极其流行，同样也是竞争力极其大的一种商业模式。虽然国内软件开发公司都发展壮大起来了，但是各地软件开发公司的实力及资质仍然参差不齐。下面为大家介绍下近期国内软件开发公司的排名汇总。
1：华盛恒辉科技有限公司
上榜理由：华盛恒辉是一家专注于高端软件定制开发服务和高端建设的服务机构，致力于为企业提供全面、系统的开发制作方案。在开发、建设到运营推广领域拥有丰富经验，我们通过建立对目标客户和用户行为的分析，整合高质量设计和极其新技术，为您打造创意十足、有价值的企业品牌。
在军工领域，合作客户包括：中央军委联合参谋(原总参)、中央军委后勤保障部(原总后)、中央军委装备发展部(原总装)、装备研究所、战略支援、军事科学院、研究所、航天科工集团、中国航天科技集团、中国船舶工业集团、中国船舶重工集团、第一研究所、训练器材所、装备技术研究所等单位。
在民用领域，公司大力拓展民用市场，目前合作的客户包括中国中铁电气化局集团、中国铁道科学研究院、济南机务段、东莞轨道交通公司、京港地铁、中国国电集团、电力科学研究院、水利部、国家发改委、中信银行、华为公司等大型客户。
2：五木恒润科技有限公司
上榜理由：五木恒润拥有员工300多人，技术人员占90%以上，是一家专业的军工信息化建设服务单位，为军工单位提供完整的信息化解决方案。公司设有股东会、董事会、监事会、工会等上层机构，同时设置总经理职位，由总经理管理公司的具体事务。公司下设有研发部、质量部、市场部、财务部、人事部等机构。公司下辖成都研发中心、西安研发中心、沈阳办事处、天津办事处等分支机构。
浪潮集团有限公司是国家首批认定的规划布局内的重点软件企业，中国著名的企业管理软件、分行业ERP及服务供应商，在咨询服务、IT规划、软件及解决方案等方面具有强大的优势，形成了以浪潮ERP系列产品PS、GS、GSP三大主要产品。是目前中国高端企业管理软件领跑者、中国企业管理软件技术领先者、中国最大的行业ERP与集团管理软件供应商、国内服务满意度最高的管理软件企业。
4、德格Dagle
德格智能SaaS软件管理系统自德国工业4.0，并且结合国内工厂行业现状而打造的一款工厂智能化信息平台管理软件，具备工厂ERP管理、SCRM客户关系管理、BPM业务流程管理、
OMS订单管理等四大企业业务信息系统，不仅满足企业对生产进行简易管理的需求，并突破局域网应用的局限性，同时使数据管理延伸到互联网与移动商务，不论是内部的管理应用还是外部的移动应用，都可以在智能SaaS软件管理系统中进行业务流程的管控。
5、Manage
高亚的产品(8Manage)
是美国经验中国研发的企业管理软件，整个系统架构基于移动互联网和一体化管理设计而成，其源代码编写采用的是最为广泛应用的
Java/J2EE开发语言，这样的技术优势使8Manage
可灵活地按需进行客制化，并且非常适用于移动互联网的业务直通式处理，让用户可以随时随地通过手机apps进行实时沟通与交易。
极其流行，同样也是竞争力极其大的一种商业模式。虽然国内软件开发公司都发展壮大起来了，但是各地软件开发公司的实力及资质仍然参差不齐。下面为大家介绍下近期国内软件开发公司的排名汇总。
1：华盛恒辉科技有限公司
上榜理由：华盛恒辉是一家专注于高端软件定制开发服务和高端建设的服务机构，致力于为企业提供全面、系统的开发制作方案。在开发、建设到运营推广领域拥有丰富经验，我们通过建立对目标客户和用户行为的分析，整合高质量设计和极其新技术，为您打造创意十足、有价值的企业品牌。
在军工领域，合作客户包括：中央军委联合参谋(原总参)、中央军委后勤保障部(原总后)、中央军委装备发展部(原总装)、装备研究所、战略支援、军事科学院、研究所、航天科工集团、中国航天科技集团、中国船舶工业集团、中国船舶重工集团、第一研究所、训练器材所、装备技术研究所等单位。
在民用领域，公司大力拓展民用市场，目前合作的客户包括中国中铁电气化局集团、中国铁道科学研究院、济南机务段、东莞轨道交通公司、京港地铁、中国国电集团、电力科学研究院、水利部、国家发改委、中信银行、华为公司等大型客户。
2：五木恒润科技有限公司
上榜理由：五木恒润拥有员工300多人，技术人员占90%以上，是一家专业的军工信息化建设服务单位，为军工单位提供完整的信息化解决方案。公司设有股东会、董事会、监事会、工会等上层机构，同时设置总经理职位，由总经理管理公司的具体事务。公司下设有研发部、质量部、市场部、财务部、人事部等机构。公司下辖成都研发中心、西安研发中心、沈阳办事处、天津办事处等分支机构。
