12 月 11 日,擅长计算机视觉技术解决方案的依图科技在北京公开展示了语音识别领域的最新技术成果,并表示将在近期开放依图语音识别 API 接口以及部分测试数据集。同时,依图科技还宣布,将基于其语音识别技术与微软 Azure、华为推出联合方案平台。
作为语音识别领域的大牛,Daniel Povey 教授此前一直在负责霍普金斯语言语音处理中心的工作。他曾主导开发了语音识别工具库 Kaldi,该工具库支持多种语音识别的模型的训练和预测,很多国内外语音技术公司的研发测试都是从 Kaldi 起步的。
从大家 iPhone 手机中 Siri 到淘宝京东咨询客服的时候出现的智能客服,从小朋友喜欢玩的儿童机器人,到智能家居中的各种语音控制,背后都是聊天机器人。
大家好,我是崔庆才。 想必大家在开发项目过程中可能或多或少用到语音识别、语音合成等相关技术,但又不知道哪家的服务好,而且有的收费还贼贵。尤其流式识别更是个难题。 今天我给大家推荐一个流式语音合成库,现在在 GitHub 上已经开源,而且已经斩获 3.1k star,效果很不错,同时这也是业界首个流式语音合成系统,推荐给大家试试。 具体详情大家可以了解下文哈,最后还有直播课,大家感兴趣欢迎扫码了解。 智能语音技术已经在生活中随处可见,常见的智能应用助手、语音播报、近年来火热的虚拟数字人,这些都有着智能语音技术
据VISA欧洲2016年7月报道,Populus公司代表Visa进行的近期研究显示,欧洲消费者对生物识别身份验证的热情不断高涨。 法国、德国、意大利、波兰、西班牙、瑞士和英国共1万4236人参与了此次调查。主要调查结果包括:68%的人表示有兴趣使用生物识别技术进行付款验证,73%的人认为包含生物识别技术的双因子身份验证是一种安全的付款授权形式。 在形式方面,调查显示,苹果公司的Touch ID系统掀起的改革让欧洲人顺利接受了指纹扫描。81%的人表示他们认为这是最
双11、618,血拼之后的网友们纷纷表示要剁手,但是,当下仅剁手已不足以解决问题了,传统的刷卡模式已经转变为了“刷脸模式”…… 本文就来聊聊MasterCard公司新推出的支付技术——生物识别技术。该技术会应用在一个新的移动APP中:当用户选择好商品进入支付系统时,它会要求你拍一张自拍照进行验证,是不是感觉比记住密码还要省事呢。 人脸识别技术和指纹识别技术 MasterCard企业安全和创新解决方案部的部长Ajay Bhalla称: 人脸识别支付技术是新一代的支付方式,我想所有的人应该都会觉得它很
5月4日,有着最难语音识别任务之称的CHiME-6成绩揭晓:科大讯飞联合中科大语音及语言信息处理国家工程实验室(USTC-NELSLIP)在给定说话人边界的多通道语音识别两个参赛任务上夺冠。
语音控制的基础就是语音识别技术,可以是特定人或者非特定人的。非特定人的应用更为广泛,对于用户而言不用训练,因此也更加方便。语音识别可以分为孤立词识别,连接词识别,以及大词汇量的连续词识别。对于智能机器人这类嵌入式应用而言,语音可以提供直接可靠的交互方式,语音识别技术的应用价值也就不言而喻。 1 语音识别概述 语音识别技术最早可以追溯到20世纪50年代,是试图使机器能“听懂”人类语音的技术。按照目前主流的研究方法,连续语音识别和孤立词语音识别采用的声学模型一般不同。孤立词语音识别一般采用DTW动态时间规整
12月11日,2021年腾讯犀牛鸟精英科研人才培养计划正式对外发布。计划截止申报时间为2021年1月28日24:00。 本年度精英科研人才计划将延续人工智能领域顶尖科研人才培养,发布包含机器人、AI医疗、量子计算、智慧城市等12个前沿热议方向,71项研究课题。入选学生将由校企导师联合制定专属培养计划,并获得3个月以上到访腾讯开展科研访问的机会,基于真实产业问题及海量数据,验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将为学生搭建线上和线下学习、交流平台,帮助学生挖掘更多潜能。 本期小编整理了该计
