传奇不息!已故篮球巨星科比遗作登顶畅销书榜首

中新网客户端4月9日电 北京时间9日,已故篮球巨星科比遗孀瓦妮莎在社交媒体发布照片,称科比遗作《巫兹纳德系列:第一季》(The Wizenard Series:Season One)登陆《纽约时报》畅销榜第一。瓦妮莎写道:“我的丈夫科比看到他的工作能够延续下去,一定会非常骄傲。”

瓦妮莎社交媒体截图。

笛福兹解释说,构建这个系统需要克服一系列复杂的技术挑战。

这些修改帮助Demucs在一些重要方面胜过Wave-U-Net,比如它如何处理一种声音压倒另一种声音的问题。“你可以想象一架飞机起飞,引擎噪音会淹没一个人的声音,”笛福兹说。

社交媒体上写道:“欢迎回到Dren(小说里的一个地方)!希望你们都准备好了迎接西底美洲獾队的又一个魔幻篮球赛季!”

基于声谱图的人工智能系统,在分离出以单一频率响起或共振的乐器的音符方面相对有效,例如钢琴或小提琴旋律。

Facebook AI 的研究人员已经开发了一个系统,可以做到这一点——精确度高得惊人。

北京地坛医院中西医结合中心主任王宪波在发布会上表示,所有住在ICU的病人,都在使用中药,疗效初步显现。

在盲听测试中,38名参与者从50首测试曲目中随机抽取8秒钟进行听音,这50首曲目由三个模型分开:Demucs、领先波形、频谱图技术。听众认为Demucs在质量和无伪影(如背景噪音或失真)方面表现最佳。

想象一下,如果音乐源分离技术能够完美地捕捉20世纪50年代摇滚歌曲中用电子管放大器演奏的老式空心体电吉他的声音。Demucs让音乐爱好者和音乐家离这一能力更近了一步。

这种重构和分离的能力使Demucs比其他波形模型有优势。笛福兹说,Demucs已经与最好的波形技术相匹配,并且“远远超出”最先进的声谱技术。

27日晚间,新京报记者联系到贾晓月,其表示,“很感谢网上这些(关注),民间有爱,我觉得很温暖。”但她也证实,网上部分内容不符合实际。

雷锋网原创文章,。详情见转载须知。

媒体报道,《巫兹纳德系列》是体育魔幻主题小说,科比希望构建一个庞大的篮球魔幻宇宙。(完)

声谱图只能将声波表现为时间和频率的组合,无法捕捉到这样的细微差别。因此,他们将鼓点或拍子低音处理成几条不连续的垂直线,而不是一个整齐、无缝的声音。这就是为什么通过声谱图分离出来的鼓和低音轨道,听起来常常是模糊不清的。 

计算机视觉使用神经网络来检测基本模式——类似于在图像中发现角落和边缘——然后推断更高级或更复杂的模式。“波形模型的工作方式非常相似,”笛福兹说。他解释了波形模型如何需要几秒钟来适应歌曲中的突出频率——人声、低音、鼓或吉他——并为每一个元素生成单独的波形。然后,它开始推断更高比例的结构,以增加细微差别,并精细雕刻每个波形。

创建者名叫亚历山大·笛福兹(Alexandre Defossez),是Facebook人工智能巴黎实验室的科学家。笛福兹的系统被称为Demucs,这个名字来源于“音乐资源深度提取器”,其工作原理是检测声波中的复杂模式,对每种乐器或声音的波形模式建立一个高层次的理解,然后利用人工智能将它们巧妙地分离开来。

引发热议的微博。截图

基于人工智能的波形模型避免了这些问题,因为它们不试图将一首歌放到时间和频率的僵化结构中。笛福兹解释说,波形模型的工作方式与计算机视觉相似,计算机视觉是人工智能的研究领域,旨在让计算机学会从数字图像中识别模式,从而获得对视觉世界的高级理解。

