突發(fā)！美國(guó)又“出手”了！

大家好，我是 Jack。

今天繼續(xù)聊聊互聯(lián)網(wǎng)上發(fā)生的那些事，又是聊技術(shù)、聊“八卦”的一天～

一、美國(guó)升級(jí)對(duì)華芯片出口限制

去年 10 月，美國(guó)升級(jí)了對(duì)華半導(dǎo)體出口管制，以 Nvidia A100 芯片的性能指標(biāo)作為限制標(biāo)準(zhǔn)，限制對(duì)華出口高性能計(jì)算芯片。

時(shí)隔一年，10 月 17 日，美國(guó)再次“出手”，計(jì)劃繼續(xù)升級(jí)出口限制，據(jù)悉 Nvidia A800 和 H800 芯片也將無法出口給中國(guó)。

10 月 16 日晚，美國(guó)商務(wù)部長(zhǎng) Gina Raimondo 曾告訴記者，新政策的目的在于修正去年 10 月發(fā)布的法規(guī)，未來可能會(huì)進(jìn)行“至少每年一次”的更新。

此外，美國(guó)商務(wù)部還于 10 月 17 日將壁仞科技、摩爾線程等多家中國(guó) GPU 芯片企業(yè)列入了受限實(shí)體清單。

具體包括：北京壁仞科技開發(fā)有限公司、廣州壁仞集成電路有限公司、杭州壁仞科技開發(fā)有限公司、光線云（杭州）科技有限公司、摩爾線程智能科技（北京）有限責(zé)任公司、摩爾線程智能科技（成都）有限責(zé)任公司、摩爾線程智能科技（上海）有限責(zé)任公司、上海壁仞信息科技有限公司、上海壁仞集成電路有限公司、上海壁仞科技股份有限公司、超燃半導(dǎo)體（南京）有限公司、蘇州芯延半導(dǎo)體科技有限公司、珠海壁仞集成電路有限公司。

二、國(guó)美 APP 罵創(chuàng)始人

最近有一則消息，當(dāng)用戶打開國(guó)美APP上的“幸運(yùn)大轉(zhuǎn)盤”抽獎(jiǎng)頁面時(shí)，彈出的文案包含了對(duì)國(guó)美電器董事長(zhǎng)黃秀虹和創(chuàng)始人黃光裕的侮辱性言辭，指控其拖欠工資、拖欠貨款，“早晚得再進(jìn)去蹲幾年”。

據(jù)說，國(guó)美從去年 10 月份就開始拖欠薪資了 。

網(wǎng)友們調(diào)侃：這是程序員的憤怒和吶喊。

不過這個(gè)“鍋”程序員可不背，畢竟一個(gè)運(yùn)營(yíng)活動(dòng)上線，要經(jīng)過策劃、產(chǎn)品、研發(fā)的通力合作，還要有測(cè)試、運(yùn)營(yíng)的驗(yàn)收。

只能說整條產(chǎn)品線的人，都或多或少參與其中，這也實(shí)屬被逼無奈之舉吧。

當(dāng)然，這種做法并不理智，雖然此舉會(huì)引發(fā)社會(huì)對(duì)于國(guó)美欠薪問題的關(guān)注，但自己也會(huì)受到懲罰。

碰到欠薪行為的公司，明智一些的做法是：及時(shí)止損，趕緊跑路，然后聯(lián)合同事申請(qǐng)勞動(dòng)仲裁。

雖然過程艱辛，但至少是合法維權(quán)途徑。

希望咱們打工人，都不會(huì)遇到這樣的糟心公司和老板。

三、AudioSep

這條上點(diǎn)“干貨”：AudioSep。

我們經(jīng)常會(huì)碰到從紛繁的音頻中提取和分離所需聲音的需求。

比如最簡(jiǎn)單的：從嘈雜的音頻中提取人聲。

最近，有一篇新研究，通過自然語言即可提取想要的音頻。

我們先看 AudioSep 的效果。

這段音頻混合著手風(fēng)琴和其它聲音，想要提取其中干凈的手風(fēng)琴聲音。

那么，只需要對(duì)算法輸入：

accordion

翻譯為：手風(fēng)琴，AudioSep 算法就能自動(dòng)從這段音頻中提取對(duì)應(yīng)的聲音，這是提取后的效果：

再比如，這也是一段音頻：

想要提起其中的吉他原聲，只需要輸入：

acoustic guitar

干凈的音頻就提取出來了：

是不是效果很不錯(cuò)？

不僅是這些音頻，說話、笑聲也可以，比如這是一段帶著背景噪音的笑聲：

只需要輸入：

laughing

就能提取出干凈的笑聲：

各種聲音都可以通過自然語言提取，鍵盤聲、流水聲、貓叫等等。

目前算法已經(jīng)開源：

https://github.com/audio-agi/audiosep

使用方法很簡(jiǎn)單，首先配置開發(fā)環(huán)境：

git clone https://github.com/Audio-AGI/AudioSep.git && \
cd AudioSep && \ 
conda env create -f environment.yml && \
conda activate AudioSep

然后下載模型權(quán)重文件放到 checkpoint 目錄中。

然后就可以通過如下方式調(diào)用，進(jìn)行預(yù)測(cè)：

from pipeline import build_audiosep, inference
import torch

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

model = build_audiosep(
      config_yaml='config/audiosep_base.yaml', 
      checkpoint_path='checkpoint/audiosep_base_4M_steps.ckpt', 
      device=device)

audio_file = 'path_to_audio_file'
text = 'textual_description'
output_file='separated_audio.wav'

# AudioSep processes the audio at 32 kHz sampling rate  
inference(model, audio_file, text, output_file, device)

感興趣的小伙伴不妨試一試！

今天就聊這么多吧，我是 Jack，我們下期見！

·················END·················