北京爱数智慧科技有限公司品牌升级，中文名称正式更名“北京晴数智慧科技有限公司”，英文名称沿用magic data，进一步将业务推向高质量数据集的构建和凯发体育网的解决方案领域。
“training data is technology” .数据即科技，openai的联合创始人ilya sutskever在与知名科技媒体the verge访谈中提到。chatgpt自发布以来热度席卷全球，一周前惊艳亮相的gpt-4更是让人感叹我们迎来了ai发展的历史性时刻。然而我们也困惑，openai为何不开源gpt-4？在我们看来，更多的奥秘或许存在于数据之中......本文是magic data创始人兼ceo张晴晴博士关于数据、大模型与生成式ai的观点分享。
尽管就目前来看chatgpt对大部分问答都能基本做到“对答如流”。但是，chatgpt本质上依旧是预训练模型驱动的产物，模型的成熟度、完善度对它回答的准确度有着很大的影响。
在过去的一月里，人工智能领域中最火的话题莫过"chatgpt"。magichub数据开源社区已开源部分基于chatgpt的可扩展的对话数据集。
magic data联合中科院声学研究所、上海交通大学和西北工业大学，在magichub开源社区正式开源180小时中文对话式语音数据集magicdata-ramc。magicdata-ramc是一批高质量且标注丰富的训练数据，可以很好地支持开发者完成语音识别和说话人日志相关的研究。
在过去的一年里，大语言模型一路高歌猛进，让人惊艳的产品不断被推出。语音大模型也迎来突破，其中就包括还原度越来越高的声音复刻技术。
晴数智慧深耕对话式ai领域多年，构建了累计千万轮llm多领域超自然sft多轮对话文本数据集，覆盖近20个语种及方言，语料话题分布广泛，涉及休闲娱乐、衣食住行、教育医疗等近20个领域。
文本到语音合成（text to speech，tts）作为生成式人工智能（generative ai 或 aigc）的重要课题，在近年来取得了飞速发展。为了实现高效合成既自然又高质量的人类语音，有不少机构及企业都进行了相关项目的研究，包括微软亚洲研究院机器学习组和微软 azure 语音团队去年推出的naturalspeech（。
追求卓越与无限的精神一直流淌在人类的基因里。圣经中有故事：在古代，人们说着同一种语言，决定建造一座高耸入云，塔顶能触及天堂的塔，被称为巴别塔，以彰显人类的力量和创造力。然而上帝看到人类的意图，并认为这个塔的建造是人们的傲慢和自大的表现。上帝让人类的语言变得不同，使他们无法相互理解。这导致了混乱和分裂，无法继续合作建造塔。语言不通让人类的沟通变得低效和困难。近日，meta推出ai模型seamlessm4t，该模型可翻译和转录近百种语言，似乎将破除因语言不同而导致的沟通障碍。可谓是人类构建“巴别塔”的又一次尝试。
数据确权授权的标准制定，首先是对数据进行分级分类。结合在高质量数据上多年积累，晴数智慧首发了大模型数据集企业标准。晴数智慧将大模型数据集生产分为l1到l3三个标准，级别越高，数据精度越高。晴数智慧希望通过这套企业标准划分不同的数据处理层级，规范并提升数据质量，并确保数据的可靠性、有效性和知识产权的清晰性。