---- 新智元报道 编辑：Aeneas 好困 【新智元导读】用一个Chrome扩展程序，让ChatGPT开口说话！ 现在，ChatGPT可以和我们语音聊天了！ 只需在浏览器上安装一个「Talk-to-ChatGPT」扩展就可以。 如何安装 Talk-to-ChatGPT扩展程序可以从此处的Chrome在线商店下载：https://chrome.google.com/webstore/detail/talk-to-chatgpt/hodadfhfagpiemkeoliaelelfbboamlk
【导读】亚马逊的 Alexa 的巨大成功已经证明：在不远的将来，实现一定程度上的语音支持将成为日常科技的基本要求。整合了语音识别的 Python 程序提供了其他技术无法比拟的交互性和可访问性。最重要的是，在 Python 程序中实现语音识别非常简单。阅读本指南，你就将会了解。你将学到：
整合了语音识别的 Python 程序提供了其他技术无法比拟的交互性和可访问性。最重要的是，在 Python 程序中实现语音识别非常简单。阅读本指南，你就将会了解。你将学到：
--AI科技大本营-- 整合了语音识别的 Python 程序提供了其他技术无法比拟的交互性和可访问性。最重要的是，在 Python 程序中实现语音识别非常简单。阅读本指南，你就将会了解。你将学到： •语音识别的工作原理； •PyPI 支持哪些软件包; •如何安装和使用 SpeechRecognition 软件包——一个功能全面且易于使用的 Python 语音识别库。 ▌语言识别工作原理概述 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
整合了语音识别的 Python 程序提供了其他技术无法比拟的交互性和可访问性。最重要的是，在 Python 程序中实现语音识别非常简单。阅读本指南，你就将会了解。你将学到： •语音识别的工作原理； •PyPI 支持哪些软件包; •如何安装和使用 SpeechRecognition 软件包——一个功能全面且易于使用的 Python 语音识别库。 ▌语言识别工作原理概述 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
【导读】亚马逊的 Alexa 的巨大成功已经证明：在不远的将来，实现一定程度上的语音支持将成为日常科技的基本要求。整合了语音识别的 Python 程序提供了其他技术无法比拟的交互性和可访问性。最重要的是，在 Python 程序中实现语音识别非常简单。阅读本指南，你就将会了解。你将学到： •语音识别的工作原理； •PyPI 支持哪些软件包; •如何安装和使用 SpeechRecognition 软件包——一个功能全面且易于使用的 Python 语音识别库。 ▌语言识别工作原理概述 语音识别源于 20 世纪
译者 | 廉洁 编辑 | 明明 出品 | AI科技大本营（公众号ID：rgznai100） 【AI科技大本营导读】亚马逊的 Alexa 的巨大成功已经证明：在不远的将来，实现一定程度上的语音支持将成为日常科技的基本要求。整合了语音识别的 Python 程序提供了其他技术无法比拟的交互性和可访问性。最重要的是，在 Python 程序中实现语音识别非常简单。通过本指南，你将学到： 语音识别的工作原理； PyPI 支持哪些软件包; 如何安装和使用 SpeechRecognition 软件包——一个功能全面且易于
译者 | 廉洁 编辑 | 明明 【AI科技大本营导读】亚马逊的 Alexa 的巨大成功已经证明：在不远的将来，实现一定程度上的语音支持将成为日常科技的基本要求。整合了语音识别的 Python 程序提供了其他技术无法比拟的交互性和可访问性。最重要的是，在 Python 程序中实现语音识别非常简单。阅读本指南，你就将会了解。你将学到： •语音识别的工作原理； •PyPI 支持哪些软件包; •如何安装和使用 SpeechRecognition 软件包——一个功能全面且易于使用的 Python 语音识别库。
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。
导读：谈到人工智能，有人会觉得它的出现会造福全人类，例如Facebook的CEO马克·扎克伯格。当然，也有人持反面观点，例如伊隆·马斯克、史蒂芬·霍金，他们认为人工智能发展到某种程度后，可能就会像好莱坞大片里的剧情一样，威胁全人类。
刚结束了腾讯云BI的体验活动，在文章提到了SaSS、PaSS的概念，腾讯云BI是一个SaSS，而今天要写的腾讯云语音识别就是一个PaSS，平台即服务，用户只需要调用接口就能实现语音识别的功能，而语音识别所需要的算法、计算资源都是PaSS来分配。
