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：
【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：
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。
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
【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
--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
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。
一个月前，谷歌宣布在源于Magenta项目的文字转语音（Text-to-Speech，简称TTS）技术上取得代际突破，接着该公司又对其语音转文字（Speech-to-Text，简称STT）API云服务进行了重大升级。更新后的服务利用语音转录的深度学习模型，根据特定用例量身定制：短语音命令、打电话或视频，在所有其他上下文中都有一个默认模型。如今，升级后的服务可以处理120种语言以及不同模型可用性和功能级别的变体。商业应用范围包括电话会议、呼叫中心和视频转录。转录的准确性在有多个扬声器和明显背景噪音的情形下有了
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
如果你是谷歌云客户，并且正在使用该公司的AI套件来进行文字转语音或语音转文本服务，这有个好消息：谷歌今天宣布了这些方面的重大更新，包括云文本到语音的普遍可用性，优化声音以便在不同设备上播放的新音频配置文件，多声道识别的增强功能等等。
说不同语言的人更容易地、直接地相互交流，这是语音到语音的翻译系统(Speech-to-speech translation)的目的，这样的系统在过去几十年里取得了不错的进展。
【编者按】随着机器学习算法的流行，Amazon、Google,、IBM和Microsoft等公司在机器学习云服务市场接连出手，并提供许多的API来吸引用户。本文中，Janet Wagner，ProgrammableWeb的data journalist、developer和contributor，根据互联网上的活跃度盘点了机器学习API的Top 10，并介绍了它们的功能特色。Janet Wagner同时认为，Project Oxford等少数API虽然没有上榜，但仍值得称道。 如今，机器学习无处不在。它可以
大型语言模型以其强大的性能及通用性，带动了一批多模态的大模型开发，如音频、视频等。
Google大部分资金来自广告和搜索，并将企业产品（如云服务）视为未来收入增长的主要推动力，但这方面仍落后于亚马逊和微软。新版Google语音软件是尝试成为更有竞争力的云服务商的一个例子。这也是在与亚
---- 新智元报道 编辑：编辑部 【新智元导读】近日，谷歌正式发布了支持100多个语种的20亿参数通用语音模型——USM，正式对标OpenAI的开源Whisper。 上周，OpenAI发布的ChatGPT API和Whisper API，刚刚引动了一场开发者的狂欢。 3月6日，谷歌就推出了一款对标的模型——USM。不仅可以支持100多种语言，而且参数量也达到了20个亿。 当然了，模型依然没有对外开放，「这很谷歌」！ 简单来说，USM模型在涵盖1200万小时语音、280亿个句子和300种不同语言
作者 | Migüel Jetté 编译 | bluemin 编辑 | 陈彩娴 在过去的两年中，自动语音识别（Automatic Speech Recognition, ASR）在商用上取得了重要的发展，其中一个衡量指标就是： 多个完全基于神经网络的企业级 ASR 模型成功上市，如 Alexa、Rev、AssemblyAI、ASAPP等。 2016年，微软研究院发表了一篇文章，宣布他们的模型在已有25年历史的“Switchboard”数据集上，达到了人类水平（通过单词错误率来衡量）。 ASR 的准确性仍在不
我们知道，GPT、DALL-E 等大规模生成模型彻底改变了自然语言处理和计算机视觉研究。这些模型可以生成高保真文本或图像，而且它们有个重要特点就是「通才」，可以解决没训过的任务。相比之下，语音生成模型在规模和任务泛化方面一直没有「突破性」成果。
据外媒报道，近日，谷歌更新了其云端文本转语音（Cloud Text-to-Speech）API。
在新推出的Comprehend服务之后，亚马逊今天宣布其自动语音识别（ASR）服务Amazon Transcribe获得对实时转录的支持。
羿阁 发自 凹非寺 量子位 | 公众号 QbitAI 逼近人类水平的语音识别系统来了？ 没错，OpenAI新开源了一个名为「Whisper」的新语音识别系统，据称在英文语音识别方面拥有接近人类水平的鲁棒性和准确性！ 不仅如此，对于不同口音、专业术语的识别效果也是杠杠的！ 一经发布就在推特上收获4800+点赞，1000+转发。 网友们纷纷对它意料之外的强大功能表示惊讶。 不仅是英文，有人用法国诗人波德莱尔的《恶之花》进行了语音测试，得到的文本几乎与原文一致。 OpenAI联合创始人&首席科学家Ilya S
第一篇中，我们转换后的PCM文件，还是存储在本地文件系统中。接下来，我们需要基于百度云的对象存储BOS服务，将文件上传到云端：
近日，Meta AI 宣布在生成式 AI 语音模型领域取得了突破：开发出了首个可泛化至多种语音生成任务的模型 Voicebox，无需专门训练即可达成顶尖性能表现。Meta AI 研究人员分享了多段音频样本和一篇研究论文，其中详细介绍了他们采用的方法和取得的成果。
AI 无处不在的时代，每天都有新的技术与研究成果出现。无论学术界还是商界，技术还是产品，AI 的新发现都源源不断，在带给我们全新视角的同时，也引起我们更深的思考。
可能是职业习惯，《流浪地球》中有一幕让小编印象非常深刻：刘培强戴着耳机和俄罗斯宇航员交流，两人各自说着母语，然后被实时同步翻译，毫无障碍不说，甚至拉家常开玩笑都没问题。这种黑科技，太好用了叭！
这篇文章是由AssemblyAI的机器学习研究工程师Michael Nguyen撰写的。AssemblyAI使用Comet记录、可视化和了解模型开发流程。
