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，
常会遇到有些 PDF 是扫描版的无法复制（豆丁网上的），有些网页（极客时间）也限制了复制功能。这时候要复制，通常情况下只能手动去打，很浪费时间对吧。当然也可以使用一些 OCR 识别软件，但要么付费要体积很大，不方便。
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~
是磁带、光盘、录音笔、手机等录音工具，还是会议、访谈、沟通、演唱等场景？是键指如飞的神奇速录师，还是方便快捷的语音转文字AI小工具？
最近，QQ V7.6.0版本发布，新增视频通话“口吐弹幕”功能，引发网友热议。 寻找最新黑科技与视频通话的契合点，使视频聊天更潮、更互动、更具趣味性是，一直是QQ视频通话探索的方向。这次我们结合实时语
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。
语音识别就是把语音变成文字的过程，相信大家在平时生活也已经用到过一些语音识别的场景，比如说语音输入法、地图产品的语音输入。近年来，随着互联网的发展，各种音频数据和文本数据得到不断积累和丰富，CPU、GPU硬件的发展，以及深度学习算法大规模的应用，语音识别技术的应用开始获得大规模的商业化拓展。
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。
继推出维吾尔语、粤语识别，近期，捷通华声联合中国民族语文翻译局，推出藏、彝、蒙、朝鲜语语音识别技术，为藏族、彝族、蒙古族、朝鲜族同胞的日常办公、沟通交流提供语音识别服务。 民族语言识别 为企事业单位办公、民众交流提供便利 灵云语音识别技术，已广泛应用于国内的企事业单位会议、公检法、医疗等领域。 通过应用灵云藏、彝、蒙、朝鲜语语音识别技术，少数民族企事业单位可以应用语音识别技术，识别日常工作会议发言，快速生成会议记录;地区公安、检察、法院等政法机构可以应用语音识别来转写办案过程中的讯问发言，快速生成办案笔录;
编者按：邓力博士原为加拿大滑铁卢大学教授，1999 年加入微软，2016 年起担任微软首席人工智能科学家，负责微软深度学习技术中心应用趋向的深度学习研究。 在上周的 AI Frontiers 会议上，邓力博士为参会嘉宾做了口语对话系统的专题演讲。AI 科技评论与会记者将现场演讲记录下来，结合 PPT 为大家整理出这份演讲实录。此次邓老师介绍了口语对话系统的分类，三代演变史，以及三大研究前沿领域，可谓干货满满。NLP 领域的童鞋们不可错过。 邓力： 今天，我想讲一讲口语对话系统（Spoken Dialog
前段时间办公室出现一奇葩需求，要把一段授课视频转换为文字，为了实现这个目标我四处搜罗找了几款APP进行了多步操作，总体感觉比较麻烦。想想怎么说我们也是玩Python ，为啥不用Python呢～～说干就干，经过一番分析和搜索，还真被我搞定了，下面跟大家分享一下。
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。
最近在研究语音识别方向，看了很多的语音识别的资料和文章，了解了一下语音识别的前世今生，其中包含了很多算法的演变，目前来说最流行的语音识别算法主要是依赖于深度学习的神经网络算法，其中RNN扮演了非常重要的作用，深度学习的应用真正让语音识别达到了商用级别。然后我想动手自己做一个语音识别系统，从GitHub上下载了两个流行的开源项目MASR和ASRT来进行复现，发现语音识别的效果没有写的那么好，其中如果要从零来训练自己的语言模型势必会非常耗时。
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
AI 科技评论按：语音到文字的转换是语音研究领域的重要课题。自引入神经网络的方法以来，语音识别正确率有了长足的进展，也为苹果 Siri、亚马逊 Echo、科大讯飞语音输入法等等实际产品提供了生长的土壤。面对算法识别总还是比人类要差一些的现状，微软刚刚发布一篇博文公布了自己的最新成果，达到人类水平已经不是梦想。AI 科技评论编译如下。 2016年，微软语音和对话研究团队对外公布了一则里程碑性的消息，他们在 Switchboard 数据库的对话语音识别任务中达到了人类的一致性水平，这意味着他们的系统识别对话中文
Voicera获1450万美元融资，智能语音真的前途无限吗？
AI科技评论按：本月 18 日，由美中技术与创新协会（Association of Technology and Innovation，ATI）主办的第一届“AI NEXT”大会在西雅图召开。本次会议的主要嘉宾包括：微软首席 AI 科学家邓力，微软院士黄学东，Uber 深度学习负责人 Luming Wang 等。华人之外，还有亚马逊 Alexa 首席科学家 Nikko Strom，微软小娜架构师 Savas Parastatidis 等业内知名专家。 大会主题是“探索 AI 的潜力，把 AI 技术应用于实用
