腾讯云人工智能产品提供计算机视觉、智能语音等人工智能技术，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。
近日，京东AI研究院常务副院长何晓冬博士和副院长梅涛博士正式入选IEEE Fellow（IEEE会士/院士），该荣誉将于2019年1月1日正式生效。这是京东历史上首次有在职科学家晋级IEEE Fellow，也是两位京东人同时获得这一殊荣，代表着京东在研发领域出色的人才布局和人工智能研发领域强大的实力。
本文将介绍一个基于FunASR开发的语音识别界面应用，这个应用可以选择本地音频，也可以录音识别。支持多种音频格式和视频格式，可以对识别的结果加上时间戳做成字幕。
一年一度的618又拉开帷幕，五花八门的促销活动却让人应接不暇，不少人还遭遇“诚意不足，套路有余”的糟心事。
Venture Scanner 追踪了 957 个人工智能公司，横跨 13 种类，总共融资额达到了 47 亿美元。以下的 15 张表格总结了人工智能当下的状况。 1、人工智能市场总览 我们把人工智能
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
2016年3月，谷歌宣布向第三方开放语音识别技术，在语音识别市场再掀波澜。 谷歌将通过全新的“谷歌云语音应用程序界面”（Google Cloud Speech API）开放服务，初期将免费提供，后期暂未确定。这可能让谷歌与其他语音识别专业公司产生直接竞争。谷歌已对语音识别技术作出大量研发投入，目前可对超过80种语言进行语音识别。有鉴于此，竞争将非常激烈。 然而，规模较小的公司仍能在语音识别领域拥有独特优势。因为谷歌的重点并非生物识别方面的语音技术。而由于物联网将语音识别作为便利的用户界面，所以语音识别有可能
明星机器人初创公司 Figure，携手 OpenAI 发布令人震撼的全新机器人演示。短短几周内，自 3 月 1 日宣布获得 OpenAI 等巨头投资后，Figure 迅速融合了 OpenAI 的前沿多模态大模型技术。这一突破让我萌生了一个大胆想法——自制一个由大模型加持的玩具，姑且叫他 Figure 3000 吧。
一年一度的618购物节已经拉开帷幕， 五花八门的促销活动却让人应接不暇， 不少人还遭遇“诚意不足，套路有余”的糟心事。 事实上， 一场消费者的狂欢盛宴， 离不开企业与消费者的双向奔赴。 今年618， 腾讯云AI携语音识别、泛娱乐、OCR等众多优品而来， 特设超级爆品日、618黄金周以及 首单专区、企业专区、特惠专区， 为客户切实让利！ 折扣最低可至1元购。 文末点击阅读原文即可进入腾讯云官网AI主会场选购！ 产品多、折扣多，该如何选择呢？ 小编吐血整理了一份保姆级折扣指引！ “墙~裂”推荐！ 话不多说
一年一度的11.11云上盛惠如期而至。 腾讯云AI携人脸核身、文字识别、语音技术、人脸特效等系列特惠AI产品助力轻松上云；本次AI专场设置三大专区，包含数十款子产品，全场低至0.2折起： @首单专区：新用户限时秒杀，仅限产品首单，每个用户仅限1个； @企业专区：仅企业认证用户可购买； @特惠专区：不限新老用户，多种规格资源包可供选择，低至1.5折起。 活动说明： 本次活动为11月大促AI人工智能产品专场特惠活动。 活动时间： 本活动时间 2022-11-01 00:00:00 ~ 2022-11-30
李根 发自 一路向南G71 量子位报道 | 公众号 QbitAI AI代表的新技术可能不光开拓新领域，也在冲击固有市场格局。 新技术+旧产品，这样的趋势变革正在发生。 语音交互+地图=？ 2016年年底，网易北京搬离清华科技园启迪科技大厦，隔壁的搜狗随即租下两层，安排搜狗地图和搜狗语音团队入驻。半年后，这两支协同工作的团队推出完全语音驱动的语音地图产品，取名“智能副驾”。 这是一款语音驱动的手机导航地图产品，完全基于手机，完全语音交互。之所以取名“智能副驾”，是因为搜狗希望它在车内充当起“副驾”的作用，有
本文参考文献 [1]詹新明，黄南山，杨灿.语音识别技术研究进展[J].现代计 算机(专业版) [2]《语音识别》——维基百科，自由百科的全书 [3]杨行峻, 迟惠生,“语音数字信号处理”, 电子工业出版社. 1995 [4]崔天宇 吉林大学硕士学位论文《基于HMM的语音识别系统的研究与实现 》 [5]陆昱方,科技传播第二期期刊《简述语音识别的实现过程》
11月19日，首届联合国世界地理信息大会（以下简称地信会）在浙江省德清县举行。此次大会由联合国主办，自然资源部和浙江省人民政府共同承办，是联合国主办的规模最大、层次最高的地理信息大会，也是测绘地理信息领域迄今为止在中国举办的层次最高、覆盖面最广的重大国际多边活动。
在波士顿的Re-Work深度学习峰会上，高通公司的人工智能研究员Chris Lott介绍了他的团队在新的语音识别程序方面的工作。
众所周知，人工神经网络(ANN)的设计思路是模仿人脑结构。但是直到10年前，ANN和人类大脑之间唯一的共同点是对实体的命名方式（例如神经元）。由于预测能力较弱并且实际应用的领域较少，这样的神经网络几乎毫无用处。
AI 技术似乎成了一把“万能钥匙”，捅进任何一个拥有数据的行业钥匙孔里，它都具有一定的适配能力。
孩子的语音特征，其与成人的不同之处。为什么现在的通用语音识别算法在识别孩子语音的时候表现糟糕，以及Sensory的解决之道 - Sensory VoiceAI for Kids!
