DeWave的训练流程主要分为三个阶段:1）自监督编码器预训练（仅原始EEG脑磁波)，这一阶段会先训练一个脑电波自编码模型，输入原始EEG波形，通过重建实现自监督。这样可以提取有用的时域和频域特征。
2017年，新墨西哥州洛斯阿拉莫斯国家实验室的Paul Johnson开始使用机器学习来理解地震的数据。他建立了一个人工模拟地震的实验室，用各种方法来模拟地震。
不同于传统的迭代采样过程，CoMoSVC实现了一步采样，即能够在单次操作中完成声音的转换，大大加快了处理速度。同时，它在保持高音质转换的同时，优化了推理速度，确保转换后的音频既自然又忠实于目标歌手的风格。
HandRefiner的工作原理包括手部识别与重建以及条件修补两个过程。首先，它识别出生成图像中形状不正常的手部，并使用手部网格重建模型重建出一个正确的手部形状和手势。即使在畸形的手部图像中，HandRefiner也能够生成合理的重建结果，这得益于模型基于正常手部的训练数据。
该公司最近完成了近千万美元的 A 轮融资，用于开发企业级 AI Agent 产品 BetterYeah AI。斑头雁智能科技已经完成了2轮融资，累计融资额达到1亿元人民币。