---- 新智元报道 编辑：张乾 【新智元导读】昨天下午，微软全球技术院士黄学东博士、微软大中华区副总裁兼市场营销及运营总经理康容、ROOBO CTO雷宇接受了包括新智元在内的媒体专访，详细解答了微软的语音技术、产品落地以及生态合作。 在昨天的微软人工智能大会上，微软全球技术院士黄学东展示了微软多项语音、翻译等技术，微软Build大会上的“黑科技”全球首创AI会议系统再次被演示。 昨天下午，黄学东博士、微软大中华区副总裁兼市场营销及运营总经理康容、ROOBO CTO雷宇接受了包括新智元在内的媒体专访
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。
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
李先刚：我目前任职于滴滴出行AI Labs首席算法工程师，负责滴滴语音相关的技术和应用，关注的领域包括语音相关前沿算法（包括语音识别、说话人识别和自然语言处理等）和他们的产业应用（尤其是在出行场景中的应用）。
本期谈谈 《虚拟私人助理》相关的内容。 我们先大致看下人工智能10大细分行业的典型应用： 1、深度学习／机器学习： 预测数据模型与分析数据的软件平台； 垃圾邮件检测； 金融诈骗检测； 2、自然语言处理： 语音识别； 智能客服； 智能化软件帮助系统； 智能化知识管理系统； 智能企业形象代表； 智能导游； 智能查询系统； 3、计算机视觉／图像识别： 面部识别软件； 基于内容的图片检索； 智能交通； 医疗计算机视觉和医学图像处理； 军事探测和导弹制导； 无人驾驶环境检测； 4、手势控制： 电脑手势指令系统； 游
牧北 若朴 采访/整理 量子位·QbitAI 出品 “世界上的四家人脸识别的独角兽都在中国。这个市场没有大到可以支撑四个独角兽”，李开复说这是中国特色。 从另一个角度理解，人脸识别这个人工智能最火热的领域，接下来肯定会有最火热的拼杀。即便你不在这个行业，也能感受到一点点。方法很简单，百度一下。 上周，如果你在百度上搜索“云从科技”，最上方的结果是一个引导你跳向Face++官网的广告，而你搜“Face++”第一个结果是跳向云从科技的官网。 两个人脸识别的同行，互买对方百度关键词，也只有这两家互买对方关键词……
语音识别正在「入侵」我们的生活。我们的手机、游戏主机和智能手表都内置了语音识别。他甚至在自动化我们的房子。只需50美元，你就可以买到一个Amazon Echo Dot，这是一个可以让你订外卖、收听天气
12月15日，由腾讯云主办的首届“腾讯云+社区开发者大会”在北京举行。本届大会以“新趋势•新技术•新应用”为主题，汇聚了超40位技术专家，共同探索人工智能、大数据、物联网、小程序、运维开发等热门技术的最新发展成果，吸引超过1000名开发者的参与。以下是大数据AI分会场的演讲内容，稍作整理，分享给大家。
对于人类来说，看懂视频似乎是再简单不过的事情了。从出生就开始拥有视觉，人眼所看到的世界就是连贯动态的影像。视野中每一个动态的形象都被我们轻易的识别和捕捉。但这对于计算机来说就没那么容易了。对于计算机来说，画面内容的识别，动作的捕捉，都要经过复杂的计算才能得出。当计算机从视频中识别出一些关键词后，由于语义和句子结构的复杂性，还要涉及词汇的词性、时态、单复数等表达，要让计算机将单个的词汇组成通顺准确的句子也是难上加难。 那么让计算机看懂视频都要经过哪几步呢？ 首先，识别视频里的内容。目前的图像识别研究大多基于C
智能化浪潮席卷全球，智能音箱则成巨头标配智能单品之一，特别在亚马逊Amazon Echo率先取得成功，让智能音箱成为当下最热门的智能硬件，从美国的谷歌和苹果等巨头相继推出自家音箱，到国内BAT、科大讯飞、京东、小米等大型玩家参与，还有出门问问、喜马拉雅等中小玩家，国内局面可以用百箱大战来形容，但与该热度形成鲜明对比的是智能音箱的价格，甚至不足100元都能买到。这里到底是为什么？
记者：胡祥杰 2016年8月3日下午，中文搜索公司搜狗发布语音交互引擎 ——知音。搜狗CTO 杨洪涛首次披露了公司未来8年主要的发展方向，搜狗语音交互中心负责人王砚峰则详细介绍“知音”。在发布会现场，王砚峰告诉新智元，3月份时，搜狗委托第三方测评机构对搜狗、科大讯飞和百度的语音输入进行实测，结果显示，搜狗和讯飞能力基本持平，整体领先百度。此外，搜狗语音技术也会跟一系列企业进行合作。 搜狗人工智能战略方向：自然交互+知识计算 人工智能技术是搜索的基础，在搜索公司占有绝对重要的地位，搜狗CTO 杨洪涛在本次发布
