1回答
实时语音识别音源问题？
、、、
使用官方提供的实时语音转文字demo，可以通过文件流的方式识别出音频文件的语音并转成文字。当音频流来源切换到前端调用麦克风实时发送数据，就无法识别出文字。request.setEngineModelType("16k_zh"); //模型类型为必传参数，否则异常
浏览 84提问于2024-04-08
1回答
我试着用将音频转录成文字脚本。我使用请求从我在消息中获得的url获取音频文件。但是我只能得到w4a文件，沃森只支持
音频/wav音频/ogg
如何将w4a格式的音频转换为wav以适应规范。
浏览 1提问于2016-05-23得票数 0
要打造一款高效的向量数据库，背后涉及众多的底层技术，其中主要包括：
向量索引技术：向量索引是向量数据库的核心技术之一，它通过构建高效的索引结构来实现快速的向量检索。Embedding技术：利用Embedding技术将高维度的数据（例如文字、图片、 音频）映射到低维度空间，即把图片、音频和文字转化为向量来表示，将这些向量存储起来就构成向量数据库。
浏览 287提问于2023-08-14
1回答
如何训练语音识别的lstm
、、、、
我使用的是，它包含音频文件和它们的文字记录。在这一点上，我知道目标数据将被矢量化文本文本。至于训练数据，我在考虑使用每个音频文件(或MFCC特征)中的频率和时间。如果这是解决问题的正确方法，训练数据/音频将是多个数组，我如何将这些数组输入到我的lstm模型中？我需要对它们进行矢量化吗？
谢谢!
浏览 1提问于2016-11-26得票数 5
回答已采纳
1回答
我正在开发一个需要捕捉吉他声音频率的程序。我已经修改了aurioTouch示例，通过使用具有最高幅度的频率来输出频率。它适用于高音，但在低音弦上却非常不准确。我相信这是由于言外之意。
浏览 3提问于2011-02-01得票数 4
2回答
转换从混音到线性影响音频质量？
、、、、
我想改变音频编码从穆劳到线性，以便使用线性语音识别模型从谷歌。我使用的是一个电话通道，所以音频是用mulaw编码的，8位，8000 in。
浏览 11提问于2022-01-03得票数 0
我需要使用一些脚本/软件，它可以自动下载YouTube视频(可能只有音频)和相关的字幕，然后将其分割成20秒的片段，这样就可以用作训练语音语料库。
有没有任何方式可以下载来自Youtube的字幕？给出一个音频和脚本，我如何将一个音频分割成20秒的片段，并在文字记录中做同样的剪辑？
浏览 0提问于2018-12-21得票数 0
现在技术越来越厉害了，前几年还感觉语音打字特别不靠谱，各种语音助手也相当蠢萌，想问下现在国内语音识别发展到什么水平了？
浏览 2309提问于2018-08-06
2回答
nonZeroAnswer(2, 2) {}
我一遍又一遍地阅读苹果的文档，知道Not运算符是如何工作的，以及它如何将布尔值反转成相反的值，但我不知道如何将它应用于更复杂的代码场景，如if语句、函数等。很抱歉，如果这看起来是一个琐碎的问题，但我已经阅读了苹果的文档，也在研究一本据说是为初学者准备的快速书籍，我已经看了很多youtube视频，但就是不能理解在不同的场景下使用Not操作符，而不是普通的trueValue
浏览 3提问于2016-02-23得票数 0
1回答
将录制的音频转换为数字数据
、、、、
到目前为止，我已经为用户实现了使用Java Sound API将音频文件录制为WAVE文件的功能。我已经看到，对于音频相似性，可以在音频文件之间执行相关性，并且通过测量相关性图中是否存在高幅度峰值，可以确定音频文件是否相似。questions/736/how-do-i-implement-cross-correlation-to-prove-two-audio-files-are-similar中读到了下面的帖子，其中谈到了使用快速傅立叶变换来完成卷积(相关适用于延时音频</e
浏览 28提问于2021-01-10得票数 0
回答已采纳
1回答
基于MFCC和DTW的语音识别
、、、、
基本上，我有大量的基于文字的数据集。每个数据都有不同的时间长度。如果我的方法是正确的，那么我如何将每个音频转换成与DTW相同的长度？因为基本上我只能比较两个MFCC数据的音频，当我试图更改到其他音频数据时，长度的结果将完全不同。
浏览 6提问于2021-02-18得票数 1
回答已采纳
My对象是一个自定义结构，定义为：var active: Bool = false} ...最后，初始化音频队列AudioQueueNewInput(&audioStreamBasicDescription, myCall
浏览 3提问于2015-11-10得票数 2
回答已采纳
2回答
我对mac的FFT分析很感兴趣。我为iOS ()找到了一个教程，并尝试将它“移植”到OSX。我尝试了很多关于AudioUnit部分的修改，但是没有帮助。myView.h
RIOInterface *rioRef;
浏览 1提问于2013-09-13得票数 0
回答已采纳
我搜索并找到了这篇文章：然而，它并没有回答我的问题。
是否有任何方法改变一个人的声音，足以使手机呼叫无法识别的语音识别技术？
浏览 0提问于2019-08-29得票数 2
我正在努力使一个网站，快速执行相位取消立体声音频。当我发现相位取消时，我觉得这太棒了，所以我想看看是否可以在网上快速完成，使它更有趣的。实际上，我应该使用mediaElement来操作较长音轨的音频，因为我们真的不应该在javascript中进行复杂的处理。
任何帮助都将不胜感激！
浏览 1提问于2017-12-03得票数 0
回答已采纳
2回答
如何将波形数据转换为复数
、、、
我正在尝试的两个快速傅立叶变换库(和)接受复数作为输入，并给出复数作为输出。更具体地说，我如何将从麦克风获得的原始音频数据转换为复数，以便在FFT中处理？如何将输出绘制成漂亮的频谱图(即从输出中读取频率和振幅)？
额外的好处:除了上面提到的两个库之外，还有哪些.Net的FFT库？
浏览 2提问于2011-07-05得票数 6
回答已采纳
我使用getUserMedia({audio:true});在浏览器中记录音频，然后将其作为WAV文件导出，因为这是库提供的唯一选项。
1分20秒文件的大小为14.1MB。我需要上传音频到服务器，我需要快速完成。如何将WAV音频转换成任何其他压缩格式以降低文件大小？
浏览 20提问于2013-07-03得票数 34
回答已采纳
1)假设我有使用F = fft(x)和S = spectrogram(x)获得的快速傅立叶变换和短时傅立叶变换系数。如何将这些系数用作音频特征？(这里使用的是模式识别意义上的音频特征)。
浏览 4提问于2013-01-21得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