5月4日，有着最难语音识别任务之称的CHiME-6成绩揭晓：科大讯飞联合中科大语音及语言信息处理国家工程实验室（USTC-NELSLIP）在给定说话人边界的多通道语音识别两个参赛任务上夺冠。
以声音这种更方便、亲近的交流方式能传递的信息比文字更多，语音、语气、语调甚至停顿长短都能反应一个人的情绪变化，不少年轻用户看来，声音可以让自己更贴切地感知到对方的存在。
编者：本文为携程机票研发部技术专家祁一鸣在携程技术微分享中的分享内容，欢迎戳视频观看回放。 【携程技术微分享】是携程技术中心推出的线上公开分享课程，每月1-2期，采用目前最火热的直播形式，邀请携程技术人，面向广大程序猿和技术爱好者，一起探讨最新的技术热点，分享一线实战经验，畅谈精彩技术人生，搭建一个线上的技术分享社区。 祁一鸣，2016年4月加入携程， 任机票研发部技术专家。毕业于美国常春藤名校Dartmouth College本科，曾先后在硅谷的Oracle, Yahoo!和Salesforce总部效力过
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。
近年来，随着语音识别技术的发展成熟，语音交互越来越多的走进我们的生活。从苹果手机Siri助手的横空出世开始，各大公司纷纷效仿开发自己的语音助手和语音识别平台，手机端的近场语音交互日趋成熟。后来Amazon发布Echo智能音箱，开启了智能硬件远场语音交互时代。相比于Siri手机端近场的语音交互，Echo音箱的语音交互支持距离更远，交互更加自然便捷，它使用了麦克风阵列来保证远距离复杂背景噪声和干扰环境下的良好拾音效果，随后麦克风阵列逐渐成为了后续语音交互智能硬件的标配。
不知道大家有没有过这样的经历，有时候我们聊天聊到了某个商品，没过多久，一些电商类APP就推荐了相关商品。
罗超为虎嗅网、爱科技网撰稿，2013年5月23日发表于首页 Chrome浏览器昨日进行了升级，推出了全新的语音搜索功能，允许用户通过语音进行搜索。本次升级面向PC版。iPad和iPhone的Chrome仍停留在旧版本。 更准确的说法是Chrome浏览器终于与语音搜索进行了结合。在去年安卓4.1（果冻豆）中，Google便已推出Google Now，一款类似于Siri的语音助手产品。由于在搜索领域的积累，Google Now表现出比Siri更好的语言识别和搜索效果。Google Now是系统层面的一款应用。定
捷通华声通过为企业推出更为贴心的全套灵云语音交互解决方案，以及为开发者提供的灵云麦克风阵列SDK、灵云麦克风阵列开发板、灵云种子SDK、灵云语音识别SDK、语音合成SDK、语义理解SDK 等等众多相关
消费者越来越需要可以随时通过语音控制的产品，可以与数字世界更加安全的和自然的交互。
对攻击语音识别系统的研究表明，某些隐藏的语音命令人类无法听见，但是这些声音却可以控制系统。在最近的一些实验中，研究者设计了一个完全听不见的攻击：DolphinAttack，通过将人声负载在高频载波上，可以通过Siri使iPhone发起FaceTime通话。
📷 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
作者 | 陈孝良 责编 | 胡永波 目前来看，语音识别的精度和速度比较取决于实际应用环境，在安静环境、标准口音、常见词汇上的语音识别率已经超过95%，完全达到了可用状态，这也是当前语音识别比较火热的原因。 随着技术的发展，现在口音、方言、噪声等场景下的语音识别也达到了可用状态，但是对于强噪声、超远场、强干扰、多语种、大词汇等场景下的语音识别还需要很大的提升。当然，多人语音识别和离线语音识别也是当前需要重点解决的问题。 学术界探讨了很多语音识别的技术趋势，有两个思路是非常值得关注的，一个是就是端到端的语音识别
北京时间 2018 年 9 月 7 日，国际多通道语音分离和识别大赛（CHiME）组委会在微软海得拉巴研发中心揭晓了最新一届 CHiME-5 的比赛结果。
谷歌正在为其谷歌幻灯片演示程序添加一个新的自动隐藏式字幕功能，该程序可以通过口语创建实时字幕。
本文转载自机器之心 作者：黄小天 5 月 27 日，由机器之心主办、为期两天的全球机器智能峰会（GMIS 2017）在北京 898 创新空间顺利开幕。大会第一天重要嘉宾「LSTM 之父」Jürgen Schmidhuber、Citadel 首席人工智能官邓力、腾讯 AI Lab 副主任俞栋、英特尔 AIPG 数据科学部主任、GE Transportation Digital Solutions CTO Wesly Mukai 等知名人工智能专家参与峰会，并在主题演讲、圆桌论坛等互动形式下，从科学家、企业家、
