Category: Artificial Intelligence

随着人工智能技术的快速发展，游戏行业正面临着一个激动人心的机遇：利用生成式 AI 来创造更加智能、动态和个性化的 NPC。传统的 NPC 往往存在行为模式固定、对话有限等问题，难以为玩家提供真实而丰富的互动体验。而借助先进的语言模型和多智能体系统，我们可以打造出具有动态对话生成、独特个性、NPC 间互动博弈等特点的新一代 NPC。

本文将总结分享客户从 TF 1.15 迁移升级到 TF 2.14 过程中遇到的一些问题及应对方法，并以一个简单的例子给出基于 TF 2 的分布式训练代码。

本文通过使用服装鞋类商品进行模型训练，同时通过 GroundingDINO 进行目标物品检测和剪切的方式对图片进行搜索，这种方式满足企业级的，特别是垂直行业的高精度搜索。有助于更好地提升用户的搜索体验。 该方案也可以拓展到其他的垂直行业使用，如电商、游戏、短视频，医疗、制造业等。

亚马逊自研芯片 inf2 与 vLLM 助力企业高效部署大型语言模型。

本文使用 HAQM Bedrock、Transcribe 和 Polly，结合开源 ASTRA 框架，开发了一个高效的实时语音助手，并提供常规聊天及同声传译两个工作模式。

今天，我们宣布推出 AWS Console-to-Code 控制台转代码功能正式发布版本（GA），该功能可以轻 […]

我们为一家光伏企业开发了基于生成式 AI 技术的商业智能工具，该工具极大提高了数据使用效率。传统 BI 工具难以满足企业大量即时查询和分析的需求，直接将数据库表 schema 作为提示词给大模型也效果不理想。我们采取了数据治理、使用具备物化视图特性的数仓产品、优化提示词工程、跨源数据使用 Pandas 聚合等措施。证实了良好的数据架构、优秀的提示词工程和高性能大模型对实现生成式 BI 的重要性。

在《基于 Claude 3 和 WhisperX 实现 ASR 方案（一）》中我们介绍了 WhisperX 模型的实现原理，以及如何在 AWS 上快速部署和使用 WhisperX 模型，实现语音转文字，视频字幕生成与对齐，识别不同的说话人等功能。通过 StreamlitUI 的方式，我们可以快速对 YouTube 视频、本地音频文件实现 ASR，方便我们做技术调研和 Demo 演示。

本文将深入探讨 WhisperX 的一个关键特性——说话人分离，剖析其实现原理和应用场景，并指导您如何在 AWS 上部署和使用该模型。Whisper 是一种先进的深度学习语音识别技术，能将语音精确转换为文字。其核心优势在于高效的神经网络结构和创新的训练方法，使其能应对各种复杂场景，如嘈杂环境、多样口音和不同语速。

 每周，HAQM Web Services（AWS）都会举办社区活动，您可以在其中拓展人脉、学习新知，并 […]