【AI创新者】是CSDN人工智能频道精心打造的专栏,本期主人公是云知声创始人、CTO梁家恩。 作者:王艺 CSDN AI 编辑 / 记者 投稿、采访、寻求合作请邮件至 wangyi@csdn.ne
人工智能解决方案哪家强?还看Jibo、Pepper、Siri、Google Now和Cortana。目前,在他们之间正进行一场比赛,看谁提供的个人助理更受企业、最终用户和消费者的欢迎,不管是实体的还是
据美国科技网站PC World 5月19日报道,谷歌CEO桑达尔•皮查伊(Sundar Pichai)在谷歌I/O开发者大会上表示其张量处理单元(TPU)能将机器的学习能力提高三代。 TPU一直是谷歌
本文介绍了人工智能语音交互的基本环节,包括语音识别、语音合成、语义理解和对话管理。文章还列举了一些著名的语音交互产品,如苹果的Siri、亚马逊的Echo和天猫魔盒等。最后,作者提醒读者,语音交互技术目前仍在不断发展中,尚未完全成熟,但未来具有广泛的应用前景。
亚马逊Alexa在其官方博客宣布推出Alexa Auto SDK,这是Alexa首次为车辆提供一整套开发套件,以帮助汽车制造商将Alexa语音控制功能集成到汽车及其娱乐信息系统。
由于新冠疫情的影响,视频会议和线上教育迎来了飞速的发展。而让这一切成为现实的基础就是实时音视频通讯技术,但在实时音视频通讯过程中,会面临各种各样的问题,有可能是网络问题,也有可能是产品问题,在一定程度上左右了用户体验(QoE)。尽管服务质量(QoS)是一个产品或者服务非常重要的参考标准,但是对于用户而言,他们更关心是 QoS 指标。
先回顾下,生活、工作中你使用过哪些语音识别相关的产品或者服务? 培训/考试相关的小程序,使用语音识别来判断回答是否正确; 英语口语练习的小程序,使用语音识别来打分; 你画我猜类的小程序,使用语音识别来判断是否猜对; 活动营销类的小程序,比如口令识别、口令红包等; 直播/短视频类小程序,使用语音识别生成字幕; 客服类的小程序,使用语音识别、语音合成来实现智能客服。 可以看到,语音识别的应用场景越来越广泛,我们在做小程序开发的时候,也经常会遇到使用语音识别的场景;其中语音输入法是非常基础的功能场景,如果能实
当你想要知道明天的天气情况时,可以直接问家里的智能音箱;当你开车时想要切换导航路线,可以直接说出新的目的地;当你感觉空调不够凉爽的时候,也可以直接告诉空调把温度调低一些……
Maix Bit 开发板是SiPEED公司Maix产品线的一员,基于嘉楠堪智科技的边缘智能计算芯片K210(RISC-V架构64位双核) 设计的一款AIOT开发板。开发板设计小巧精悍,板载 Type-C接口 和USB-UART 电路,用户可以直接通过 USB Type-C 线连接电脑进行开发,配置 128Mbit Flash、LCD、DVP、Micro SD 卡等接口并把所有IO引出,方便用户扩展。
小编所在项目中,C1、C1Pro、C1Max录音笔,通过BLE和APP连接,音频文件实时传输到录音助手App端,具备实时录音转写的功能。工欲善其事必先利其器,小编补习了语音识别相关基础知识,对所测试应用的实时转写业务逻辑有了更深的认识。希望对语音测试的小伙伴们也有所帮助~~(●—●)
在众多汉字中,同音字(词)是一个特别的存在,正确使用,妙趣横生,使用不当,错误百出。 有网友曾戏谑:再智能的语音识别,遇到同音字(词)都可能“秒变智障”。 有时候,明明是一个温馨感动的时刻,语音识别偏偏剑走偏锋,让你措手不及。 例如: 一下子画风突变。 而语音识别在同音字(词)方面的尴尬还不止于此。 人名“王倩”和“王茜”、小区名“书香苑小区”和“书香院小区”、餐饮词汇“食全食美”和“十全十美”、服装词汇“百衣百顺”和“百依百顺”,乃至日常沟通中的“肌肉”和“鸡肉”、“失忆”和“诗意”、“北麓
商务会议的低效问题想必困扰着每一家企业。参会人员的长时间讨论常产生大量无用信息,记录与总结又极其耗时耗力。此外,不同语言的沟通障碍及信息安全风险也是不容忽视的隐患。有没有可能简单高效地解决这些难题?
