这次出手的，又是谷歌 AI 团队。刚刚，他们为旗下的一款手机输入法 Gboard （不要跟谷歌拼音输入法搞混了啊~）上线了新功能：离线语音识别。目前这一新功能，只能在其自家的产品 Pixel 系列手机上使用。
【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
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的身影。智能语音是由语音识别，语音合成，自然语言处理等诸多技术组成的综合型技术，对开发者要求高，一直是企业应用的难点。
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的身影。智能语音是由语音识别，语音合成，自然语言处理等诸多技术组成的综合型技术，对开发者要求高，一直是企业应用的难点。 飞桨语音模型库 PaddleSpeech ，为开发者提供了语音识别、语音合成、声纹识别、声音分类等多种语音处理能力，代码全部开源，各类服务一键部署，并附带保姆级教学文档，让开发者轻松搞定产业级应用！ PaddleSpeech 自开源以来，就受到了开发者们的广泛关注，关注度持续上涨。
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
你知道吗？ 全球每2周就会有一种语言消失。 语言的消亡意味着珍贵的多样性文化信息流失，与物种的灭绝毫无二致。 现实情况是，濒危语言消亡的速度比濒危动物消亡的速度还要快，据测算，到本世纪末，世界上50%-90%的语言将会消亡。 保护濒危语言是保护文化多样性的重要一步，那么，人工智能又能做什么呢？ 语音技术发展到今天，其应用能力已经媲美甚至超越人类平均水平。从历史视角看，不管是地理位置障碍还是语言障碍，它都将是促进和增强人与人、人与机器自然对话的强大工具。 在濒危语言文化保护上，我们由此也看到了新的思路
腾讯云AI团队联合腾讯优图、AILab、微信智聆、微信智言等实验室，帮助合作伙伴和客户高效打造针对性的解决方案，助力各行各业的数字化和智能化转型。 6月腾讯云神图、语音识别、NLP、语音合成更新全新功能；语音识别优化了核心性能。 腾讯云神图·人体分析 人体关键点识别服务发布，可识别出图片中的人体，并输出14个关键点位置。 人体属性识别服务发布，可以识别图片中人体的年龄、性别、朝向、是否有包、着装等，可有效降低视频搜索成本。 人体分析官网demo已上线，用户可以在官网直观体验人体分析产品功能、效果。 语
前段时间一个饭局上 在某上市公司做策划的朋友酒后吐槽： “已经工作这么多年了 每次大小会议还让我做会议纪要 真心觉得自己大材小用，憋屈了 而且多是在临近下班开会 只能熬夜加班输出会议纪要” 想起刚入职场那会 不是在开会就是在写会议纪要 但写上抬头与开会日期后，就写不下去了…… 领导已经跑题到天天天天天边了～ 纪要抓不住重点，记录跟不上速度 默默的看了一下自己的手 坎多了是不是也就放过它了？ 今天特此给大家安利一款语音神器 腾讯云AI语音识别 被微信、腾讯视频等大量内部业务使用 业务延展性
作者：Yao Qin、Nicholas Carlini、Ian Goodfellow等
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
人工智能技术中，语音识别与图像识别最先实现商业化。不过，照目前情况看来，不管是语音识别还是图像识别，C端似乎都是其商业化进程中难以触碰的一个点。 就在昨天，谷歌的社交软件Allo被爆出将在本周上线，值
AR技术是一种增强现实技术，利用计算机生成的模拟信息与真实世界进行混合叠加，从而创造出新的虚拟图像。AR技术可以广泛应用于多媒体、智能交互、传感等领域，例如在游戏、教育、医疗、建筑、旅游等领域中，通过AR技术可以将虚拟信息与真实世界巧妙融合，为用户提供更加丰富、直观、立体的体验。
像这种顶尖赛事，保证音、画质的低延迟本就应该是各大平台的“基本操作”，哪怕一点额外的延迟都是绝对不能忍的。
没天总是不停的开会，会议内容又多又发散！音频文件整理困难，搜索不到终点，占用空间大，不利于分享和传达！