浪潮集团有限公司是国家首批认定的规划布局内的重点软件企业，中国著名的企业管理软件、分行业ERP及服务供应商，在咨询服务、IT规划、软件及解决方案等方面具有强大的优势，形成了以浪潮ERP系列产品PS、GS、GSP三大主要产品。是目前中国高端企业管理软件领跑者、中国企业管理软件技术领先者、中国最大的行业ERP与集团管理软件供应商、国内服务满意度最高的管理软件企业。
4、德格Dagle
德格智能SaaS软件管理系统自德国工业4.0，并且结合国内工厂行业现状而打造的一款工厂智能化信息平台管理软件，具备工厂ERP管理、SCRM客户关系管理、BPM业务流程管理、
OMS订单管理等四大企业业务信息系统，不仅满足企业对生产进行简易管理的需求，并突破局域网应用的局限性，同时使数据管理延伸到互联网与移动商务，不论是内部的管理应用还是外部的移动应用，都可以在智能SaaS软件管理系统中进行业务流程的管控。
5、Manage
高亚的产品(8Manage)
是美国经验中国研发的企业管理软件，整个系统架构基于移动互联网和一体化管理设计而成，其源代码编写采用的是最为广泛应用的
Java/J2EE开发语言，这样的技术优势使8Manage
可灵活地按需进行客制化，并且非常适用于移动互联网的业务直通式处理，让用户可以随时随地通过手机apps进行实时沟通与交易。
小程序开发公司大都有官网的，可以去看其官网的案例，然后电话联系或者实地考察其公司，这样选择一家价格合理、实力强的小程序开发公司比较好。目前至少几千家可以做小程序开发的公司，一定选择有独家产品的公司，有相似开发案例的公司。小程序开发联系电话：******，联系QQ：******
目前数动力是国内少数实现视频、音频、分销和会员、拼团秒杀功能的小程序开发商！ ...
现在市面上有很多不错的小程序定制开发公司，具体哪家靠谱，可以参考以下几点：
1、适合自己的，根据你的功能需求寻找合适的，目前已经有很多现成的模板可以直接用，既能满足要求又可以不用定制开发少花钱。
2、看小程序的功能是否丰富，要知道做小程序是第一步，后面利用各种活动推广去发展你的用户才是最重要的，所以一个小程序的营销插件决定了你以后推广的力度。
3、小程序装修是否支持自定义装修，有些小程序装修风格比较单一，只能按照模板装修，相对于自定义拖拽式装修就单调很多。
4、产品是否成熟稳定，有没有经过市场检验，是否在持续升级中。
5、售后服务是否跟得上，后面你们肯定会遇到一些自己解决不了的这样那样的问题，需要技术售后支持，如果服务跟不上只会耽误你们的工作进程。
6、价格合理、性价比高。
希望可以帮助到你。
小程序制作其实你的功能如果是大众化的比如文章或者商品销售类的就直接买现成的，只有特种功能，一些部常见的才会独立开发。
咱们长春这里的网络公司都不是大型技术公司所以每个公司只能专精一两样，擅长方向不同，有的擅长小程序，有的擅长网站开发，有的擅长APP制作，还有的擅长应用软件。
所以你先要看你的需求。如果单网站制作的话，一般都能做，主流的做网站的技术是PHP，如果是APP就用JAVA，苹果是IOS专用编程语言。
还是根据你的需求。才能知道什么样的网络公司适合你
演讲者 | 赵晟、张鹏
整理 | 伍杏玲
出品 | CSDN（ID：CSDNnews）
【CSDN 编者按】9 月 7 日，在CSDN主办的「AI ProCon 2019」上，微软（亚洲）互联网工程院人工智能语音团队首席研发总监赵晟、微软（亚洲）互联网工程院 Office 365资深产品经理，Office 小程序负责人张鹏共同发表《微软语音AI与微软听听小程序实践》的主题演讲，分享微软人工智能语音的技术以及微软听听小程序的落地实践。
详情如何？我们一起来看看。
以下为演讲内容：
赵晟：
小程序是现在移动开发的新生态、新趋势。语音AI技术跟移动开发是非常有关系的。大家平时开车时不方便用手输入，可以用语音输入，开车时想听一些东西，完全可以用文字转语音的技术去听这些内容。基于这些考虑，微软语音AI和微软听听小程序合作做了些尝试，今天给大家分享这里面的故事。
赵晟
微软语音AI的技术突破
微软在30多年前开办微软研究院时，已开始投入大量的人力物力在语音和语言上。近几年来，微软在语音识别上首先取得突破，在2016年，语音识别的准确度已达到跟人相似的水平。