亚马逊Echo和Echo Dot智能音箱获得了成功，它已经使语音命令（通常称为语音UI或语音UI）出现在了新技术产品中。在每一部智能手机和平板电脑上，大多数新型汽车上，以及快速增长的音频产品中，都有这个功能。最终，大多数家用电器，音频和视频产品，甚至像健身跟踪器这样的可穿戴设备，最终也都会有语音命令功能。
机器之心整理 演讲者：俞栋 5 月 27-28 日，机器之心在北京顺利主办了第一届全球机器智能峰会（GMIS 2017），来自美国、加拿大、欧洲，中国香港及国内的众多顶级专家分享了精彩的主题演讲。在这
KPCB合伙人、享有“互联网女皇”称号的玛丽·米克尔的互联网趋势报告于今天正式发布。毫不夸张地说，这份报告是互联网行业分析的“超级碗”，它用200多页的Keynote浓缩了全球庞大而复杂的互联网发展现状和趋势，是互联网从业者、投资人以及想要窥见互联网风貌的外界人士不可多得的参考资料。 有人说，今年报告亮点不多，在我看来，亮点却非常之多：不仅覆盖了手机、电商、社交、广告等基本面，还点名了移动营销、网络直播、智能汽车诸多正在崛起的所有新兴领域。与IDC等机构报告不同的是，女皇报告更侧重于行业现象概括和行业趋势展
文 / 陈孝良 11月16号，百度发布了渡鸦智能音箱和DuerOS开发板SoundPi，至此，国内再一名巨头加入智能音箱大战。迄今为止，国内战场上的巨头有阿里、京东、腾讯、百度、小米、科大讯飞等，国外则有苹果、微软、亚马逊、谷歌、脸书、三星等，这些巨头占据了全球市值的排名榜，同时发力争夺未来人工智能时代的语音入口，甚至亚马逊和阿里率先不惜代价开启了补贴大战。这些全球巨头的激烈竞争，将对未来十年产生极其重要的影响，同时，这更是新一波的职业快速发展机会。 语音智能当前的核心关键是声学问题和语义理解，随着市
AppID、SecretID 和 SecretKey等个人信息填入，否则无法运行Demo(需要在语音识别控制台开通服务，并进入API 密钥管理页面新建密钥，生成 AppID、SecretID 和 SecretKey)
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。
这个天才老爸又出手了！ 还记得我们已经报道过他给娃做的两个项目么？ 看这个天才老爸如何用Jetson NANO做一个带娃机器人 老爸用Jetson AGX Xavier开发套件给娃插上翱翔的翅膀 这次，他用GPT-3 和计算机视觉，利用Jetson NANO，将儿子 Dexie 的泰迪熊 Ellee 改造成了一个号称“具备人类智慧”的机器人！ 它不仅可以识别一个人以进行更个性化的对话，还能从对话中提取无法识别的人的名字，并注册他们的名字和面孔以备将来遇到，自动扩展她的社交网络！ 是不是很有意思？让
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。
穿戴和听力设备(wearable and hearable)设备需要永远在线(Always-on)，这对于用户来说非常重要。我们不难想象出其重要性，比如外科医生(surgeon)在外科手术时佩戴智能眼镜，或者是建筑师在勘察施工现场的时候与电气工程师交流等等，所有这些用户场景都需要经过Alango 语音识别增强的(Speech Recognition Enhancement)自动语音识别技术。
以使用 iOS SDK 方式接入，以一句话识别为例，展开对官当demo代码模块的分析。
麦克风权限：Privacy - Microphone Usage Description 是否允许此App使用你的麦克风？ 相机权限： Privacy - Camera Usage Description 是否允许此App使用你的相机？ 相册权限： Privacy - Photo Library Usage Description 是否允许此App访问你的媒体资料库？ 通讯录权限： Privacy - Contacts Usage Description 是否允许此App访问你的通讯录？ 蓝牙权限：Privacy - Bluetooth Peripheral Usage Description 是否许允此App使用蓝牙？ 语音转文字权限：Privacy - Speech Recognition Usage Description 是否允许此App使用语音识别？ 