机器之心发布 机器之心编辑部 Transformer 模型用于在线语音识别任务中面临多个难题，百度语音新发布的SMLTA2克服了这些障碍。 10 月 15 至 18 日，2021 年第十六届全国人机语音通讯学术会议（NCMMSC2021）在江苏徐州举行。作为我国人机语音通讯领域研究中最具有权威性的学术会议之一，NCMMSC 受到国内语音领域广大专家、学者和科研工作者的关注。 其中，百度语音团队对外重磅发布基于历史信息抽象的流式截断 conformer 建模技术——SMLTA2，解决了 Transforme
随着智能汽车的普及和发展，车载小程序已成为汽车信息娱乐的一种新方式。车载小程序可以为驾驶员和乘客提供更加智能化、便捷的交互方式，让人们在驾车过程中享受更加丰富的服务。本文将从车载小程序的使用环境、用户体验、应用场景、未来趋势以及国内车载小程序厂商的发展现状等方面进行详细阐述。
京东叮咚智能音箱首席科学家。从事语音技术研究领域20余年，现就职于京东叮咚智能音箱技术研发部门，负责语音技术、自然语言理解、机器翻译、产品创新等方面的工作。
捷通华声灵云语音云重磅上线灵云平台，为广大企业及个人提供专业级语音识别、语音合成等云服务，用灵云人工智能实现了便捷大众工作生活，同时标志着捷通华声在语音云服务领域迈向一个全新的高度。 智能语音“云时代
澎湃新闻近日上线新春互动H5《拜年腔调》，邀请热门电视剧《繁花》里的明星朋友做大家的沪语“私教”，“宝总”胡歌、“陶陶”陈龙、“潘经理”佟晨洁等一齐嘉宾教大家用上海话送上“地道”的新年祝福，延续《繁花》热度，推广沪语方言。
正当你认为弄明白了机器学习…..bang！又一个科技新词出现了。 深度学习 虽然它看起来可能只像另一个所有新的创业公司都在用的硅谷流行词语，深度学习实际上已经取得了一些令人惊讶的进步。我们将在这讨论一些介于科幻与现实之间的东西。 我们找到了深度学习专家吴恩达，并让他来解释什么是深度学习和我们应该期望它如何在2016年改变世界。 什么是深度学习？ 深度学习是机器学习的一个子领域，本质上是指尝试去比对神经网络（同样让你大脑工作的机制）。通过比对这些神经网络，我们可以重新创造出人脑工作时一些相同的过程。 其目标
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
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。
我今天演讲主要分四个部分，第一个是分享语音识别概述，然后是深度神经网络的基础；接下来就是深度学习在语音识别声学模型上面的应用，最后要分享的是语音识别难点以及未来的发展方向。
Sensory的TrulyNatural语音识别软件将在设备端执行语音识别，确保了语音交互的私密性，消除了用户对于传输和存储用户语音数据的关切。
提到虚拟歌姬，你的第一反应是谁？ 洛天依、初音未来、乐正绫、巡音、Gumi、言和、镜音、东方栀子......。（没上榜的记得评论区留言） 在二次元的世界里，虚拟歌姬是一个特殊的存在，他们不是"活人"，但有粉丝、有流量、有作品，其影响力、待遇不亚于一个鲜活的网红IP。 以洛天依为例，她是全世界第一款中文声库和虚拟形象，也是首位登上中国主流电视媒体的虚拟歌手，与杨钰莹、周华健、王源等一众明星在春晚同台合唱和歌舞表演。 她们一步一步成长，不断给我们带来“一字一句的美妙体验”。而成就这种“美妙体验”的，正是得益于
AI 科技评论按：在近二十年来，尤其是引入深度学习以后，语音识别取得了一系列重大突破，并一步步走向市场并搭载到消费级产品中。然而在用户体验上，「迟钝」可以算得上这些产品最大的槽点之一，这也意味着语音识别的延迟问题已经成为了该领域研究亟待解决的难点。日前，谷歌推出了基于循环神经网络变换器（RNN-T）的全神经元设备端语音识别器，能够很好地解决目前语音识别所存在的延迟难题。谷歌也将这项成果发布在了官方博客上，AI 科技评论进行编译如下。
📷 本文来自小鱼在家首席音频科学家邓滨在LiveVideoStackCon 2018讲师热身分享，并由LiveVideoStack整理而成。邓滨认为，传统的信号处理与前沿的深度学习技术结合，才能实现准
