它们眼睛半闭含着泪珠,这就表示痛苦;耳朵直立指向前方,就表示想玩;鼻孔张大肌肉紧张,表示戒备。
为此,该团队收集了 10 万只狗的照片、声音和视频,喂给模型,然后不断进行训练。
如今,Traini 可以解读 10 种不同的宠物情绪,其准确率更是高达 80%。
用户可以直接在 PetGPT 中上传照片并提出问题,以了解宠物的心理状态。
截至目前,这款应用已经吸引了超过 20 万的用户。
-2-
背后团队是何方神圣?
Traini 创始人兼 CEO 名叫孙邻家 (Arvin Sun) ,是一位华人连续创业者,曾在国内创业 7 年。
他最早的创业经历还得追溯到大学时。
那时,他和室友一起向刚入学的新生卖被子,毕业后就去了一家上市公司做供应链管理,差不多做了两年时间。
2015 年,孙邻家又和同学一起创业,做起了零食专卖店「邻家铺子」,主打三公里内 30 分钟送货上门。
后来又为美容院提供在线预约和门店端的 SaaS 服务,曾在 3 个月内融资数百万元。
再之后,他做了一个给电商提供配套物流的平台,融到 3000 多万,团队也扩充到 100 多人,业务覆盖了 50 多个城市。
2018 年,孙邻家去了美国,加入了最大的中餐外卖平台 GESOO 做 CEO,并实现了公司扭亏为盈。
后来又去了另一家竞品公司 Chowbus 负责西海岸业务,并融资超过 1 亿美金。
2022 年,孙邻家创办了 Traini,负责公司的客户增长和市场拓展。
Traini 联合创始人名叫 Jason Hong,他是一名年轻的中国小伙子,年仅 24 岁。
他曾是湖南省奥数青训队成员,后在美国东北大学大学攻读计算机研究生,并在 Scale AI、OpenAI 和百度工作过,积累了先进模型的开发实践经验。
如今,他负责核心 PetGPT 模型架构和训练。
此外,Traini 还有两名全职员工,分别负责界面设计和全栈工程搭建。
公司还邀请了前 Chewy 数据科学负责人 Yiyi Yang 加入,担任宠物健康专业顾问。
今年 5 月份,公司还完成了千万元天使轮融资。
-3-
日本团队搞了个鸡叫 GPT
除了狗语翻译器,日本还搞了个鸡叫 GPT。
东京大学教授 Adrian David Cheok 带领他的团队,研究了一种 AI 和机器学习方法,可以「听懂」鸡叫,并理解其心情。
他们将这种高度数学化和创新的方法称之为「深度情感分析学习(DEAL)」,可以通过听觉数据对情绪状态实现精细分析。
首先,收集鸡叫声。
研究团队将音频记录分割成小片段,以专注于每只鸡的声音,每个片段代表一个不同的声音事件,如咯咯声或嘎嘎声。
为了消除背景噪音,提高鸡叫声信号质量,团队还采用了降噪技术。
再把音频信号进行标准化,确保它们具有一致的幅度范围,有助于减少记录条件中的任何变化,并确保模型可以很好地泛化不同的记录。
其次,把鸡叫声输入 DEAL 模型,该模型通过多个层次进行数据处理。
这个系统利用卷积层学习空间特征层次结构,池化层减小表征的空间大小以控制过拟合并减少计算,全连接层学习高级特征的非线性组合。
最后,softmax 函数用于产生最终输出情绪状态的概率分布。
概率最高的情绪状态,将被选为预测的情绪状态。
为了测试新系统,该研究团队以 80 只鸡为样本,仔细记录和分析了它们在不同条件下的发声。
同时为了确保准确性,它们专门聘请了 8 名动物心理学家和兽医,对鸡的情绪状态提供了专家的见解。
最终,他们发现这个系统可以准确地翻译鸡的各种鸣叫和心情,包括饥饿、恐惧、愤怒、满足、兴奋和痛苦等,准确率接近 80%。
然而,研究人员也指出,由于世界鸡的种类繁多,可能存在无法翻译的情况。
参考链接:
以后我们会带来更多好玩的AI应用,也欢迎大家进群交流。