2018年，在中英机器翻译上和人类做比较，发现机器翻译的质量跟专业翻译人员的结果完全可以相媲美。
2018年9月，微软首先发布了基于神经网络的语音合成产品服务，它与人声的自然度得分的比例达到98.6%，也就是说非常接近人声。
语音识别之路
微软在语音识别的具体突破有哪些？
语音识别主要核心指标是词错误率，就是词识别错误占多少比例。在SwitchBoard会话数据集上，语音识别错误率开始非常高，根本不能用，到2016年，微软取得了突破，达到5.9%的错误率，2017年进一步降低到5.1%的错误率，这个错误率跟专业人员转写录音的错误率是相当的。
大家听听这个数据集的例子：电话上有两个人在交流，语音具有不连续性、噪音、口音，所以识别难度对机器来讲是非常大的，微软使用10个神经网络技术，比如：CNN、ResNet、VGG等，多模型输出打分、多系统融合，得到了这个了不起的突破。
机器翻译的里程碑
从1980年的传统机器翻译，到1990年的统计机器翻译，再到2010年，深度学习机器翻译技术开始兴起。2018年，微软首度提出一个任务，把机器跟人在中英新闻翻译上做比较，让专业翻译人员和机器翻译同样的句子，翻译后请懂双语的老师和学生去对翻译结果用0-100分进行打分。
可以看到微软的Human Parity机器翻译系统已经超过或者接近专业人员的翻译水平。它的突破用到了新技术比如对偶学习，用大量无标注数据提高现有的翻译系统。还有推敲网络，先有一个初始翻译，再用另外一个网络进行再一次的修正，同时运用多系统融合技术，最终达到这个突破性的结果。
语音合成技术
我们再看看语音合成技术，文字转语音这个技术也是非常悠久的语音AI技术。
最开始是基于人的发音原理的合成器，然后90 年代用拼接的方法，把一句话分成很小的单元，然后进行拼接，一开始的拼接是小语料库，自然度一般。在1999年左右，出现基于大语料库的拼接，这时需要收集到成千上万的句子，把它们切分开来，用一种选择策略去选择最合适的单元拼接在一起，自然度显著提升，但是带来新的问题，比如有些拼接不平滑。
2006年左右，基于HMM模型的合成技术兴起，它的好处是非常平滑，但是也带来负作用，就是声音过于平滑，让人听出来觉得不够具有表现力。深度学习的兴起在合成领域也得到了应用，最近两三年推出的神经网络TTS，是语音合成技术的突破。谷歌提出来Tacotron, WaveNet这些模型，把语音自然度提升新的水平。
微软在2018年，2019年提出了Transformer TTS、Fast Speech等高自然度神经网络TTS模型，并在2018年9月首度推出产品化接近人声的端到端Neural TTS。
Neural TTS模型
为什么Neural TTS模型可以接近人声？
传统的TTS是一个复杂的流程，每一步都要进行单独优化，有些模块需要经验规则，人工优化权重等等。神经网络的TTS是将合成流程简化了，我们可以看到它基本就三段，有一个前端文本分析，一个声学模型，一个Neural Vocoder声码器。神经网络的声码器可以非常接近人的音质。
采用最新的基于注意力的声学模型去进行建模韵律，更加接近人声的韵律。两者叠加起来，就可以到更符合人的韵律和音质的高质量合成语音。当然，带来的负作用是计算量非常大。
神经网络TTS的架构非常具有可扩展性，各家都提出不同的声学和声码器模型，有各自的特点，有的计算量大一点，有的计算量小一点，质量也有所不同。
Neural TTS还有一个特点是迁移学习，我们可以提取条件参数，对合成进行控制，比如我们可以先训练一个多说话人的基础模型，使用几十小时到上千小时数据训练得到一个模型。有了基础模型以后可以做很多有意思的事情，比如训练我自己的声音，或者生成有情感的、多风格的、跨语言的声音，这些都可以做到。
语音服务概览
前面讲了语音的新技术突破，可能有人就会问，有这么多新技术，怎么在产品里用它？我给大家介绍语音服务有哪些功能供大家使用。
微软的语音服务基本都在微软Azure这个平台上，提供语音转文字、文字翻译等标准服务。
Azure语音云端服务
语音转文字有很多功能，如实时识别文字、一个人说话、多人对话、会议场景。一个典型场景是大家开会后想看会议内容，可用语音服务把语音转成文字，并且做一些自动处理的摘要，这样可快捷地查看会议内容。
目前跟人类接近的文字翻译系统已上线，神经网络模型已更新，翻译质量大幅度提升。