随着互联网时代的进步，智能产品逐渐配备了更加多元化的功能应用、更加丰富的内容资源,用户在使用语音相关的功能时，越来越多的需求需要向智能产品用户提供更便捷的操作体验，语音转换成文本，语音识别是人工智能领域极为重要的前沿技术，实现快速、高效、准确的语音识别及控制，实现智能行业内全新的便捷操作模式。
随着通讯技术的发展和人们对质量的不断追求，电话质检语音识别技术应运而生。这项技术通过对电话录音的自动分析和识别，能够快速准确地得出通话双方的交流情况、语音质量和服务质量的评估等信息，进一步帮助企业做好客户服务管理和提升客户满意度。
对应的便是“耳”、“脑”、“口”的工作，机器要听懂人类说话，就离不开语音识别技术（ASR）。
广义上来讲智能语音技术有各种各样的定义，以上是常见的一些热门的场景。语音识别，刚才罗老师也分享了部分内容。语音合成是文字变成语音，这部分我们后面会详细展开。再往后看，声纹识别，在智能车里面有很多的功能需要人的发音媒介来控制命令的时候声纹就很重要。开一个车门，车上有一个小孩，突然哭闹，下一个不合适的指令，你区别不出来这个人，对语音控制来说不合适的。或者有一些不当的操作，可以通过声纹来做，通过声音来做对人的识别和认证的过程。声纹识别其实在未来的应用场景比较热门，实际应用当中遇到大的挑战点是什么？很多其他的生物识别靠人脸或指纹这类比较稳定的特征，可是声纹不稳定，人高兴的时候，第一天晚上唱了卡拉OK，第二天声音哑了，怎么能够在变化比较明显的生物特征上做识别是一个很大的挑战。
Google日前正式发布旗下云端语音识别API，支持80多种语言，也能辨识正体中文。而新版API加强了长版音频档的转录精准度，也新增支持WAV、Opus和Speex文件格式，且Google也宣称，新版
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。
终于有时间更新语音识别系列了，之前的几篇： 语音识别系列︱用python进行音频解析（一） 语音识别系列︱paddlehub的开源语音识别模型测试（二） 语音识别系列︱paddlespeech的开源语音识别模型测试（三）
为了抗击新冠肺炎病毒疫情，腾讯云AI即日起免费为战疫开发者提供人脸识别、文字识别、语音识别、语音合成、机器翻译、腾讯智能对话平台TBP等服务，直至疫情结束。所有为政府部门、医疗机构等开发疫情服务，以及提供远程办公、教学等服务的开发者和服务商，都可以免费或以一定优惠额度享受服务。
AI 科技评论按：近日，Facebook 人工智能研究院 ( FAIR ) 宣布开源首个全卷积语音识别工具包 wav2letter++。系统基于全卷积方法进行语音识别，训练语音识别端到端神经网络的速度是其他框架的 2 倍多。他们在博客中对此次开源进行了详细介绍。
大约一年前，中国移动以13.6亿人民币的代价获得了科大讯飞15%的股权，后者股价一路攀升，从不足30元到最高61元，成为一大牛股，市值高达240多亿人民币。而在刚刚过去的长假中，“云知声”也高调宣布获得金额为千万美金折合约1亿元人民币A轮融资。虽然其体量尚无法和科大相比，但这对沉寂一年的语音识别市场却是重大利好。 而同样涉足该领域的百度、腾讯、搜狗也正在加快技术迭代的脚步，作为战略级标配，语音技术在巨头眼中都格外重要。与国外巨头占领语音市场相似，业内普遍认为，受技术门槛的限制，语音市场创业窗口或已
最近自己想接触下语音识别，经过一番了解和摸索，实现了对语音识别API的简单调用，正好写文章记录下。目前搜到的帖子里，有现成的调用百度语音API来对音频文件进行识别的；也有通过谷歌语音服务来实现了实时语音识别的。由于我这谷歌语音一直调用不成功，就将二者结合，简单实现了通过百度语音API来进行实时语音识别。
语音识别是现在很多人都想了解的概念，其实语音识别就是将语音转换成文字。目前的需求还是蛮大的，尤其是会议纪要、演讲采访、音频文件整理成文字等场景，使用需求非常大。
在本文中，我们提供了一个用于训练语音识别的RNN的简短教程，其中包含了GitHub项目链接。 作者：Matthew Rubashkin、Matt Mollison 硅谷数据科学公司 在SVDS的深度
鱼羊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 一个成立不到两年的团队，两个初入职场的新人，杀入顶会挑战赛能拿下怎样的成绩？ 时限是，10天。 近日，全球语音顶会INTERSPEECH 2020「口音英语语音识别挑战赛」结果公布，一支名叫「大耳朵图图喵喵喵」的团队摘下了两大赛道的第二名和第三名。 参赛选手是这位： △大耳朵图图本喵 啊不，其实来自他们当中。 说起网易有道与AI语音技术相关的产品，大家或许都不陌生，比如丁磊多次安利、上市都带着的有道词典笔…… 相比在市场上取得的认可，许多人
重构出版：语音交互技术的冲击与机遇 1 摘要：语音交互技术是人工智能技术的重要分支，包括语音识别、语音合成和语义理解三个部分。语音交互技术不仅从出版实务上重构了出版业，而且重构了出版业的核心概念。出版机构面对语音交互技术的冲击要主动培养音频编辑人才，提前布局市场，在下一次知识服务转型的风口占得先机。 关键词：人工智能；语音交互技术；重构；出版业 2 人工智能将对人类社会产生重大影响，而语音是人工智能技术重要应用领域之一。近年来语音交互技术日趋成熟，数字出版领域有声读物快速发展，市场不断扩大。“国内已经先