▼ 人工智能就是人脸识别？ ▼ 深度学习和机器学习有什么区别？ ▼ 大家都在谈的迁移学习到底讲了些啥？ ▼ 看个新闻都要查字典怎！么！破！ AI高频词汇TOP15（入门版） 特！别！放！送！啦！ ---- 01计算机视觉 Computer Vision 计算机视觉(Computer Vision，简称 CV)是人工智能学科中发展最快、应用最广的领域之一。 与自然语言处理、语音识别这些不同的是，它是一门研究如何使机器「看」的科学，其主要任务是通过对采集的图片或视频进行处理以获得相应场景的信息；更进一步的说
智能语音在近年一直是个很火的话题，商业应用也在不断增加，在10月10号的深蓝&大咖面对面活动中，我们邀请到了语音界大佬陈果果博士，针对目前语音领域问题进行分享与探讨。
12月15日，由腾讯云主办的首届“腾讯云+社区开发者大会”在北京举行。本届大会以“新趋势•新技术•新应用”为主题，汇聚了超40位技术专家，共同探索人工智能、大数据、物联网、小程序、运维开发等热门技术的最新发展成果，吸引超过1000名开发者的参与。以下是小程序分会场的演讲内容，稍作整理，分享给大家。
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%
作者 | 翁嘉颀 编译 | 姗姗 出品 | 人工智能头条（公众号ID：AI_Thinker） 【导读】在人机交互过程中，人通过和计算机系统进行信息交换，信息可以是语音、文本、图像等一种模态或多种模态。对人来说，采用自然语言与机器进行智能对话交互是最自然的交互方式之一，但这条路充满了挑战，如何机器人更好的理解人的语言，从而更明确人的意图？如何给出用户更精准和不反感的回复？都是在人机交互对话过程中最为关注的问题。对话系统作为NLP的一个重要研究领域受到大家越来越多的关注，被应用于多个领域，有着很大的价值。 本期
前言：本文作者@焦糖玛奇朵，是我们“AI产品经理大本营”早期成员，下面是她分享的第1篇文章，欢迎更多有兴趣“主动输出”的朋友们一起加入、共同进步：） 📷 音频由公众号“闪电配音”提供 媒体和AI巨头们乐于给大众描绘一幅幅精彩的未来生活蓝图：人工智能可以化身为你的爱车，在沙漠、森林或小巷中风驰电掣；可以是智慧公正的交警，控制红绿灯、缓解交通的拥挤；还可以是给人以贴心照顾的小助理，熟悉你生活中的每一处小怪癖。 在看到这些美妙的畅想之后，作为一个严谨认真的AI产品经理，我不禁想去探索上述美好未来的实现路径；今天，
本视频上半部分为天猫精灵、小米智能音箱、叮咚智能音箱的简单测评；下半部分为CSDN创始人蒋涛对目前语音交互技术及趋势的一段精彩点评。 AI 滔滔是CSDN旗下一档关于科技类的评论节目，内容涵盖当下的科技热点内容，欢迎广大科技爱好者关注。 提示：文末有送书福利 作为消费级AI应用的首个载体，智能音箱今年特别的火。 但故事却要从2014年说起，当时亚马逊在其官网上低调的上线了一款智能音箱Echo，它搭载了Amazon 自家的智能语音助手Alexa，外形和普通的蓝牙音箱没有太大的区别，也没有显示屏，
自1962年IBM推出第一台语音识别机器以来，语音识别科学已经走了很长一段路。这已经不是什么秘密了。
作者：@王威廉，美国卡内基梅隆大学计算机学院。授权转载。 最近微信朋友圈和微博上有一篇特火的奇葩文章[13]，叫做《人工智能达到奇点 - 最强论证文》，里面引用了不少Ray Kurzweil的理论，充满了各种科学臆想，各种没有来源的手绘图表，还包括如“时空穿梭”、“未来预测”、“吓尿单位”、”超人工智能“等吓人的名词，把许多不明真相的群众吓得一愣一愣的。如果是科幻文也就罢了，但是居然还说是论证。请问主要依据在哪？既然原文作者和中文小编硬要和人工智能扯上关系，我就只好帮大家科普一下Ray Kurzweil的其
4月29日，腾讯云正式发布金融、音视频等多个领域专属语音识别模型。最新发布的模型不仅识别准确率得到大幅提升，同时也增加了对粤语、韩语的支持，后面会陆续开放对上海话等方言以及日语、泰语、印尼语等国外语言的支持。
选自Awni 机器之心编译 参与：Nurhachu Null、路雪 深度学习应用到语音识别领域之后，词错率有了显著降低。但是语音识别并未达到人类水平，仍然存在多个亟待解决的问题。本文从口音、噪声、多说话人、语境、部署等多个方面介绍了语音识别中尚未解决的问题。 深度学习被应用在语音识别领域之后，词错率有了显著地降低。然而，尽管你已经读到了很多这类的论文，但是我们仍然没有实现人类水平的语音识别。语音识别器有很多失效的模式。认识到这些问题并且采取措施去解决它们则是语音识别能够取得进步的关键。这是把自动语音识别（