文字转语音我们提供神经网络 TTS、4种语言、5个声音。这些服务都可以用Rest和WebSocket SDK调用。
我们还提供语音到语音的翻译系统，比如翻译机场景，把中文语音输入进去，翻译成英文，得到语音流，可以直接播放，不用再配置其他服务，简化开发步骤。这些服务都可以在以下网址访问使用。
云端模型定制服务
前面我提到的API都是标准模型，所谓标准模型就是微软几十年收集的数据做的大模型，大模型适用于大量通用的场景。但是AI有一个特点是对于不同场景相关的数据做一些自适应，可达到更好的效果。
典型的例子是有些公司里面有自己的硬件采集语音、有自己的关键词，如果有这些场景数据，可以大幅度提高语音识别准确率。我们在语音识别、翻译、合成模型上都提供定制功能，提供给各位开发者一起创建生态系统，你可以把数据放进去，打造成行业的模型，提供给客户使用。
模型定制地址：
Edge 端的语音容器
前面提到基于云端的语音服务，云端模型定制，还有一个很重要的场景是需要把AI放到离线或者私有云里面，这就是常说的Edge计算。因为这些端的计算力得到很大提高，可以跑起来复杂的模型。
包括手机端的Tensorflow都是类似的利用Edge部署的想法。我们语音服务在Edge有一个部署方案，它是基于Docker的容器，这样带来很多好处，比如安全可靠、延迟很小，充分利用现有硬件，接口和云端化部署保持一致，使用起来非常方便。
比如呼叫中心里有大量的客服语音对话，对此进行分析就可以了解服务的满意度。我们已形成了解决方案：在呼叫中心里定制模型，定制后，用于大批量处理录音，然后使用自然语言处理进行智能分析。在国内我们联合了联合利华、中国移动利用容器化的语音服务去完成这些服务。
容器可以在此申请使用：
Unified Speech SDK
在客户端SAPI、SpeechFX是Windows系统自带的传统开发SDK。我们现在提出了Unified SDK，支持访问云端的语音识别、语音合成、语言翻译等语音服务。这个SDK也支持容器化的语音服务和离线语音引擎，它是真正跨平台的，支持Windows、Linux、安卓、iOS、浏览器平台。SDK采用跨平台架构，提供有各种语言的绑定，中间有统一的C API，底层有跨平台的库，可以快速支持跨平台的迁移。
短语音识别代码
简单看几个语音识别例子，各种音箱助理要做识别，这是短句语音识别场景，你可以创建一个语音识别对象，然后异步开始识别，它是从声卡采集数据进行识别，然后把结果反馈给你。
SDK免费下载使用：
语音合成平台
语音合成平台的使命是让每个人和组织都有喜欢的数字化声音。这个语音合成平台是既给内部客户使用，也给外部客户使用，内部客户比如像微软的语音助理用的就是同样这个语音合成平台。我们在不断迭代这个平台，在18个数据中心里都有部署，真正达到全球化的部署，出海企业可以使用我们国外的数据中心。
接下来看看基于神经网络TTS的多种风格语音。为什么要有多风格的语音？因为合成一段语音的话，文字和语音要有一定的匹配，读新闻时需要正式的声音，机器人回复的时候需要考虑上下文需要，采取带有情感的回复。我们提供了风格化的声音供大家使用，通过输入的SSML express-as标记进行风格控制，使用起来是非常容易的。
中文上我们也正在开发新的风格，比如有亲和力的助理场景，客服场景里，客服机器人的语气应该是比较热心的。有时机器人有需要一些技能，我们这个晓晓也会唱歌。另外新闻场景，需要比较正式的语气来读新闻。读微信公众号的文章不用那么正式，但是也要相对要规范。情感故事场景，大家晚上睡觉前可以听听心灵鸡汤等等。声音可以千变万化，我们根据用户的需求去定制风格，同时也有不同的音色，比如男生、老年人声音、小孩声音，这些都可以定制。
语音合成API调用
这是语音合成API调用，创建一个合成器对象，你把文字送给它，它就可以开始合成了，这是合成到声卡。不同语言也非常类似，学习起来也非常容易。
调用API需要配置语言，我们有很多种语言，所以需要配置一下语言参数。不同的音色，声音也可以首先配置。输出格式，把语音输出到MP3压缩，也可以通过属性配置。
合成到文件保存，有时开发服务时需要把音频合成到一个流里然后转发到其他地方，那么就创建一个PullStream，后面的合成代码是一样的，可以像文件一样去读取这个合成的数据。还有一个PushStream，相当于回调的方式，不同的开发人员有不同的喜好，我们提供不同的API，方便大家使用。回调时的数据是通过回调方法来进行处理。
