深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

高。 支持特殊声音识别：支持特殊声音识别模型，如娇喘、呻吟、敏感声纹等。 录播/电台语音 监测内容传播类 / FM电台类音频数据，降低业务违规风险。 场景优势如下： 准确率高：基于改进的深度学习算法，基于复杂环境语音审核准确率高。 支持特殊声音识别：支持特殊声音识别模型，如娇喘、呻吟、敏感声纹等。

查看更多 →

于制造设备预测性维护，根据设备实时数据的分析，进行故障识别。 声音分类 声音分类项目，是识别一段音频中是否包含某种声音。可应用于生产或安防场景的异常声音监控。 文本分类 文本分类项目，识别一段文本的类别。 父主题： 自动学习（旧版）

查看更多 →

维护，根据设备实时数据的分析，进行故障识别。 声音分类 声音分类项目，是识别一段音频中是否包含某种声音。可应用于生产或安防场景的异常声音监控。 文本分类 文本分类项目，识别一段文本的类别。可应用于情感分析或新闻分类等场景。 父主题： 自动学习（新版）

查看更多 →

基于领先的语音识别引擎、智能文本检测模型，精准识别出语音中涉黄、涉恐、辱骂等违规场景，极大提升产品用户体验。 内容审核-视频 基于先进的人工智能技术综合检测视频画面、声音、字幕等，精准高效识别各类涉黄、涉暴、广告等违规内容，提高平台内容治理质量和效率。 内容审核 -音频流 精准识别多场景下

查看更多 →

声音制作 真人声音录制 创建声音制作任务 查看声音 文案样例（基础版） 文案样例（进阶版） 文案样例（高品质）

查看更多 →

查看声音 声音制作任务算法训练完成后，可以查看声音。 操作步骤 登录MetaStudio控制台。 在左侧导航栏中，单击“任务中心”。 选择“声音制作”，确认声音制作任务已训练完成。 在左侧导航栏中，单击“我的创作”。 选择“声音”，找到已生成的声音，单击可以试听声音效果。 用户还可以执行如下操作：

查看更多 →

登录MetaStudio控制台。 单击“声音制作”下方的“开始创建”，进入声音制作页面。 图1 定制声音 配置声音制作参数。 界面操作详情，如表1所示。 表1 界面操作说明 区域 说明 请选择声音制作服务 选择声音制作服务“基础版声音制作”。 定制声音名称 输入声音名称，示例：欢快女声。 请选择声音性别 选择声音的性别，示例：女生。

查看更多 →

0实战 深度学习预备知识 介绍学习算法，机器学习的分类、整体流程、常见算法，超参数和验证集，参数估计、最大似然估计和贝叶斯估计 深度学习概览 介绍神经网络的定义与发展，深度学习的训练法则，神经网络的类型以及深度学习的应用 图像识别、语音识别、 机器翻译 编程实验 与图像识别、语言识别、机器翻译编程相关的实验操作

查看更多 →

完成音频标注后，可以进行模型的训练。模型训练的目的是得到满足需求的声音分类模型。由于用于训练的音频，至少有2种以上的分类，每种分类的音频数不少于5个。 操作步骤 在开始训练之前，需要完成数据标注，然后再开始模型的自动训练。 在新版自动学习页面，单击项目名称进入运行总览页面，单击数据标注节点的

查看更多 →

旗舰版机器人默认支持重量级深度学习。 专业版和高级版机器人如果需要使用重量级深度学习，需要先单击“重量级深度学习”，然后单击“联系我们”。 图2 重量级深度学习 编辑模型信息。 轻量级深度学习：选填“模型描述”。 图3 轻量级深度学习 重量级深度学习：选择量级“中量级”或“重量级”，选填“模型描述”。

查看更多 →

培训内容 培训内容 说明 神经网络基础 介绍深度学习预备知识，人工神经网络，深度前馈网络，反向传播和神经网络架构设计 图像处理理论和应用 介绍计算机视觉概览，数字图像处理基础，图像预处理技术，图像处理基本任务，特征提取和传统图像处理算法，深度学习和卷积神经网络相关知识 语音处理理论和应用

查看更多 →

单条音频时长应大于1s，大小不能超过4MB。 适当增加训练数据，会提升模型的精度。声音分类建议每类音频至少50条，每类音频总时长至少5分钟。 建议训练数据和真实识别场景的声音保持一致并且每类的音频尽量覆盖真实环境的所有场景。 训练集的数据质量对于模型的精度有很大影响，建议训练集音频的采样率和采样精度保持一致。

查看更多 →

声音制作限制 MetaStudio不支持个人用户定制声音，仅支持企业用户。 定制声音时，从平台下载的授权书中有明确说明，定制音色需授权给公司使用。 父主题： 使用限制

查看更多 →

基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 概要 准备工作 导入和预处理训练数据集 创建和训练模型 使用模型

查看更多 →

适当增加训练数据，会提升模型的精度。声音分类建议每类音频至少20条，每类音频总时长至少5分钟。 建议训练数据和真实识别场景的声音保持一致并且每类的音频尽量覆盖真实环境的所有场景。 训练集的数据质量对于模型的精度有很大影响，建议训练集音频的采样率和采样精度保持一致。 标注质量对于最终的模型精度

查看更多 →

自动学习项目不同导致的失败原因可能不同。 图像识别训练失败请检查是否存在损坏图片，如有请进行替换或删除。 物体检测训练失败请检查数据集标注的方式是否正确，目前自动学习仅支持矩形标注。 预测分析训练失败请检查标签列的选取。标签列目前支持离散和连续型数据，只能选择一列。 声音分类训

查看更多 →

声音分类 准备数据 创建项目 数据标注 模型训练 部署上线 父主题： 自动学习（新版）

查看更多 →

下所示： 创建声音制作任务 查看声音 声音模型制作耗时，如下所示： 基础版：约1~3个工作日。 进阶版：约1~3个工作日。 高品质：约5个工作日。 自定义声音应用方式，如下所示： 自定义声音生成后，会自动展示在MetaStudio控制台声音列表中，可用于分身数字人视频制作、视频直播或智能交互等场景中。

查看更多 →

要求的模型。可支持图片分类、物体检测、预测分析、声音分类场景。可根据最终部署环境和开发者需求的推理速度，自动调优并生成满足要求的模型。 图1 自动学习流程 ModelArts的自动学习不止为入门级开发者使用设计，还提供了“自动学习白盒化”的能力，开放模型参数，实现模板化开发。很多

查看更多 →