按研究领域划分,可将人工智能大致划分为:计算机视觉、语音识别与自然语言处理,以及机器学习三类。这三类分别象征着人工智能系统的眼睛、耳和口,大脑。
选自arXiv 机器之心编译 参与:Panda Yoshua Bengio 领导的一个团队近日在 arXiv 上发布了一篇论文,介绍了他们通过修改门控循环单元(GRU)提升语音识别效果的研究进展。据介绍,这项研究是修改 GRU 方面的进一步研究进展,提出了一种可能更加适合语音识别的架构。机器之心对本论文进行了摘要介绍。另外,本研究相关的实验代码也已发布在 GitHub 上。 论文:https://arxiv.org/abs/1710.00641v1 代码:https://github.com/mravan
嘉宾 | 张晴晴 编辑 | 李忠良 人工智能有两个重要的部分,数据与算法。作为一家人工智能数据服务提供商,爱数智慧在语音数据的采集与处理上有其独到的价值,在今年的 11 月 5 日与 6 日 AICon 全球人工智能与机器学习大会(北京站)2021 上,我们邀请了爱数智慧创始人兼 CEO 张晴晴来分享他们在人工智能方面的前沿研究。在正式分享前,我们采访了张晴晴,以下为采访整理,希望对你有所启发。 InfoQ:是否可以简述一下您在人工智能方面的研究历程? 张晴晴:我是在 2005 年开始接触人
近日,微软(亚洲)互联网工程院宣布率先推出新一代的语音交互技术:全双工语音交互感官(Full-duplex Voice Sense),与既有的单轮或多轮连续语音识别不同,这项新技术可实时预测人类即将说出的内容,实时生成回应并控制对话节奏,从而使长程语音交互成为可能。
语言作为人类的一种基本交流方式,在数千年历史中得到持续传承。近年来,语音识别技术的不断成熟,已广泛应用于我们的生活当中。语音识别技术是如何让机器“听懂”人类语言?本文将为大家从语音前端处理、基于统计学语音识别和基于深度学习语音识别等方面阐述语音识别的原理。
📷 在AI领域,相比创业公司,大公司具有天然的先发优势。在技术方面,决定技术的三个要素——数据、算法模型、计算力,背后的潜台词对应的是数据量、人才、资金,大公司更占优。在产品应用方面,大公司本身就有大量的用户基数、畅通的推广渠道,也是大公司的强项。 事实上,现在已经很难说哪家大公司完全与AI不相关,毕竟只要有数据,就很难不用到机器学习的算法。不过,出于本身的战略规划及实际业务情况,大公司对于AI行业的重视程度肯定各不相同。 国内方面 未上市公司方面 一 旷视(Megvii)
15年6月,intel正式宣布167亿美元收购FPGA生产商Altera。此交易为该公司有史以来涉及金额最大的一次收购案例。167亿美金不是小数目,intel 为啥花这么高的代价收购一家FPGA厂商?对x86架构的计算机系统结构会带来什么影响?看我们慢慢分析。 FPGA是什么? FPGA(Field-Programmable Gate Array),即现场可编程门阵列,它是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。它是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,既解决了
昨日,百度语音能力引擎论坛在北京召开。在论坛上,百度展示了其在语音技术上的最新成果,并公开了语音专用终端芯片——百度鸿鹄的落地情况。此外,机器之心也采访了百度语音首席架构师贾磊。百度通过本次发布说明,深度学习端到端技术依然大有发展空间,软件驱动专用芯片设计成 AI 落地新打法。
AI,能读懂你的情绪吗? 分享一则有趣的见闻, 在较早之前,一家名为Teatreneu的巴塞罗那喜剧俱乐部因为加税政策流失了30%的夜场观众,为了减少经营损失,俱乐部在广告服务商的建议下试行按笑声次数向观众收费。 即在剧院的座椅安装一个带有面部表情识别软件的设备,用来捕捉观众在观看演出的过程中笑了多少次。 首先,观众入场免费,但每笑一次就要收费0.3欧元,不过笑点低的朋友不用担心遭遇笑破产的情况了,因为封顶价格为24欧元(即发笑80次)。 根据剧院的统计,实行“按笑付费”措施以来,观众量增加了35%