语音合成API也提供一些元数据，比如词边界，可以告诉你读到哪一个单词了，此外有些场景需要做口形匹配。这时注册一个事件，你可以得到这些元数据，这个功能在微软的Edge浏览器最新发布的新版本里已经用到了，朗读时文字高亮显示，供阅读者了解当前的进度。
语音助手合成
我们来看看语音助手的典型解决方案，典型场景有音箱、客服机器人、互联网车载语音、小程序集成。
架构图
这是我们推荐的解决方案或者架构：客户端可以用语音激活，用自定义的唤醒词，比如“你好，小娜”，首先把服务唤醒，你可以采集数据通过SDK送到云端，云端有唤醒词校验，再确认一下这个唤醒是不是真的对，降低误触发，然后对音频流进行识别，识别出的文字送给机器人的服务。
这是实现松耦合的好办法，类似机器人的服务都是自然语言文字进入、文字输出，所有这样的服务可以注册到我们这个框架里来。回复文字之后回到语音服务，进行语音合成，合成的语音可以通过流式返回客户端通过SDK播放，这是整个调用流程。这个架构的优点是把云端语音服务和唤醒词放在一起，可以减少客户端调云端的次数。全双工对话也可以用类似方法实现，连接的协议是WebSocket。
更多信息可参见:
在微信小程序里可以用类似这样的架构去做，我们在GitHub上提供了示例：
语音内容生产
当前现代快节奏的生活使得信息获取变得碎片化和多任务化，我们常常遇到一些痛点：传统的有声内容制作主要靠声优的录音；大量的文本内容正在等待有声化；有声内容生成受限于人员，时间，环境等因素，不能最大化产能。
那么如何提高人们的阅读效率呢？
一种很好的方式是通过听的方式消化这些信息，开车时、睡觉前都可以听一听，传统方案由人来读，这非常受到限制。有了基于神经网络的TTS，我们在想能不能提供效率更高的方案。
这个方案是这样工作的，各种信息流可以用云服务把它整理，送到语音调优服务，你可以选择调一下比如多音字，批处理合成API把调好的SSML合成为音频放在存储服务里，供你的应用去使用。
举一个电子书例子，这个电子书听起来更生动一点，还有角色的变化。前面说到了调音工具，TTS输入或者语音合成输入是SSML格式。我们提供界面工具可以可视化去调读音、停顿、背景音乐，一定程度上可以用它调出完全接近录音的效果。
定制语音
声音是一个品牌，每个人的声音都是自己的品牌，我们支持让每个企业都能定制自己的声音。定制语音的类型有两类：
1、自助服务开发人员通过网页或API操作、训练、部署声音，自助完成，面向个人开发者。支持三类模型的服务：
（1）基础模型：30-500句语音，比较相似，高可懂度。
（2）标准模型：3000-6000句语音，自然度比较高，接近Windows上标准模型。
（3）高质量模型：6000-8000句语音，自然度非常高，接近JessaRUS。
2、全包服务
全流程定制语音，专家工程师把控最高质量，也支持基于神经网络的定制，300句可以做到以前6000-8000句的效果。当然，对于神经网络的定制要非常小心，我们希望AI的技术不要被滥用，太像了之后人们会担心自己的声音被别人做了一个TTS，去外面打骗人的电话等等。所以需要有很严格的流程，通过客户同意才能使用。目前通过商务合作模式进行神经网络TTS定制，保证技术不被滥用。
自主服务界面接口里，可上传所有数据，我们自动进行处理，比如对读音进行检测，如果发音不标准的话训练出来的声音也不标准。数据较好的话可提交训练，后台会起一个训练流程在GPU去训练，训练之后试听效果，部署后可通过代码调用或者在网页上输文字实时测试。
模型定制也可调用API，这个API是Rest接口，在微信小程序可以调用，也可在后台调用。代码支持SWAGGER标准，可以自动生成多种语言代码。我们提供了管理数据的API，对模型进行管理的API。
做一个好声音是有技术门槛的，首先要了解你的场景需要什么样的风格、需要什么样的音色，去选择合适的风格，然后录音文本选择通用文本或者领域相关文本。
录音也是个技术活，需要尽可能安静，不要有噪音，保持录音风格，数据越好出来的质量越高。模型训练完成之后可以部署到云端或者容器，可以非常灵活的部署在各个地方。微软语音AI技术在微信小程序上有不错的实践，下面由张鹏分享听听小程序在AI的实践。
为什么是语音 AI +小程序？
张鹏
张鹏：
