家中狗狗在說什麼？結合強大AI功能下　翻譯狗語聲GPT神器出現了

鏟屎官終於能理解汪星人的小心思了。「狗語翻譯器」已經席捲娛樂圈。

在節目中，貴氣男孩尤長靖花了八百塊錢，買了個「狗語翻譯器」。►毛孩子有IG了，來追蹤我們吧！

汪蘇瀧下單時問他，「有兩百的、四百的和八百的，要買哪個？」

尤長靖斬釘截鐵地說，「買八百的」。

因為一分錢一分貨，越貴的肯定越精準。

結果買回來，它就各種胡言亂語。

郭麒麟和陸虎也同樣玩起了「狗語翻譯器」。

購物平台上，不少買家吐槽，這類長得像個蝴蝶結的狗語翻譯器，簡直就是智商稅。

狗叫的時候沒反應，狗睡覺了它開始說話了。

現在，AI 闖進了這個小眾賽道，帶來了不一樣的效果。

一位華人小哥搞出來一款狗語 GPT，專門識別汪星人的小情緒，其準確率高達 80%。

天啊嚕，人類都還搞不懂自己，卻聽懂了「狗叫」。

-1- 「汪星人」能聽懂人話了

最近，人類和「汪星人」絲滑對話的視頻，在社交媒體上一炮走紅。

視頻中，一位男士對着手機上的一款 APP 說：

Hi Ellie，你能幫我拿下遙控器嗎？

這款 APP 隨即就把人類語言翻譯成幾句狗叫聲。

金毛犬聽後，立馬搖着尾巴，跑到茶几上叼來了遙控器。

還有類似的案例。

女主人也是對着手機的 APP 說了一段話：你可以親我一下嗎？

隨着手機發出的幾句短促的汪汪聲，「毛孩子」聽懂了，飛身來了一個 Kiss，主人一臉的不可思議。

這款手機 APP，名叫 Traini，是一款「寵物共情 APP」，俗稱「狗語翻譯器」。

它通過 AI 聊天機器人 PetGPT，實現人類與狗狗之間的跨物種對話和交流。

其核心技術基於一個先進的寵物行為多模態翻譯模型。

這個模型採用了類似於 GPT-4o 的 Transformer 架構，並接受了大量專家級寵物行為學文本、視覺和音頻數據的訓練。

為了確保翻譯的準確性，Traini 團隊嘗試了多種訓練方法，包括使用純狗語音數據訓練，對人類語音預訓練模型進行微調，以及使用來自不同國家地區、不同品種狗的語音數據混合訓練等。

除了翻譯狗叫聲，它還能理解小狗的面部表情和身體行為，從而推薦它們的心理狀態和情感需求。

其實，小狗和人類一樣，也是通過表情、聲音和行為，來表達情緒。

比如，當它們眼睛半閉含着淚珠，這就表示痛苦；耳朵直立指向前方，就表示想玩；鼻孔張大肌肉緊張，表示戒備。

為此，該團隊收集了 10 萬隻狗的照片、聲音和視頻，餵給模型，然後不斷進行訓練。如今，Traini 可以解讀 10 種不同的寵物情緒，其準確率更是高達 80%。

用戶可以直接在 PetGPT 中上傳照片並提出問題，以了解寵物的心理狀態。

截至目前，這款應用已經吸引了超過 20 萬的用戶。

-2- 背後團隊是何方神聖？

Traini 創始人兼 CEO 名叫孫鄰家 (Arvin Sun) ，是一位華人連續創業者，曾在國內創業 7 年。

他最早的創業經歷還得追溯到大學時。

那時，他和室友一起向剛入學的新生賣被子，畢業後就去了一家上市公司做供應鏈管理，差不多做了兩年時間。

2015 年，孫鄰家又和同學一起創業，做起了零食專賣店「鄰家鋪子」，主打三公里內 30 分鐘送貨上門。

後來又為美容院提供在線預約和門店端的 SaaS 服務，曾在 3 個月內融資數百萬元。

再之後，他做了一個給電商提供配套物流的平台，融到 3000 多萬，團隊也擴充到 100 多人，業務覆蓋了 50 多個城市。

2018 年，孫鄰家去了美國，加入了最大的中餐外賣平台 GESOO 做 CEO，並實現了公司扭虧為盈。

後來又去了另一家競品公司 Chowbus 負責西海岸業務，並融資超過 1 億美金。

2022 年，孫鄰家創辦了 Traini，負責公司的客戶增長和市場拓展。

Traini 聯合創始人名叫 Jason Hong，他是一名年輕的中國小夥子，年僅 24 歲。

他曾是湖南省奧數青訓隊成員，後在美國東北大學大學攻讀計算機研究生，並在 Scale AI、OpenAI 和百度工作過，積累了先進模型的開發實踐經驗。

如今，他負責核心 PetGPT 模型架構和訓練。

此外，Traini 還有兩名全職員工，分別負責界面設計和全棧工程搭建。

公司還邀請了前 Chewy 數據科學負責人 Yiyi Yang 加入，擔任寵物健康專業顧問。

今年 5 月份，公司還完成了千萬元天使輪融資。

-3- 日本團隊搞了個雞叫 GPT

除了狗語翻譯器，日本還搞了個雞叫 GPT。

東京大學教授 Adrian David Cheok 帶領他的團隊，研究了一種 AI 和機器學習方法，可以「聽懂」雞叫，並理解其心情。

他們將這種高度數學化和創新的方法稱之為「深度情感分析學習（DEAL）」，可以通過聽覺數據對情緒狀態實現精細分析。

首先，收集雞叫聲。

研究團隊將音頻記錄分割成小片段，以專注於每隻雞的聲音，每個片段代表一個不同的聲音事件，如咯咯聲或嘎嘎聲。

為了消除背景噪音，提高雞叫聲信號質量，團隊還採用了降噪技術。

再把音頻信號進行標準化，確保它們具有一致的幅度範圍，有助於減少記錄條件中的任何變化，並確保模型可以很好地泛化不同的記錄。

其次，把雞叫聲輸入 DEAL 模型，該模型通過多個層次進行數據處理。

這個系統利用卷積層學習空間特徵層次結構，池化層減小表徵的空間大小以控制過擬合併減少計算，全連接層學習高級特徵的非線性組合。

最後，softmax 函數用於產生最終輸出情緒狀態的概率分佈。

概率最高的情緒狀態，將被選為預測的情緒狀態。

為了測試新系統，該研究團隊以 80 只雞為樣本，仔細記錄和分析了它們在不同條件下的發聲。

同時為了確保準確性，它們專門聘請了 8 名動物心理學家和獸醫，對雞的情緒狀態提供了專家的見解。

最終，他們發現這個系統可以準確地翻譯雞的各種鳴叫和心情，包括飢餓、恐懼、憤怒、滿足、興奮和痛苦等，準確率接近 80%。

然而，研究人員也指出，由於世界雞的種類繁多，可能存在無法翻譯的情況。

參考鏈接：
https://www.researchsquare.com/article/rs-3034567/v1
https://mp.weixin.qq.com/s/kgCmbIPFKVLg4dptvChkvQ
https://mp.weixin.qq.com/s/SOGWBpNx3O5QMSQAbhzIaw
https://mp.weixin.qq.com/s/_tKqvS_jrlgqWJV69gLbig

延伸閱讀：與愛犬失散7年　突然在社交平台驚見熟悉面孔　感動重逢全記錄（點擊連結看全文）

【本文轉自「機器之心」，微信公眾號：almosthuman2014】