他谈到的第一个病例,是一名64岁的女患者,第一次查房时精神很差,回答寥寥数语,没有精力交流,进行中药治疗加上对症治疗,两天后已有精神交流,说自己哪里不舒服,比如觉睡不好、食欲很差等。目前这名女患者已从ICU转到普通病房,进行隔离观察。

声源分离长期以来一直吸引着科学家。1953年,英国认知科学家科林·切里(Colin Cherry)创造了“鸡尾酒会效应”这个词语,用来描述人类在拥挤嘈杂的房间里专注于一次谈话的能力。

3月底,武昌区新冠肺炎疫情防控指挥部的领导曾前往贾晓月所在团队下榻的酒店,为团队成员举办了欢送仪式,为每名成员发放荣誉证书并赠送了武汉特产等。

工程师们首先试图通过调整立体声录音中的左右声道,或调整均衡器设置来提高或降低某些频率,从而隔离歌曲的人声或吉他声。

他强调,北京已公布100余家发热门诊名单、62家可接诊发热儿童医院名单、77家可接诊孕产妇发热医疗机构名单,通过到医疗机构进行筛查,力争做到早发现、早报告、早隔离、早治疗。新冠肺炎的临床症状之一就是发热,正常体温是36.3℃—37.2℃,当体温超过37.3℃应高度重视,就近、及时到医疗机构进行筛查。

当地时间1月26日,科比及其13岁的二女儿吉安娜因所乘坐的直升机坠毁而意外去世。北京时间4月1日,科比的社交媒体账号曾更新,来宣传他的遗作。

“真实情况远不是网上说的那么夸张。我在武汉得到了许多帮助,我的工作也得到了当地政府的认可,我不希望网上的一些错误信息,让他们遭受莫须有的误解和批评。”

笛福兹说,他的系统也可以比作探测和记录地震的地震仪。地震时,地动仪的底座会移动,但悬挂在上面的重物不会移动,这使得附着在重物上的笔可以画出记录地面运动的波形。人工智能模型可以探测到同时发生的几个不同的地震,然后推断出每个地震的震级和强度的细节。同样,笛福兹的系统分析并分离出一首歌曲的本来面目,而不是根据预先设定的声谱图结构来分割它。

第二个病例是一位50岁的男患者,初期病情特别重,在ICU时精神萎靡。他吃上中药后第二天说:“吃了中药后大便通畅,敢吃饭,觉得病情就改善了”。前天他已经可以坐在病床上,跟医生聊半天,提到“真是应该好好总结中医药的疗效,让更多重症患者受益”。(完)

高小俊指出,97个患者从不同医院出院,地坛医院32例,佑安医院48例,解放军总医院第五医学中心10例,海淀医院1例,大兴区人民医院1例,朝阳区三间房社区卫生服务中心2例,昌平区医院1例,京煤集团总医院1例,石景山区医院1例。

笛福兹说,像Demucs这样的技术,不仅能帮助音乐家学习复杂的吉他即兴重复段落;总有一天,它还能让人工智能助手在嘈杂的房间里更容易听到语音指令。

上述负责人称,贾晓月之前响应了网上的招募公告,以个人身份加入一个志愿者团队支援武汉,该团队包含各地的医护人员,“我们这边主要是跟团队对接,只要在武昌区支援过抗疫工作的志愿者,其补贴和协助都按照政策全部给予兑现和落实。”

武昌卫健局:为贾晓月等志愿者给予协助

此外,27日晚间,贾晓月在其个人头条号“筱玥xiaoyue”发文回应称,她作为志愿者团队的一员前往武汉,并非此前网传所述“一个人默默前往武汉”。同时,贾晓月提到,其作为志愿者参与疫情处置工作,获得了武昌区政府给予的补助,武昌区卫健局亦为其颁发了“荣誉证书”。

对于援汉经历,贾晓月告诉新京报记者,“对于我来说,工作已经结束了。我就是一个普通人,只想过正常的生活,没有那么多索求,在生命面前,没有人会有其他的想法。”