Office 365是一套基于云平台的服务解决方案，除了大家熟悉的Office编辑工具服务外，还有邮件，社交，会话以及可视化数据与报告等，这些共同构成了一套服务，这套服务我们称之为Office 365，我们希望把Office 365带到更多中国用户使用习惯中去，第一个看重的是微信。
我们为什么要在微信里做？
有两个主要考虑的因素：
第一，微信是月活超过11亿的产品，这是任何跨国公司产品进入中国以及本土创新都必须要研究的，微信哪些功能满足了用户需求，哪些功能没有满足用户需求，因此Office 365要在中国取得成功，满足微信用户的对文档协作的需求是我们必须要做的事情。。
第二，微信沉淀了极其稳定的社交关系，基于这些社交关系可以看到你的通讯录里、各种群里已经不单是家人和朋友，看看我们微信的各种群，更多的是你的同事、客户以及上下游合作伙伴，也就是说很多群是因为工作而产生的，因此在微信里就有大量的文档在流转，我们如何让这些文档在微信生态里可以更高效的被创造出来，可以被安全的被管理，可以更顺畅且高效的传递，这是我们想在中国探索的一个方向。
第三，小程序2017年1月份诞生，市场上对小程序有各种解读，有看好的，有不看好的，我觉得任何定义现在下都为时过早。而我们看到的是小程序正在或者将要解决信息孤岛的问题，各个App之间信息不通的问题。
Office有同样的问题，很多文档内容是留在大家的PC里或者用户各种云盘里，这些信息并没有很高效的被协作起来，没有有效的途径把有价值的内容做分享。我们认为微信小程序未来正是解决这个问题的解决方案。
基于这几点，我们2018年投入到小程序里。
今天分享的小程序叫“微软听听文档”，“微软听听文档”探索的第一个问题是PPT在移动端应该是什么样子的？如何将信息更好与人协作。
我们有很多群，有很多文档在流转，然后这些文档在群里是以静态的形式在流转，很多情况下用户都是从PC端拉一个PPT扔到群里就完了，这种PPT其实是静态的Word文档。
如果将PPT下一个定义的话，突出它的主要功能就是怎样让大家演讲时更有力，提升演讲时的演示效果，这是我们移动端的目的。因此，我们打造了“微软听听文档”。
我们通过在移动端快速地给每一页文档做录音，快速发布，通过微信固有的社交关系去传播、发布。每页PPT下面除了有声音外，还有各种社交属性：传播、、发朋友圈、进群、点赞、打赏，这是我们认为PPT在移动端应该有的样子。更重要的是有人的声音，也就是演讲者的参与。
今天AI大会上我观察到有很多人会拍照发朋友圈、发到群里，这也是一种内容的分享方式，但这种分享方式并不很高效，为什么？
因为这种分享方式里缺少了最重要的因素，就是演讲者、创作者到底在PPT背后传递什么观点，通过几张图片是很难传递出来的，这是我们要打造这个产品的目的。
微软听听小程序
我们做这个探索时，关注点有：
第一，创建。我们可以给每个文档做录音，背景音乐可以通过微软AI技术去学习文字和图片，自动配背景音乐，不用大家主动去选。
第二，PPT有设计内容，Office365有AI设计灵感，未来在移动端也可以帮大家从手机相册去选择图片去制作演讲时，图片可以自动用设计功能去裁剪、排版，达到更好的效果。
第三，AutoSpeech，大家在移动端录音时，很多人不喜欢自己的声音，觉得自己的声音不好听，很多人基于环境的限制并不方便录音，我们基于深度神经网络可以将声音完美的匹配文字。
第四，Article听听文档，如果大家在行进路上或者不太方便看文字的情况下，简单的把公众号URL链接拷贝到里面，可以用几十秒时间迅速制作出来一种可以看、可以听的文本，是一种新的形式展示给大家，我们有真实企业案例就是这样用的。
在听的方面有哪些和AI结合？让听者可以更沉浸式的身临其境的去听人的分享。
1、引入字幕，字幕对辅助阅读很重要，有时大家听讲时开小差就跟不上了，字幕在这里起到非常关键的作用，通过微软的声音转文字，以字幕的形式转出来。
2、社交，点赞、转发等等。
3、PPT动画，把视频播放的东西引入进来，给大家更丰富的表现方式。
以下是语音文档的创作过程：
第一步，选择制作方式。
拥有微软帐户后可以选择文件，可以从电脑端拖一个文件里进来，也可以从手机相册里选，选择之后进入录音。
第二步，人工录音或者AI录音。
第三步，发布。
可以选择权限设置，是只给微信好友看，还是发布给整个互联网的人看，还是只给自己看，包括开启赞赏，如果觉得自己的内容有价值，期望别人打赏的话也可以开启。
第四步，查看个人页面，关注推荐。