日历权限：Privacy - Calendars Usage Description 定位权限：Privacy - Location When In Use Usage Description 定位权限: Privacy - Location Always Usage Description 位置权限：Privacy - Location Usage Description 媒体库权限：Privacy - Media Library Usage Description 健康分享权限：Privacy - Health Share Usage Description 健康更新权限：Privacy - Health Update Usage Description 运动使用权限：Privacy - Motion Usage Description 音乐权限：Privacy - Music Usage Description 提醒使用权限：Privacy - Reminders Usage Description Siri使用权限：Privacy - Siri Usage Description 电视供应商使用权限：Privacy - TV Provider Usage Description 视频用户账号使用权限：Privacy - Video Subscriber Account Usage Description
AI 研习社按：人工智能当前正处于爆发阶段，语音交互作为人工智能的重要组成部分正在各行业全面的落地，在人机进行语音交互的过程中，机器需要通过耳朵实现听觉的作用。
在大数据可视化领域，国内的发展也已经逐渐走向成熟，每年都有许多可视分析系统不断涌现。近年，沉浸式大数据可视化得到了发展，浙江大学的探索了如图 1所示的无缝结合羽毛球比赛数据绘制的2D和3D可视化视图的问题，Chu等人(2022)探索了结合高度来凸显羽毛球数据中多个战术之间存在的差异性问题，如图 2所示。由此可以看出，沉浸式大数据可视化对数据分析和展示问题提出了有效的解决方法。
原文：Building a Speech-to-Text App Using Speech Framework in iOS 10
20世纪80年代以来，麦克风阵列信号处理技术得到迅猛的发展，并在雷达、声纳及通信中得到广泛的应用。这种阵列信号处理的思想后来应用到语音信号处理中。在国际上将麦克风阵列系统用于语音信号处理的研究源于1970年。1976年，Gabfid将雷达和声纳中的自适应波束形成技术直接应用于简单的声音获取问题。1985年，美国AT&T/Bell实验室的Flanagan采用21个麦克风组成现行阵列，首次用电子控制的方式实现了声源信号的获取，该系统采用简单的波束形成方法，通过计算预先设定位置的能量，找到具有最大能量的方向。同年，Flanagan等人又将二维麦克风阵列应用于大型房间内的声音拾取，以抑制混响和噪声对声源信号的影响。由于当时技术的制约，使得该算法还不能够借助于数字信号处理技术以数字的方式实现，而主要采用了模拟器件实现，1991年，Kellermann借助于数字信号处理技术，用全数字的方式实现了这一算法，进一步改善了算法的性能，降低了硬件成本，提高了系统的灵活性。随后，麦克风阵列系统已经应用于许多场合，包括视频会议、语音识别、说话人识别、汽车环境语音获取、混响环境声音拾取、声源定位和助听装置等。目前，基于麦克风阵列的语音处理技术正成为一个新的研究热点，但相关应用技术还不成熟。
据一份IHS Markit公司的报告，苹果公司的Siri等语音助手产品均受制于麦克风硬件技术的发展而停滞不前。 不过，Siri的发展瓶颈真的只有麦克风这一个吗？此前，美国某科技博客曾发表一篇署名丹·卡
无声的世界里，你只要动动嘴唇，就可以被识别出说了什么、甚至被转化为语音，是不是很智能便利、同时又颇为惊悚？ 今年12月，第四届世界互联网大会，搜狗发布唇语识别技术，也系业内首次公开演示。其背后的商业逻辑是什么？这项技术发展到什么地步了？ 一、为什么要做唇语识别 搜狗语音交互技术中心负责人陈伟首先回顾了搜狗在语音交互方面的发展历史——早期搜狗于移动时代主要做两件事——输入法与搜索。后来进入智能时代，设备由手机变为IOT设备，人与智能硬件之间的连接也变为搜狗知音引擎这样的自然交互引擎，而硬件、信息，或更深度
1876年，亚历山大·格雷厄姆·贝尔（Alexander Graham Bell）发明了一种电报机，可以通过电线传输音频。托马斯·爱迪生（Thomas Edison）于1877年发明了留声机，这是第一台记录声音并播放声音的机器。
小编新接触语音SDK项目，SDK无UI、底层调用多个C++算法库、提供的是AI服务。语音AI项目，识别效果是至关重要的一环，识别效果评测也是一项测试重点。为了制定一个专业、全面的效果评测的方案，小编学习了相关知识，对方案制定有了初步思路。希望对测试小伙伴有所帮助~~(●—●)
【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
其中，最引人注目的当属微软在办公领域的一些列突破，可以说是极具未来感与科幻感，引得网友一片惊呼。当然，开发者相关的众多发布也是非常吸睛的！
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
实时音视频
即时通信 IM