---- 新智元报道 来源：Facebook AI 编辑：LRS 【新智元导读】Facebook在语音识别上又出重磅新作，继wav2vec, wav2vec 2.0以来，又出完全不需要监督数据的wav2vec-U，小众语言也能用语音识别啦！ 相比显示器、鼠标、键盘这些传统的人机交互方式以外，随着语音识别技术的逐渐成熟，和电子产品进行「对话」也逐渐成为一种稀松平常的人机交互。 无论是给计算机或其他设备下达指示，还是回答用户的问题，语音识别在各个方面让电子产品的使用变得更加容易，无需学习，想要干什么只
中文口语语言处理国际会议ISCSLP为中文语音处理领域的知名国际会议，由国际语音交流协会中文口语处理专业委员会ISCA SIG-CSLP 主办，会上发布成果对中文智能语音的发展具有重要指导意义。
深度学习是一种新兴的技术，已经在许多领域中得到广泛的应用，如计算机视觉、自然语言处理、语音识别等。在深度学习中，算法是实现任务的核心，因此深度学习必备算法的学习和理解是非常重要的。
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。
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。
AI 科技评论按：把一段输入音频转换为一段文本的任务「自动语音识别（ASR）」，是深度神经网络的流行带来了极大变革的人工智能任务之一。如今常用的手机语音输入、YouTube 自动字幕生成、智能家电的语音控制都受益于自动语音识别技术的发展。不过，开发基于深度学习的语音识别系统还不是一个已经完善解决的问题，其中一方面的难点在于，含有大量参数的语音识别系统很容易过拟合到训练数据上，当训练不够充分时就无法很好地泛化到从未见过的数据。
迁移学习实现将特定领域的模型应用到多个目标领域中，能够促进目标领域模型的学习成长，并降低目标领域内对于数据量和类型的要求，实际上就是利用已有先验信息来优化模型学习内容。迁移学习在小数据环境、智能终端上具有广阔的应用空间，迁移学习需要将在数据量充足的情况下学习到的知识，迁移到数据量小的新环境中，能够通过发现大数据和小数据问题之间的关联，把知识从大数据中迁移到小数据问题中，从而打破人工智能对大数据的依赖。
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
在 6 月 11 日百度在京举办的小度新品发布会上，身为「小度智能音箱」代言人的蔡康永在揭晓其尝鲜价后惊讶地说到。
2小时主题演讲，全球AI第一大厂秀出最新黑科技进展，并且情怀依然满分，Google用行动诠释科技向善。
劈柴哥说今年Google I/O，视觉能力与众不同，比如观看方式加入了AR体验，通过手机，利用一个App就能身临其境、解答一切。
【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
本文主要针对中文语音识别问题，选用常用的模型进行 离线 demo 搭建及实践说明。
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。
【新智元导读】这份全球自然语言处理市场报告从类型、技术、终端用户、应用和地域五个方面全方位分析了NLP市场的机会，并对2020年之前NLP的应用发展进行了预测。 作为人工智能的一个组成部分，自然语言处理（NLP）的研究对象是计算机和人类语言的交互，其任务是理解人类语言并将其转换为机器语言。在目前的商业场景中，NLP技术用于分析源自邮件、音频、文件、网页、论坛、社交媒体中的大量数据。市场前景巨大。 NLP应用的最大挑战来自识别人类带有不同模式、语调、发音的语音，并将其转换为可编程语言，其意义在于可与人类实现最
本文节选自《语音识别基本法：Kaldi实践与探索》一书！ ---- --正文-- 从起初的一声巨响，到梵音天籁，到耳旁的窃窃私语，到妈妈喊我回家吃饭，总离不开声音。 声音是这个世界存在并运动着的证据。 假设我们已经知道了声音是什么。 我们可以找到很多描述声音的词语，如“抑扬顿挫”“余音绕梁”。 当我们在脑海中搜索这类词语时，描述对象总绕不过这两个：人的声音和物的声音。 人的声音，就是语音；物的声音，多数是指音乐。 这样的选择源于人的先验预期：语音和音乐最可能有意义，有意义的事情人们才会关注。估计不会有人乐