发布之后你的作品在作品集，可以知道有多少用户关注你，知道每个分享有多少人去看去听，也方便你自己去管理你自己的内容，也可以让别人找到你去分享。
下面举一个真实例子，新民晚报。他们之前有一个问题，每天早上6点，编辑会在1小时内编辑一天24小时的新闻，7点钟有一个内审，审核通过以后，7点半就在公众号发布。
这个过程中要反复修改，不可能有人给公众号录音或者去修改，。他们现在利用以上的方式可以很快捷的嵌入小程序到公众号，我们这个小程序的速度非常快，大概十几秒的样子。AI的效率在这个场景中得到非常大的发挥和落地。
微软Office微信小程序布局
未来，微软Office微信小程序布局本地化策略有三个方向：信息输入；信息管理；信息输出。
文档怎么被创造出来，怎么被管理，怎么输出协作。这三个方向是我们想去探索的。
在我看来，什么样的小程序能够生命力很强？我们做了很多功能，但是发现反而让用户更多时间耗在这里，这样工具类的小程序时间长了，慢慢大家就不会用了，因为发现代价很大。所以从生产力小程序角度总结，只要真正能帮助用户节省时间、提高效率的生产力小程序都会有更好的生命力继续传播下去。最终让用户收益才是一切商业逻辑的起点。
大家可以在微信搜索“微软听听文档”，体验一下。
嘉宾简介：
赵晟 ，微软（亚洲）互联网工程院 人工智能语音团队首席研发总监。目前负责微软Azure语音服务的产品研发工作, 所开发的语音技术服务于微软Office、Windows、 Azure认知服务，小冰小娜以及广大的第三方开发者。曾担任微软亚洲研究院研究员，微软小娜资深研发经理。长期从事语音和语言方面的技术开发，包括语音合成，自然语言处理，语音识别等等，所负责的多语言合成项目也曾经获得微软中国杰出工程奖。
张鹏，微软（亚洲）互联网工程院 Office 365资深产品经理，Office 小程序负责人 。2013年加入微软MSN，承担MSN和必应搜索等产品设计和市场推广工作。2016年开始至今，负责Office 365在中国创新产品开发，成功发布officeplus.cn，微软AI识图，听听文档等产品发布。
【END】
图说：腾讯智能汽车云产品架构图 采访对象供图
新民晚报讯（记者 杨玉红）智能汽车正步入大规模量产前夜，车云一体的数据闭环成为行业决胜的关键。6月24日，在“腾讯智慧出行2022新品发布会”上，腾讯发布了行业首个专为智能汽车定制的一站式云解决方案——腾讯智能汽车云。该产品是腾讯基于对智能汽车行业的深刻理解，兼顾行业现阶段对安全可信、技术先进、研发效率、总拥有成本的综合用云需求，推出的一站式云解决方案。
会上，腾讯宣布在上海开设智能汽车云华东专区，这是行业首个专为自动驾驶与智能汽车领域而建设的专有云平台，腾讯将重点投入资源和专家团队进行持续建设。基于云专区，腾讯智能汽车云能够提供全栈物理隔离，保障相关数据的安全可信、自主可控。同时，云上组件将针对行业特殊需求进行定向优化，真正做到专云专用。
腾讯智能汽车云一站式有机集成了自动驾驶研发与运营工具链、智能座舱研发、智能驾驶地图、运营服务等全方位能力，通过“一朵云、一站式”的方式满足智能汽车从研发到运营全链路的广泛需求，助力客户降低架构复杂度，获得一站式最优方案。例如，针对自动驾驶研发的全流程，腾讯智能汽车云提供了以数据和计算为核心的全套工具链：包含数据采集、数据存储、数据处理，数据标注，模型训练，仿真与评测等。同时，云端模块可以无缝连接本地研发环境，实现从算法开发到发布测试全流程的自动化，提升研发效率。
在技术领先性方面，面向自动驾驶，腾讯智能汽车云提供了GooseFS存储加速服务，支持在10亿+文件规模下，10W QPS的访问效率，并保障低时延。相比传统存储的接入和访问模式，腾讯智能汽车云的加速性能提高了10倍。针对数据计算与模型训练，腾讯智能汽车云提供一站式算法开发、训练框架——TI-One，可大量节约算法训练的成本。在数据接入环节，最高可节省80%的工作量；在数据处理环节，可降低70%的标注成本；在模型训练环节，算法开发TCO（总体拥有成本）至少降低50%。
在安全可信方面，腾讯智能汽车云结合了腾讯地图、位置服务多年的经验积累，满足国家相关政策、法规要求，具备等保三级认证，可引导智能汽车向更标准、更安全和更有序的方向发展。
在弹性及兼容性方面，腾讯智能汽车云在专有云基础上，提供订阅式模式，客户可按需进行产品和服务的扩缩容，享受与公有云一致的资源弹性。同时，腾讯智能汽车云继承公有云一致的开放性，持续引入行业内先进的、成熟的产品和服务，并支持客户进行个性化创新。
