원래 이름 기록: 阿里巴巴（中国）有限公司

提供了用于通过使用面部特征转换器来执行生成式面部视频压缩的方法和装置。一种示例性方法包括：接收比特流，所述比特流与表征面部图像的第一类面部特征数据相关联；以及使用所述比特流的已编码信息，对一个或多个图像进行解码，其中，所述解码包括：将所述第一类面部特征数据转换成第二类面部特征数据；以及基于所述第二类面部特征数据，重建所述面部图像。

本申请公开了一种模型训练方法、任务处理方法、系统、电子设备、存储介质和计算机程序产品，涉及人工智能技术、多模态数据处理技术领域。其中，模型训练方法包括：利用多模态语料数据，构建潜在动作空间对应的训练集，其中，潜在动作空间基于多模态潜在动作来表征；基于训练集，对初始交互处理模型进行训练，得到中间交互处理模型；基于潜在动作空间和多模态提示数据，对中间交互处理模型进行强化训练，得到目标交互处理模型，其中，目标交互处理模型用于对多模态交互任务进行处理，以生成任务处理结果。本申请解决了相关技术中模型训练方法效率低下、泛化能力不足的技术问题。

本发明实施例提供一种视频、图像及3D信息生成方法、设备、介质和产品，属于AI领域，该方法包括：获取对应于多个视角的多个待编辑图像，对初始视角的第一待编辑图像中的待编辑区域进行编辑以得到第一编辑后图像，根据第一待编辑图像中的待编辑区域生成其他多个第二待编辑图像对应的多个遮挡后第二待编辑图像。将第一编辑后图像和多个遮挡后第二待编辑图像输入目标图像修复模型以得到多个第二编辑后图像，目标图像修复模型将第一编辑后图像中的编辑结果扩散至多个遮挡后第二待编辑图像。根据多个编辑后图像生成视频。通过该方案可以实现多视角一致的图像编辑。

提供了用于将视频序列编码成比特流以及对比特流进行解码以输出视频流的一个或多个图像的方法。一种示例性方法包括：接收视频序列；对所述视频序列的一个或多个图像进行编码；以及生成与所述已编码图像相关联的比特流，其中，所述编码包括：通过多个跨分量残差模型(CCRM)，基于与色度样本相对应的亮度样本，预测当前块内的所述色度样本。

本发明实施例公开了一种基于自博弈范式的模型训练方法、装置和设备。本发明实施例中，通过获取设定领域的问答对数据集；将问答对数据集输入到第一大语言模型中，确定第一大语言模型中设定隐藏层的隐藏状态表示以及第一目标答案；将隐藏状态表示发送至第二大语言模型中的设定隐藏层，确定第二目标答案；根据第一目标答案和标准答案生成基础损失函数，并根据第二目标答案和标准答案生成困惑损失函数；根据基础损失函数和困惑损失函数生成第一总损失函数；根据第一总损失函数更新第一大语言模型的参数。通过上述方法，可以在不同业务场景下，将不同的领域知识快捷且准确的注入大语言模型，实现大语言模型的高效训练。

本说明书实施例提供文本生成方法、系统及装置，所述文本生成方法包括：解析客户端发送的初始提示文本，确定所述初始提示文本的文本生成意图，并根据所述文本生成意图确定目标文本场景，根据所述目标文本场景确定参考提示文本的目标文本类别；确定所述目标文本类别对应的多个参考提示词，并将所述多个参考提示词返回所述客户端；响应于所述客户端发送的目标参考提示词，根据所述目标参考提示词以及所述初始提示文本，确定所述参考提示文本，其中，所述目标参考提示词从所述多个参考提示词中选择；利用文本生成模型对所述参考提示文本进行文本处理，生成目标文本，并向所述客户端返回所述目标文本；该目标文本更加符合用户需求且质量较优。

本发明实施例公开了一种安全图像生成方法和装置。本实施例的方法为获取请求文本，使用文本编码器将其转换为原始文本向量，再将该向量输入已完成训练的稀疏自编码器得到稀疏激活向量，继而利用预先构造的有害概念抑制矩阵对对应神经元的激活值按预设强度进行抑制，随后将抑制后的稀疏激活向量重构为目标文本向量，并馈入冻结参数的图像生成模型快速生成已消除有害概念的安全图像。上述方法采用预先训练好的稀疏自编码器将原始文本向量映射至稀疏空间，使有害概念只对应少量神经元，实现单步掩码抑制，使用有害概念抑制矩阵对稀疏激活向量做逐元素乘积式抑制，保证非目标语义神经元零扰动，实现对有害概念精准擦除的同时最小化对其他语义的影响。

本申请公开了一种音频信号的处理方法、回声消除模型的训练方法和语音识别方法。其中，该方法包括：获取待处理音频信号和参考音频信号，其中，参考音频信号与待处理音频信号中的回声成分相对应；基于参考音频信号对待处理音频信号中的线性回声成分进行回声消除，得到处理后的音频信号；利用回声消除模型基于预设音频信号对处理后的音频信号进行回声消除，得到目标音频信号，其中，预设音频信号包含如下至少之一：参考音频信号和待处理音频信号。本申请解决了关技术中对复杂音频条件下的待处理音频进行回声消除效果的技术问题。