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）。
作者 | 黄楠 编辑 | 陈彩娴 9月21日，OpenAI 发布了一个名为「Whisper 」的神经网络，声称其在英语语音识别方面已接近人类水平的鲁棒性和准确性。 「Whisper 」式一个自动语音识别（ASR）系统，研究团队通过使用从网络上收集的68万个小时多语音和多任务监督数据，来对其进行训练。 训练过程中研究团队发现，使用如此庞大且多样化的数据集可以提高对口音、背景噪音和技术语言的鲁棒性。 此前有不同研究表明，虽然无监督预训练可以显著提高音频编码器的质量，但由于缺乏同等高质量的预训练解码器，以及特定于
今年上半年，AI大模型频频出圈，人工智能仿佛在一夜之间激活了各行业的“任督二脉”，每一次迭代，每一位“新贵”的出现，都聚集了无数闪光灯，一波接着一波地输送热度。
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。
一个好的对话平台，要能够使用有限的例句进行泛化拓展，利用算法、语料库、知识库训练有效的模型。
近日，全国“扫黄打非”办公室为贯彻落实2019年“扫黄打非”专项行动，从3月起开始大力组织开展“净网2019”、“护苗2019”、“秋风2019”等专项行动，持续净化社会文化环境。
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。
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，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
Google Research 软件工程师发表了可解决「鸡尾酒会效应」视觉-音频语音识别分离模型。 AI 科技评论按：人类很擅长在嘈杂的环境下将其他非重点的声响「静音」化，从而将注意力集中在某个特定人物身上。这也就是众所周知的「鸡尾酒会效应」，这种能力是人类与生俱来的。尽管对自动音频分离（将音频信号分离成单独的语音源）的研究已经相当深入，但它依旧是计算机研究领域上的一项巨大挑战。 Google Research 软件工程师 Inbar Mosseri 和 Oran Lang 于 4 月 11 日发表了一篇
大模型如雨后春笋般涌现，并以惊人的速度和规模，重塑着我们对AI能力的认知。AI应用的多样性和创新性也在这一年达到了新的高度，这些应用不仅提高了效率，降低了成本，更重要的是，它们正在加速改变我们的生产，生活方式。
选自arXiv 作者：Anuroop Sriram等 机器之心编译 参与：李亚洲、李泽南 百度最近发表的一篇论文提出使用生成对抗网络（GAN）目标来实现鲁棒的语音识别系统，作者表示新框架不依赖信号处理中经常需要的领域专业知识或简化假设，直接鼓励以数据驱动的方式产生鲁棒性。更多细节内容，请查看论文原文。 自动语音识别（ASR）支持的语音助手、智能音箱等逐渐成为我们日常生活的一部分，例如 Siri、Google Now、Cortana、Amazon Echo、Google Home、Apple HomePod、
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！
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
MoneyPrinterPlus可以使用大模型自动生成短视频，其中的语音合成和语音识别部分需要借助于一些第三发云厂商的语音服务。
懒人阅读：人工智能芯片是人工智能的“大脑”，可以分为终端和云端两个应用方向。目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架构。人工智能芯片具有两个突出特点：一是算法与芯片的高度契合，面向终端和云端不同需求提升计算能力；二是专门面向细分应用场景的智能芯片，如语音识别芯片、图像识别芯片、视频监控芯片等。
未来的人类如何与机器人交流？我们既需要机器人模仿人类的语气、表情、动作，同样也需要机器人能理解我们。
现实生活中，越来越多的地方需要使用到语音识别，微信里客户的长条语音，游戏里更方便快速的交流，都是语音识别的重要场景。现在为大家强力推荐腾讯云语音识别，一款为企业和开发者提供极具性价比的语音识别服务。腾讯云语音识别服务经微信、腾讯视频、王者荣耀、和平精英等大量内部业务验证；同时也在线上线下大量互联网、金融、教育等领域的外部客户业务场景下成功落地。同时日服务亿级用户，具有海量数据支撑、算法业界领先、支持语种丰富、服务性能稳定、抗噪音能力强、识别准确率高等优势。