腾讯智能汽车云基于公有云和专有云的优势，推出混合云解决方案，可以帮助客节约云的建设与运维成本，缩短项目周期，推动项目快速落地、快速部署，加速智能汽车发展。
据了解，博世已经与腾讯智慧出行在智能汽车云领域达成战略合作。腾讯为博世中国自动驾驶研发平台提供了重要支撑，助力博世本土能力建设，加速满足中国市场需求。腾讯云在存储、计算、网络等维度为博世自动驾驶研发提供助力，支撑了数百PB存储、数百最新GPU卡大规模分布式训练的需要，促进自动驾驶研发环节的降本增效。
腾讯智慧出行副总裁刘澍泉表示：“腾讯将持续迭代‘一朵云、一站式’的智能汽车解决方案。面向自动驾驶，提供车云一体的数据管理与服务，加速自动驾驶功能研发迭代。面向智能座舱，在带来丰富的互联网内容和生态服务同时，提供最懂用户、可定制的车载小程序和场景引擎。在智能驾驶地图方面，提供最鲜活、最精准的新一代地图和更新服务。”
社区团购成为当前物资补给的重要渠道，但在大家足不出户的情形下，物资如何分发到每人手上？假设物资现在送到了小区门口，当你作为小区志愿者拿到送货单，该如何下手？一次拿几样，先送谁，后送谁，怎么走？
“一些小区里有很多栋单元楼，有些甚至有几十个、上百个门栋。快递员经常送比较熟，但是对一般志愿者来说，头脑里肯定没有这个概念。”为提高小区志愿者的配送效率，华东师大地理科学学院教授李响设计了一张“送货地图”，输入订单信息后一键加载，即可将之匹配到对应的楼栋，输出带有所有楼栋订单信息的地图。
写个程序方便送货
李响的太太是党员，在小区当志愿者，一天她偶然提到，“小区今天送来水果，有好几种水果，可把团长给急坏了，都不知道每一个楼栋要多少种水果，到时候分起来特别麻烦。”她想到了画地图的办法，来帮助大家提高效率。
图说：李响为居民送牛奶 真如镇街道供图（下同）
虽然是在电脑上，李响在一旁看着太太逐条整理，觉得很麻烦，就想写个程序，看能不能更方便一点。“结果特别快，一下子就出来了。”当天晚上李响就做好了系统，第二天就有个送牛奶的单子，他便自告奋勇去送了，“送的过程中我觉得还是挺顺利的。当然因为我们小区也不大，东西也不是太多，很快就把这些东西送完了。”
李响通过程序做的这个“小区送货地图”，在自家小区试验成功后，他在网上公布了联系方式，免费帮其他小区定制地图。虞女士所在的华师大一村是个典型的老旧小区，门栋数量多、楼型复杂、户号排列也不规律，“我们志愿者送货的时候是真的头晕，经常找不到，送货的效率就很低。”虞女士说，李响教授设计的这个程序，恰好解决了他们的烦恼。“我们把excel表格导入到程序里后，30秒不到就出来了一张‘送货地图’，大家打印出来照着它送货，再也不用走回头路了，非常方便。”前几天，虞女士做了一次小区的面包“团长”，按照生成的地图，她用一个小时左右就送完了180份订单。
图说：支持分组的“送货地图”
十几次优化和迭代
从起初的仅仅一张地图，到补充配送路线规划功能，再到加入配送区域的路网信息确保路线有效可达，同时设置交互方式，让用户自定义更符合实际的配送路线；最后到目前的分组与多货品统一规划路线。这张“送货地图”的定制流程日趋完善、简洁和标准化，背后的生成工具，也经过了十几次的优化和迭代。
在最近的一版“送货地图”里，实现了支持分组、支持多种货品一起规划配送路线。基于不少大型社区的志愿者已经实现区域包干，团队增加了分组功能，志愿者们可以获得自己负责区域的专属地图。此外，这次更新后的地图还支持多种货品配送。“可以全选，可以不选，可以多选，可以仅选……想怎么选就怎么选。当然，大家可以根据情况中途折返补货，我们的规划就是提供一个路线的参考。”
地图的升级离不开一线志愿者的热心建言，更离不开背后团队的精诚合作。“我们第一版地图出来后，受到很多人的关注，大家纷纷联系我‘定制服务’，我就想到了我的研究生，请学生也帮忙一起做。”李响说，从最初的孟同学、王同学开始，整个团队现在已有20多人，形成了对接组、制图组、派单组、质检组、分发组等详细的分工。通过线上经验交流和培训会，他们在极短的时间内完成了软件使用说明书、演示视频、常见问题总结等辅助资料。
截至4月28日，他们已经完成了近百个社区的送货地图软件的定制需求，各小区“团长”和志愿者可通过订阅“大数据攻城狮”公众号，发送留言“送货地图”获取说明书，自行完成软件的定制。
通讯员 张成妍 新民晚报记者 江跃中
