谷歌开发语音命令数据集的目的——帮助大家创建基础且有用的语音交互

谷歌的工程师们经常被问到这样的一个问题——怎么上手用深度学习做语音识别或其它音频识别，比如关键词或指令？

目前，出现了一些很优秀的开源语音识别系统，例如Kaldi，就能把神经系统作为其中的一个模块。但其的高度复杂性，并不适合 解决简单问题的指南。更重要的是，对于新手而言，免费、公开可获取到的数据并不多，适合简单的关键词也不是很多。

为解决这一问题，谷歌的TensorFlow 和 AIY 团队创建了TensorFlow 和 AIY 团队创建了Speech Commands Dataset，即“语音命令数据集”。据了解，谷歌在今日宣布开源该数据集。

对于30个命令短语，会有65000次的长约一秒钟的发音，这来源于65000个不同人的贡献。该数据集未来将会不断的扩大。

建立这数据集的目的，是帮助大家为应用创建基础但有用的语音交互。谷歌也已经将开发这一数据集的基础设施开源，尤其是针对冷门语言和应用。

下载预建的 TensorFlow 安卓演示 APP，打开 “TF Speech”，就能体验谷歌基于该数据集开发的识别模型。