【新智元导读】 微软语音识别研究团队在黄学东的带领下，去年将语音识别的单词错误率降至5.9%，又在最近降至5.1%。在本次专访中，我们讨论了语音识别错误率百分之几的小数点在研究和实际应用上的意义。黄学东认为，从研究角度来说，这个意义十分重大，即便是0.1%的差距，无论是运算量还是时间，耗费都是巨大的。 达到人类水平，超越人类水平，人工智能研究领域的突破性进展。 以上赞誉被给予了微软最近的语音识别研究成果：其语音识别研究团队在黄学东的带领下，去年将语音识别的单词错误率降至5.9%，又在最近降至5.1%。 从研
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？
腾讯云实时音视频（TRTC）接入实时语音识别，主要是将TRTC中的音频数据传递到语音识别的音频数据源中进行实时识别。本篇讲述如何对TRTC本地和远端的音频流进行实时识别。
作者：宋天龙 链接：https://www.zhihu.com/question/63383992/answer/222718972 来源：知乎
---- 【新智元导读】首次正式亮相国际级会议的AI同传，腾讯翻译君不仅仅代表了自己，还代表了整个AI智能翻译业界。近几天AI同传遭遇社会嘲笑，对此，腾讯翻译君负责人李学朝，讯飞胡郁有话说。 这几天又有一个AI火了。 没错，我们说的是在2018年博鳌论坛担任同声传译的腾讯同传。 这个事件让人想起了2017年“3·15晚会”打假人脸识别，让人脸识别技术一夜走红，也让众多人脸识别公司躺枪。一年后的今天，公众对人脸识别的接受度已经明显提升，技术在不断发展，人脸识别的商业化应用在不断产生。 当时，人脸识别公司云
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。 8月，腾讯云慧眼、腾讯云神图、语音识别、NLP自然语言处理、语音合成推出全新功能，语音识别、语音合成优化了核心性能。 腾讯云慧眼 银行卡基础信息查询 慧眼人脸核身最新上线银行卡基础信息查询接口，该接口可以查询银行卡基础信息，包括开户行、银行卡性质等。可广泛应用于需要查询银行卡基础信息的业务场景。 腾讯云神图 人像动漫化 基于用户上传的一张带人脸信息的图片，
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
腾讯云语音识别为开发者提供语音转文字服务的最佳体验。经公司内部微信、QQ 、腾讯视频、王者荣耀等大体量业务充分验证，也在大量互联网、金融、教育等领域的外部客户业务场景成功落地，日服务亿级用户。具有海量数据支撑、算法业界领先、支持语种丰富、服务性能稳定、抗噪音能力强、识别准确率高等优势。
百度和中国移动今天宣布了一项全面的合作伙伴关系，共同开发人工智能，5G和大数据这些前沿领域，两个公司的优势对于这些领域的发展是必要的。
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
---- 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
五一来了，放松下来的你，是不是偶尔会打开直播，与长发锥子脸的主播来一场亲密的互动秀聊？ 在直播这块娱乐大市场，人工智能到底有何用武之地？ 面对每天在直播间诞生的超大量级的数据，人工智能到底能帮上哪些忙？ 直播的背后，初创科技公司到底有哪些创业机会？ 今天，我们会介绍两家公司，他们分别在直播的链条上，做着自己的布局，运用人工智能以及相关技术，让人们在直播间玩得爽的同时，分食这块600亿的大蛋糕。 第一家公司，竹筏科技，它是如何以强悍的数据处理能力，游走在直播间，嗅觉灵敏地提炼着其中最优质地内容。而第二家公
今天，知晓程序（微信号 zxcx0101）就给你推荐一个能花样发红包的小程序——「包你说」，看看大家为了抢到红包，到底能有多么豁得出去。
提取视频文件中的图像然后使用OCR技术识别静态图像中的文本，提取视频文件中的音频然后使用语音识别技术提取其中的文本，如果视频文本或音频文本中包含指定的关键词则进行提示。
一年一度双11，今年又有什么不同？10月30日，2020腾讯云11.11云上盛惠活动正式上线，视频云直播&云点播作为腾讯云明星产品线，以空前的折扣力度回馈音视频开发者，那到底哪款产品适合我，到底怎么买最划算？话不多说，敲黑板，划重点。 主会场 | 爆品秒杀专区 适合于个人及小型企业初次体验 #腾讯云新用户推荐100GB流量秒杀# 直播100GB流量包 仅需9.9元（日常价25元） 点播100GB流量包 仅需9元（日常价19元） #不限新推荐，超低折扣流量包# 直播流量包6折（含1TB/ 5
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
云直播
即时通信 IM