近日，根据调查机构CIRP的报告显示,亚马逊在2014年11月推出的Echo系列智能音箱产品在美销量已突破510万台。并且，根据市场数据，CIRP推算2016年前九个月亚马逊就已经售出200万台Echo产品（包括Echo DotEcho Tap）。 看到亚马逊的智能音箱销量如此之好，我们都意识了智能家居语音控制系统的前景之利好。不过，即使当前的语音识别技术已经基本上达到了人们所需要的标准，在智能家居语音控制系统之中，仍然有一些瑕疵的存在，比如在人声嘈杂的环境里，如何正确识别出用户发出的命令。 出于需求，声纹
提到虚拟歌姬，你的第一反应是谁？ 洛天依、初音未来、乐正绫、巡音、Gumi、言和、镜音、东方栀子......。（没上榜的记得评论区留言） 在二次元的世界里，虚拟歌姬是一个特殊的存在，他们不是"活人"，但有粉丝、有流量、有作品，其影响力、待遇不亚于一个鲜活的网红IP。 以洛天依为例，她是全世界第一款中文声库和虚拟形象，也是首位登上中国主流电视媒体的虚拟歌手，与杨钰莹、周华健、王源等一众明星在春晚同台合唱和歌舞表演。 她们一步一步成长，不断给我们带来“一字一句的美妙体验”。而成就这种“美妙体验”的，正
对于窃取用户语音隐私这件事，企业和用户基本上都是各执一词。有的企业表示，从技术上，目前声音信息的处理，远达不到通过麦克风去获取个人隐私的水平。
支持多人至百万人视频通话，满足语音视频社交、在线教育和培训、视频会议和远程医疗等场景。
在近日于上海举办的2016年亚洲消费电子展(CES Asia 2016)上，无人驾驶、智能汽车等相关技术成为最大热点。在CES Asia上，搜狗地图发布了“搜狗智能导航”，最大亮点是可实现车内的全语音交互，而交互并不局限于地图导航本身，几乎可实现驾驶之外的常规车内交互，包括打电话、发短信、查天气、歌曲播放等等。这款产品可运行在智能手机上，还可通过车机互联协议使之运行于汽车屏幕，如果汽车厂商与搜狗进行前装合作则可独立运行于汽车的OS上。基于庞大的POI数据和人工智能技术，搜狗地图在国内首次实现了车内的全语音智
OpenAI在开源了号称其英文语音辨识能力已达到人类水准的Whisper项目，且它亦支持其它98种语言的自动语音辨识。Whisper所提供的自动语音识与翻译任务，它们能将各种语言的语音变成文本，也能将这些文本翻译成英文。本项目主要的目的是为了对Whisper模型使用Lora进行微调，目前开源了好几个模型，具体可以在openai查看，下面列出了常用的几个模型。另外项目最后还对语音识别加速推理，使用了CTranslate2加速推理，提示一下，加速推理支持直接使用Whisper原模型转换，并不一定需要微调。
编者按： 由中国人工智能学会、阿里巴巴以及蚂蚁金服联合主办，CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会（CCAI 2017）将于7月22-23日正式召开，大会期间阿里云 iDST 智能交互总监初敏将在“语言智能与应用”论坛上分享语音交互技术的趋势，在此之前，我们采访了初敏。 围绕语音交互的入口之争正愈演愈烈，Siri、Echo这些产品风靡全球的同时，国内外科技巨头、创业团队也在暗流涌动，各种智能音箱以及语音解决方案层出不穷。 毫无疑问，语音交互已经成为人工智能领域最成熟也是落地最快的技术
智能家居技术在近年来取得了巨大的发展，并逐渐成为人们日常生活中的一部分。智能家居系统带来了便利、舒适和高效的生活体验，拥有广泛的应用领域，其中之一就是智能窗帘控制系统。
腾讯云AI团队联合腾讯优图、AILab、微信智聆、微信智言等实验室，帮助合作伙伴和客户高效打造针对性的解决方案，助力各行各业的数字化和智能化转型。 5月，腾讯云神图、腾讯云OCR、语音识别、NLP推出全新功能；腾讯云慧眼、腾讯云神图人脸试妆、腾讯云神图人像变换、腾讯云神图自定义人像分割、腾讯云OCR、语音识别、NLP优化了核心性能。 腾讯云神图·人脸年龄变换 通过算法模型控制输入人脸图片的脸部肌肉紧致程度，肤质细腻程度，皱纹的多少，白发程度等年龄表达，生成从小孩到老年各个年龄平滑过渡的一系列图片，同时