他称,主要采取对症治疗和中西医结合治疗,中西医结合在治疗新冠肺炎上还是有很多效果的。目前正组织专家及时总结经验,并应用于患者的救治中。希望通过好的疗效、好的办法,持续改善治疗效果,进一步提高治愈率,降低病死率。

笛福兹说他的目标是让人工智能系统擅长识别音频源的组成部分,就像它们现在可以在一张照片中准确地区分不同的物体一样。“我们在音频方面还没有达到同样的水平,”他说。 

这些旋律在声谱图上显示为清晰、连续的水平线。但是隔离那些产生残余噪音的撞击声,比如鼓,低音拍击,是一项非常艰巨的任务。鼓点感觉像一个单一的、实时的整体事件,但它实际上包含了不同的部分。对于鼓来说,它包括覆盖较高频率范围的初始撞击,随后是在较低频率范围内的无音高衰减。笛福兹说,一般的小鼓“就频率而言,到处都是”。

足够聪明的系统来重建缺失

“我们比照‘国家队’的标准,给这些志愿者发放了补贴,考虑到‘国家队’包机过来,而他们是个人自费来汉,因此特地给每名志愿者发放了500元交通补贴。”上述负责人表示,武昌区卫健局还安排专人与该团队领队对接,“他们有任何需求,都可以通过微信、电话同我们联系。”其认为,网上流传的部分内容不实。

贾晓月:当地政府为其发放补助及荣誉证书

新京报记者注意到,网传照片中有一张疑似武汉市武昌区卫生健康局为贾晓月颁发的荣誉证书。27日16时许,新京报记者从武昌区卫生健康局党建科一相关负责人处证实了其真实性。

北京市卫生健康委新闻发言人高小俊在发布会上表示,截至14日24时,北京市治愈出院患者已达到97例。平均住院日是13.5天,最长23天,最短5天。男性患者40例,女性患者57例。轻型、普通型86例,重症11例。年龄最大的84岁,年龄最小的9个月。平均年龄38.9岁。

4月27日,贾晓月以个人名义援助武汉的事迹引发热议。一些人在大力赞赏贾晓月的同时,对上述部分内容提出质疑,称贾晓月在封城后进入武汉,解封前离开,凭一己之力根本无法自由出入武汉。

以前的波形模型,通过简单地移除原始音频源文件的一部分来处理这个问题,但是它们不能重建丢失材料的重要部分。笛福兹增强了Demucs解码器的能力,“Demucs可以重新创建它认为存在但却迷失在混音中的音频。” 这意味着他的模型可以重新合成可能被响亮的铙钹声丢失的柔和的钢琴音符,因为它理解应该呈现什么样的声音。

4月26日,有声音称,来自南京一民营医疗机构的护士贾晓月独自一人去武汉援助,援汉结束后没有掌声和优待,于4月2日无声无息地离开武汉。

该负责人称,在武昌区新冠肺炎疫情防控指挥部的统筹安排下,武昌区卫健局为上述团队的每名志愿者开具健康证明、安排核酸、CT检测,统筹安排团队在武汉酒店就地隔离14天。

雷锋网(公众号:雷锋网)雷锋网雷锋网

他首先使用了Wave-U-Net(https://github.com/f90/Wave-U-Net)的底层架构,这是一个为音乐源分离开发的早期人工智能波形模型。但是他有很多工作要做,因为声谱图模型的表现优于Wave-U-Net。他通过添加线性单元来微调波形网络中分析模式的算法参数。笛福兹还增加了长短期记忆,这种结构允许网络处理整个数据序列,如一段音乐或一段视频,而不仅仅是一个数据点,如图像。笛福兹还提高了Wave-U-Net的速度和内存使用率。

笛福兹解释说,随着Demucs的发展,它将为人们在家中创作音乐的数字音频工作站带来声音的真实性。这些工作站提供了能够唤起特定时代或风格的合成仪器,通常需要对原始硬件进行大量的数字化改造。