近年来AI技术发展速度迅猛,深入到生活中的方方面面,从手机APP到车载语音系统。今天小PP和大家一起仔细了解,AI技术中的语音技术在各场景的应用,并奉上对应模型~
语音识别技术
语音识别其实是一种感知智能,核心功能是将物理世界的信息转化成可供计算机处理的信息,为后续的认知智能提供基础。
实际上,语音识别早已经应用于我们日常生活中的方方面面。现在非常多的手机APP支持语音识别,解放双手提升效率。像社交类APP微信的语音转文字、翻译APP有道词典即可通过识别语音进行外语翻译、记录类APP以及可以语音输入的输入法APP等等。
除了APP中应用,目前车载也是语音技术落地的重要场景。通过语音识别,驾驶者可直接与车辆进行互动,比如要求车辆打开窗户、关闭天窗、开灯等等。智能控制车辆等技术已经开始批量进入生产,百度、科大讯飞等公司都有对应的合作车型,进行智能车机落地。
除上述应用方向,语音识别技术落地场景多种多样。语音技术也是深度学习算法工程师从业的重要方向之一,那么哪些框架里能找到语音识别模型呢?
目前主流深度学习框架都有各自的语音识别模型。比如Tensorflow有TF Speech, Pytorch通过ASR实现语音到文本端的模型,PaddlePaddle有DeepASR模型。小伙伴们可以按自己的需求选择模型并尝试。目前PaddlePaddle的语音识别模型使用的是汉语数据集,配合中文教材,小伙伴们可以快速上手训练语音识别模型~
详细链接:
https://github.com/PaddlePaddle/models/tree/develop/fluid/DeepASR
语音合成技术
除此以外,目前大火的智能音箱,比如天猫精灵、小米音箱和小度在家,它们的回答声音也源自语音合成。当然,现在语音合成的声音还可以定制,比如小度音箱便借用蔡康永老师的声音与使用者对话。
这次小伙伴们已经了解语音技术的应用和模型,后续也将呈现NLP、目标检测、人脸识别和图像方向的相关内容,欢迎大家持续关注~
本文分享自 PaddlePaddle 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!