大数据文摘作品 记者：谭婧 如果说PC时代的搜索引擎成就了谷歌，造就了这家当今世界最大的数据公司，那么随着智能产品的普及，谁先用现象级产品掌握了语音的入口，谁就将成为AI时代的赢家。 而在今天，没有哪个入口能比得上月活用户即将达到10亿的微信。 亚马逊Amazon Echo、苹果Apple HomePod、谷歌Google Home “语音转换文字对（微信）用户来讲是很刚需的场景。”微信智聆技术团队告诉大数据文摘记者。确实，相比用“手”和“眼睛”，以及其他以手机和电脑为媒介的操作，“语言”无疑是人类最自
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
编辑导语 近日，腾讯云正式上线智能语音服务。智能语音是由腾讯微信AI团队自主研发的语音处理技术，可以满足语音识别、语音合成、声纹识别等需求。 这是继微信支付提速、微信公众号CDN加速、微信公众号安全护航等一系列动作之后，腾讯云联合微信发布的又一重大举措。腾讯云智能语音服务将以强大的垂直领域定制化服务，打造专业高效的语音大脑。 一、识别率行业领先云端+嵌入式开放 语音作为继键盘、鼠标、触屏之后人机交互的新体验，其识别技术被广泛应用在呼叫中心、网络搜索、智能终端、移动应用、人工智能等各大领域。 腾讯云平台联合微
语音活动检测（Voice Activity Detection， VAD）用于检测出语音信号的起始位置，分离出语音段和非语音（静音或噪声）段。VAD算法大致分为三类：基于阈值的VAD、基于分类器的VAD和基于模型的VAD。
“产品使用攻略”、“上云技术实践” 有奖征集啦～ 图片案例名称案例简介用腾讯云 AI 语音识别零基础实现小程序语音输入法介绍如何用腾讯云 AI 语音识别在小程序里实现一个简单的语音输入法，其他场景都可以基于这个功能来打造更有趣的小程序服务。用腾讯云 AI 人脸融合实现云毕业照推广活动小程序介绍如何用腾讯云 AI 人脸融合实现云毕业照推广活动小程序，活动策划融入 AI 能力，打造一个有趣味性、有人文关怀的小程序活动。用腾讯云 AI 意愿核身为电话合规保驾护航介绍如何使用腾讯云 AI 意愿核身更加智能地实现对高
语音识别技术即Automatic Speech Recognition（简称ASR），是指将人说话的语音信号转换为可被计算机程序所识别的信息，从而识别说话人的语音指令及文字内容的技术。目前语音识别被广泛的应用于客服质检，导航，智能家居等领域。树莓派自问世以来，受众多计算机发烧友和创客的追捧，曾经一“派”难求。别看其外表“娇小”，内“心”却很强大，视频、音频等功能通通皆有，可谓是“麻雀虽小，五脏俱全”。本文采用百度云语音识别API接口，在树莓派上实现低于60s音频的语音识别，也可以用于合成文本长度小于1024字节的音频。 此外，若能够结合snowboy离线语音唤醒引擎可实现离线语音唤醒，实现语音交互。
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
在人工智能的辉煌进程中，语音识别技术无疑占据了一个至关重要的地位。从最初的简单命令识别到今日能理解复杂语境的智能助手，语音识别技术已经深入人类生活的各个角落。它不仅改变了我们与机器交流的方式，更开启了一个全新的互动时代。
以下为演讲实录： 吴恩达：谢谢，大家好，人工智能已经在世界有很大的影响力，百度是引领人工智能发展的公司之一，今天我想跟大家分享一些我们正在做的先进技术，我也希望未来我们能把这些技术开放给我们的合作伙伴。 从李彦宏讲的一席话里我们看到语音识别重要性，百度和北京团队一起正在研究新一代的语音识别技术，让我为大家演示一下。这是一段用户手机的录音，请大家仔细听听，你能听出他在讲什么吗。来。现在请大家闭上眼睛再听一次他到底在讲什么。有时候由于噪音、口音等等，很难听清楚电话那边的人在说什么，我们把这段语音放给我们
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
Human Language Processing研究的内容根据输入输出的不同，可以分为如下6种
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
