Keras 新增語音與生成式 AI 功能

Keras 喺最新嘅更新中引入咗一系列針對語音處理同生成式 AI 嘅新功能，令呢個深度學習框架喺多模態應用中更具競爭力。其中一個矚目嘅更新係 keras_hub.models.CausalLM 同 keras_hub.models.TextToImage，分別針對語言生成同文本到圖像生成提供咗強大嘅支援。呢啲功能特別適合用於開發聊天機械人、語音助手同創意生成應用，例如自動生成圖像或文本內容。話說回來，keras_hub.models.CausalLM 可以從預設模型（例如 gemma2_instruct_2b_en）載入，支援 float16 數據類型，喺生成長文本時表現穩定，最大長度可達 512 個令牌。開發者可以利用呢個模型快速構建自然語言處理應用，例如自動回覆系統或內容生成工具。

喺語音處理方面，Keras 引入咗新嘅語音處理層同工具，支援實時語音數據處理同分析。呢啲功能建基於 Keras 嘅多後端架構，開發者可以喺 TensorFlow、JAX 或 PyTorch 之間選擇最適合嘅後端，確保喺唔同硬件上嘅高效運行。例如，keras.layers.Resizing 層新增咗 antialias 參數，幫到喺處理語音或圖像數據時減少鋸齒效應，提升輸出質量。同時，keras.utils.FeatureSpace 現已支援 tf.data 管道，喺非 TensorFlow 後端下都可以順利運行，方便開發者構建複雜嘅數據預處理流程。

生成式 AI 方面，keras_hub.models.TextToImage 模型（例如 stable_diffusion_3_medium）可以根據文本提示生成高質量圖像。舉個例，開發者可以用類似「叢林中嘅宇航員，細緻描繪」嘅提示，生成具創意嘅圖像內容。呢個功能對於廣告、遊戲設計同藝術創作等領域有巨大嘅應用潛力。Keras 仲提供咗豐富嘅預訓練模型同代碼示例，全部托管喺 GitHub 上，開發者可以透過 keras.io 嘅代碼示例頁面搵到超過 150 個詳細註釋嘅 Jupyter Notebook，涵蓋電腦視覺、自然語言處理同生成式 AI 等多個領域。

除咗新功能，Keras 亦都優化咗訓練同推理嘅性能。例如，fit()、evaluate() 同 predict() 函數現已支援非同步日誌記錄，喺 TPU 等加速器上可以實現 100% 緊湊堆疊，顯著減少訓練時間。同時，keras.RematScope 同 keras.remat API 提供咗細粒度嘅重物料化控制，允許開發者針對特定層（例如大型層）啟用重物料化，進一步節省內存同提升效率。呢啲功能對於處理大型模型同大規模數據集尤其重要。Keras 仲改善咗 StringLookup 層，現已支援 tf.SparseTensor 輸入，方便處理稀疏數據。

總體嚟講，Keras 嘅呢啲新功能為語音處理同生成式 AI 應用開闢咗新嘅可能性，同時保持咗框架一貫嘅易用性同靈活性。開發者可以利用呢啲工具，快速構建同部署創新型 AI 應用。想了解更多，可以瀏覽 Keras 官方網站。