原文链接 / https://ai.googleblog.com/2020/11/improving-on-device-speech-recognition.html
人工智能从幕后走向实用离不开人工智能技术取得的突破和发展。在互联网时代背景下,大数据、新型高性能计算架构以及深度学习帮助人工智能技术实现了从量变到质变的转变。其中,计算机视觉、语音识别技术均已能够规模
INTERFACE 分享者:陈伟、李健涛 机器之心报道 参与:李泽南 3 月 12 日,搜狗正式在线上平台发布了「旅行翻译宝」。这款随身翻译设备结合了搜狗神经网络机器翻译、语音识别、图像识别等多项技术,不仅支持语音、图像翻译等多种翻译模式,还提供中英日韩俄德等 18 种语言互译。 在深度学习快速发展的今天,机器翻译系统的能力究竟达到了什么样的水平?机器翻译是否已经可以代替人类翻译?3 月 17 日,机器之心与搜狗共同举办的 INTERFACE 线下分享中,搜狗语音交互技术中心研发总监陈伟、搜狗 IOT 事
AI 科技评论按:为期 5 天的 ICASSP 2018,已于当地时间 4 月 20 日在加拿大卡尔加里(Calgary)正式落下帷幕。ICASSP 全称 International Conference on Acoustics, Speech and Signal Processing(国际声学、语音与信号处理会议),是由 IEEE 主办的全世界最大的,也是最全面的信号处理及其应用方面的顶级学术会议。今年 ICASSP 的大会主题是「Signal Processing and Artificial Intelligence: Challenges and Opportunities」,共收到论文投稿 2830 篇,最终接受论文 1406 篇。其中,思必驰-上海交大智能人机交互联合实验室最终发表论文 14 篇,创国内之最。
事实证明,在PR这件事上,谁都不是Google的对手 📷 这个前沿科技行业月报系列是36氪前沿科技组的一个尝试,主要是基于我们的一个还不太成熟的判断——这个行业的进展要远快于行业内外的预期。所以我们想要尝试将这些散落在互联网各处的信息搜集、整理出来,为关注这个行业的人提供一些决策的参考及依据,也方便更多的人了解这个行业真实的进展。 因为36氪前沿科技组关注的领域跨度有点大, 包括了人工智能、机器人、AR、 VR 、新能源、新材料、新技术、物联网、智慧工业、智慧城市、智能硬件、商业航天等,所以
素来被认为是“人脸识别独角兽”——或者更宽泛一点说,“计算机视觉独角兽”的依图科技,公布了他们中文语音识别技术的最新突破,以及令人瞩目的产业布局。
那么,智能时代跟FreeSWITCH什么关系呢?严格来说,其实没什么关系。你看,我今天又标题党了。
【新智元导读】目前最好的语音识别系统采用双向长短时记忆网络(LSTM,LongShort Term Memory),但是,这一系统存在训练复杂度高、解码时延高的问题,尤其在工业界的实时识别系统中很难应用。科大讯飞在今年提出了一种全新的语音识别框架——深度全序列卷积神经网络(DFCNN,Deep Fully Convolutional NeuralNetwork),更适合工业应用。本文是对科大讯飞使用DFCNN应用于语音转写技术的详细解读,其外还包含了语音转写中口语化和篇章级语言模型处理、噪声和远场识别和文本
8月21日,微软宣布该公司的语音识别系统的错误率已经降至5.1%,这是目前为止错误率最低的,已经超过了去年由微软AI研究团队所创造的5.9%的成绩。 这两项研究都转录了总机语料库的录音,这是一个从20世纪90年代初就开始被研究人员用来测试语音识别系统的2400个电话对话的集合,这项新研究是由微软AI研究团队完成的,旨在让AI的语音识别达到与人类相同的准确度。 总的来说,最新研究的研究人员通过改进微软语音识别系统的基于神经网络的声学与语言模型,将错误率降低了12%左右,值得一提的是,他们还使语音识别器能够