总第235篇 2018年 第27篇 随着数字化时代的到来，外卖市场近年来发展非常迅猛。对外卖物流系统而言，配送效率和用户体验至关重要。而实际配送过程是由配送员（骑手）最终完成的，因此，想要真正提升配送效率，不但要在智能调度系统（订单指派、路径规划、ETA）上下功夫，还要不断提升配送员的“附加”能力，让他们越送越“熟”，越送越“顺”，越送越“快”。以此为出发点，美团点评研发团队设计了骑手智能助手，全面提升骑手的各方面能力。 在 1月份的 AICon全球人工智能与机器学习技术大会上，美团点评配送人工智能方向负
最近百度公布的数据显示，自1月25日春节假期以来，百度输入法日均语音请求量已破10亿次大关，再创行业历史新高。
6月28日，中国人工智能峰会（CAIS 2019）上，腾讯民汉翻译从诸多项目评选中脱颖而出，获得“紫金技术创新奖”。 “CAIS紫金奖”颁奖现场 作为一款定位于贴近用户的民汉信息互译产品，腾讯民汉翻译已经成为国内首个在小语种领域布局维、藏、蒙、哈、朝、彝等多语种全方位同声传译、实时互转的民汉交流工具。腾讯正在用技术践行“科技向善”理念。 腾讯民汉翻译产品整体框架 性能优势明显，各类竞赛获奖无数 经过团队多年对海量民族语音、语言、图像、文本的海量标注，以及多轮功能迭代和用户交互体验优化，使得“腾
随着全球化进程的不断深化，法庭面临了越来越多来自不同语言和文化背景的当事人，这使得法庭口译工作显得尤为重要。传统的口译方法在效率和准确性方面存在挑战，因此需要一种更先进的、能够实时翻译的系统来满足法庭口译的需求。
---- 新智元报道 来源：Google 编辑：小咸鱼 David 【新智元导读】谷歌发布年度旗舰手机Pixel 6和Pixel 6 Pro，谷歌自研的「Tensor」芯片成为最大亮点，三星5nm工艺打造，CPU性能比去年Pixel 5提升80%，GPU性能提升更是高达370%，大杯599美元，超大杯899美元。 那个深耕搜索引擎，智能手机操作系统，深度学习框架等等领域的硬核科技公司又鼓捣出新东西啦！ 是的，10月20号，谷歌带来了最新的年度旗舰手机Pixel 6和Pixel 6 Pro。 不同
编辑导语 时代拓灵推出VR“全景声”SDK，可应用到硬件、平台、软件等;东软发布RealSight高级分析应用平台，帮助企业实现智能化运营; 智齿客服助力现金巴士，提升客服效率深度服务P2P市场;Te
---- 新智元报道 编辑：桃子 【新智元导读】3人团队如何用AI改变语音市场？ 三人打下的专注语音技术独角兽，如今又成功融资了。 前段时间，美国音频API平台AssemblyAI完成了3000万美元的B轮融资。 这是一个可以自动将音频和视频文件以及实时音频流转换为文本的平台。 AssemblyAI的创始人兼首席执行官Dylan Fox表示， 「我们正在构建用于定制化语音识别的API，开发人员可以用我们的API 将语音转录成文字或者创建自己的语音接口，而且他们不需要做任何数据上的挖掘和训练，我们
腾讯云的众多产品都提供了iOS SDK供开发者使用，如何成功调用接口是很多开发者在初次使用腾讯云服务的时候都会面临的问题，以下，我们以调用腾讯云语音识别产品为例，从零开始学习如何开发开发一个一句话语音识别的APP。
腾讯云语音识别（Automatic Speech Recognition，ASR） 为开发者提供语音转文字服务的最佳体验。语音识别服务经微信、腾讯视频、王者荣耀等大量内部业务验证，同时也在线上线下大量外部客户业务场景下成功落地，具备识别准确率高、接入便捷、性能稳定等特点。腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式，满足不同类型开发者需求。
语音识别功能提供面向移动终端的语音识别能力。它基于华为智慧引擎（HUAWEI HiAI Engine）中的语音识别引擎，向开发者提供人工智能应用层API。该技术可以将语音文件、实时语音数据流转换为汉字序列，准确率达到90%以上（本地识别95%）。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