1 新智元推荐1 来源：微软研究院AI头条 【新智元导读】继 9月13日微软将对话语音识别错误率降至6.3%的记录后，前天再次宣布进一步将错误率降至 5.9%，首次达成与专业速记员持平且优于绝大多数人的表现。该成功归功于他们采用了一种神经语言模型，该模型在空间中被表现为连续的向量，计算机能通过该模型得知比如“fast”和“quick”是具有紧密联系的近义词。 一个月前，2016年9月14日，微软的对话语音识别技术在产业标准Switchboard语音识别基准测试中实现了词错率（word error rate
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。
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?
模型下载地址：https://huggingface.co/ggerganov/whisper.cpp large-v1模型比较大，但是会更准确一些。我这边就用large系列模型好了，虽然显卡不咋地，但是跑这个还是够用了,根据限制自行选择模型，占用内存越大越准确。
其中，声学模型主要描述发音模型下特征的似然概率，语言模型主要描述词间的连接概率；发音词典主要是完成词和音之间的转换。 接下来，将针对语音识别流程中的各个部分展开介绍。
语音识别源于 20 世纪 50 年代早期在贝尔实验室所做的研究。早期语音识别系统仅能识别单个讲话者以及只有约十几个单词的词汇量。现代语音识别系统已经取得了很大进步，可以识别多个讲话者，并且拥有识别多种语言的庞大词汇表。 语音识别的首要部分当然是语音。通过麦克风，语音便从物理声音被转换为电信号，然后通过模数转换器转换为数据。一旦被数字化，就可适用若干种模型，将音频转录为文本。 大多数现代语音识别系统都依赖于隐马尔可夫模型（HMM）。其工作原理为：语音信号在非常短的时间尺度上（比如 10 毫秒）可被近似为静止过程，即一个其统计特性不随时间变化的过程。 许多现代语音识别系统会在 HMM 识别之前使用神经网络，通过特征变换和降维的技术来简化语音信号。也可以使用语音活动检测器（VAD）将音频信号减少到可能仅包含语音的部分。 幸运的是，对于 Python 使用者而言，一些语音识别服务可通过 API 在线使用，且其中大部分也提供了 Python SDK。
2015年12月10-12日，由中国计算机学会（CCF）主办，CCF大数据专家委员会承办，中国科学院计算技术研究所、北京中科天玑科技有限公司与CSDN共同协办，以“数据安全、深度分析、行业应用”为主题的 2015中国大数据技术大会（Big Data Technology Conference 2015，BDTC 2015）在北京新云南皇冠假日酒店盛大开幕。 11日下午的深度学习分论坛，地平线机器人科技高级工程师余轶南，阿里巴巴iDST语音组高级专家鄢志杰，厦门大学教授纪荣嵘，华中科技大学教授、国家防伪工程中
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
【导语】9 月 7 日，在CSDN主办的「AI ProCon 2019」上，微软（亚洲）互联网工程院人工智能语音团队首席研发总监赵晟、微软（亚洲）互联网工程院 Office 365资深产品经理，Office 小程序负责人张鹏共同发表《微软语音AI与微软听听小程序实践》的主题演讲，分享微软人工智能语音的技术以及微软听听小程序的落地实践。
语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。 语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。语音识别技术车联网也得到了充分的引用，例如在翼卡车联网中，只需按一键通客服人员口述即可设置目的地直接导航，安全、便捷。
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。
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。
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？
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！
随着人工智能技术越来越多的应用到我们的工作和日常生活中，人们对与计算机交互提出了更高的要求。人们显然已不满足于只是简单的人机对话，而是畅想可以达到人与人交流那样的酣畅淋漓，就像科幻片像人们所展现的那样。
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
对象存储
即时通信 IM
实时音视频