导读:目前最好的语音识别系统采用双向长短时记忆网络(LSTM,LongShort Term Memory),但是,这一系统存在训练复杂度高、解码时延高的问题,尤其在工业界的实时识别系统中很难应用。科大讯飞在今年提出了一种全新的语音识别框架——深度全序列卷积神经网络(DFCNN,Deep Fully Convolutional NeuralNetwork),更适合工业应用。本文是对科大讯飞使用DFCNN应用于语音转写技术的详细解读,其外还包含了语音转写中口语化和篇章级语言模型处理、噪声和远场识别和文本处理实时
小编最早接触隐马尔科夫模型(Hidden Markov Model,HMM),是利用HMM对机械设备的隐含退化状态进行建模、估计和预测,直观的感受是HMM的建模非常便利,可解释性很强,通用性强,缺点是对转移概率和观测概率估计学习时计算量较大,尤其是维数增多时易出现维数灾难问题,但随着DNN技术的发展和GPU计算能力的增强,计算能力已不再是HMM应用的瓶颈,HMM的能力将会得到充分的释放。
场景描述:在全民抗击疫情时期,做好全面的防护是重中之重。电梯按键因为必须接触使用等原因,具有很高的潜在感染传播风险。为此,一家科技公司开发了「无接触式」方案,用语音控制来完成对电梯的呼叫和使用。
这家以“图”起家的AI公司,现在宣布修个“语音”双学位,而且出场便是学霸的方式——随手甩出一张摸底考第一名成绩单。
两本书,《语音信号处理》赵力编和《语音信号处理》韩纪庆编。强烈推荐韩纪庆版本,知识点很全面,可以作为语音识别的入门中文书籍,章节很也短,很快就入门了。
作者 | 刘燕 Nuance 已是没落的语音识别巨头,微软欲花 160 亿美元买下它,这笔交易值吗? 1微软拟斥资 160 亿美元收购 Nuance 北京时间 4 月 12 日,根据彭博社的报道,微软正在就收购全球最大语音识别公司 Nuance Communications Inc. 进行深入谈判。据悉,微软可能愿意为收购这家公司支付高达 160 亿美元(1049 亿元人民币)的收购价格。 报道称,两家公司之间的谈判“正在进行中”,尚未最终敲定。CNBC 援引知情人士消息称,交易可能最早于周日签署,最早于周
七月新书到,龙吟伴虎啸 用一波新书更新下你的读书清单吧 1 《集成学习:基础与算法》 2 《Visual Studio Code 权威指南》 3 《JavaScript语言精髓与编程实践(第3版)》 4 《语音识别:原理与应用(全彩)》 5 《大数据平台架构与原型实现:数据中台建设实战》 6 《Go语言编程之旅:一起用Go做项目》 7 《Android Jetpack应用指南》 8 《高效自动化测试平台:设计与开发实战》 9 《Python预测之美:数据分析与算法实战(双色)》 10
语音识别是特别酷的功能,ISD9160的核心卖点就是这个语音识别,使用了Cybron VR 算法。 很好奇这颗10块钱以内的IC是如何实现人家百来块钱的方案。且听如下分析。
这一篇文章其实是参考了很多篇文章之后写出的一篇对于语言模型的一篇科普文,目的是希望大家可以对于语言模型有着更好地理解,从而在接下来的NLP学习中可以更顺利的学习. 1:传统的语音识别方法: 这里我们
近年来,人工智能和人类生活越来越息息相关,人们一直憧憬身边可以出现一个真正的贾维斯,希望有一天计算机真的可以像人一样能听会说,能理解会思考。而实现这一目标的重要前提是计算机能够准确无误的听懂人类的话语,也就是说高度准确的语音识别系统是必不可少的。 作为国内智能语音与人工智能产业的领导者,科大讯飞公司一直引领中文语音识别技术不断进步。去年12月21日,在北京国家会议中心召开的以“AI复始,万物更新”为主题的年度发布会上,科大讯飞提出了以前馈型序列记忆网络(FSMN, Feed-forward Sequenti
领取专属 10元无门槛券
手把手带您无忧上云