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。
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（
【1】 Pricing cryptocurrencies : Modelling the ETHBTC spot-quotient variation as a diffusion process 标题：加密货币定价：将ETHBTC现货商数变化建模为扩散过程 链接：https://arxiv.org/abs/2111.11609
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。
AI科技评论消息，百度硅谷研究院于 3 月 14 日推出了一款基于人工智能的转录应用 SwiftScribe。 根据 SVAIL 的官网消息，AI科技评论了解到，SwiftScribe 基于百度于 2
大型语言模型（LLM）正在改变每个行业的用户期望。然而，建立以人类语音为中心的生成式人工智能产品仍然很困难，因为音频文件对大型语言模型构成了挑战。
这篇mylangrobot项目由neka-nat创建，本文已获得作者Shirokuma授权进行编辑和转载。
选自Google blog 作者：Sourish Chaudhuri 机器之心编译 音频（audio）对于我们对世界的感知的影响的巨大自然不言而喻。语音（speech）显然是人们最熟悉的通信方式之一，但环境声音（sound）也能传达很多重要的信息。我们可以本能地响应这些背景声音所创造的语境，比如被突然出现的喧闹而吓到、使用音乐作为一种叙述元素或者在情景喜剧中将笑声用作一种观众提示。 自 2009 年以来，YouTube 就开始为视频提供自动生成的字幕了，而这主要是专注于语音转录以使 YouTube 上托管的
【1】 European option pricing under generalized fractional Brownian motion 标题：广义分数布朗运动下的欧式期权定价 链接：https://arxiv.org/abs/2108.12042
什么是REST api？ -- REpresentational State Transfer REST api是基于http请求的一种api，就百度语音识别的实例来讲，通过百度提供的url加上经过编码的音频文件，向百度服务器发出请求，然后百度服务器返回识别的内容。结束。
人与机器的自然交互一直是人类孜孜不倦的奋斗目标。随着移动互联网时代的发展，声音与图片成为了人机交互更为自然的表达方式。作为最核心的入口，语音技术就成为了科技巨头们争相攻下的堡垒。而人工智能的进步与发展也让语音技术的识别率突飞猛进，也使其有了产品化的机会。 李彦宏曾在剑桥名家讲堂等多个公开场合说过，百度大脑涉及百度最为核心的人工智能内容，具体包括语音、图像、自然语言理解和用户画像等四个核心能力，此外还有机器学习平台；吴恩达也在公开场合演讲时表达了同样的观点。 3 月 14 日，百度硅谷研究院于推出了一款基
最近，成立刚满两年的AI音频公司ElevenLabs宣布，他们获得了8000万美元的B轮融资，估值超过10亿美元！
他们不想被传统做法困住，开发了新方法：利用语音识别，把语言学线索和声学线索搭配食用，帮助区分。
识别「谁说了什么」，也就是「说话人分类」任务是自动理解人类对话音频的关键步骤。例如，在一个医生与患者的对话中，「患者」在回答医生的问题（「你经常服用心脏病药物吗？」）时说了「Yes」，这和医生用反问的语气说「Yes？」的含义截然不同。
作者：Yao Qin、Nicholas Carlini、Ian Goodfellow等
人工智能用于各种语音识别和理解活动，从启用智能扬声器到为失聪或有语言障碍的人设计辅助工具。然而这些语音理解算法经常在最需要它们的日常场景中表现不佳：当很多人同时说话或有很多背景噪音时。即使是先进的降噪技术也常常无法有效应对海滩旅行中的海浪声或嘈杂的街头市场背景的喧闹声。
【1】 Temporal Analysis of Worldwide War 标题：世界大战的时序分析
这款基于浏览器的新搜索引擎只是Audioburst技术的最新界面。公司还提供独立的音频转录服务，以及一个API——可以让应用程序开发人员将Audioburst的音频库、搜索功能和个性化构建到应用程序和
选自 kurzweilai 机器之心编译 参与：Jane W，吴攀 普林斯顿大学计算机科学家发明的技术可以像文本编辑软件对文字和 Adobe Photoshop 对图像一样对人的声音进行编辑。 正在研发中的「VoCo」软件使得添加或者替换语音中的词变得容易，仅仅通过编辑语音的文字转录（transcript）。新词将会自动合成到讲话中 —— 尽管这些词并没有出现在录音中。 该系统使用一个成熟的算法来学习和重建一段特定的声音。这将会使编辑播客和视频中的解说词更加容易，或者在将来，根据联合开发者 Adam Fi
选自SVDS 作者：Matthew Rubashkin、Matt Mollison 机器之心编译 参与：李泽南、吴攀 来自 Silicon Valley Data Science 公司的研究人员为我们展示了循环神经网络（RNN）探索时间序列和开发语音识别模型的能力。目前有很多人工智能应用都依赖于循环深度神经网络，在谷歌（语音搜索）、百度（DeepSpeech）和亚马逊的产品中都能看到RNN的身影。 然而，当我们开始着手构建自己的 RNN 模型时，我们发现在使用神经网络处理语音识别这样的任务上，几乎没有简单直
txtai执行机器学习工作流来转换数据，并构建支持人工智能的文本索引来执行相似性搜索。txtai支持索引文本片段、文档、音频和图像。管道和工作流支持使用机器学习模型转换数据。下面的文章提供了对txtai的介绍。
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。
【1】 Robust Decisions for Heterogeneous Agents via Certainty Equivalents 标题：基于确定性等价的异构Agent鲁棒决策
【1】 Efficient Black-Box Importance Sampling for VaR and CVaR Estimation 标题：VaR和CVaR估计的有效黑箱重要抽样
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
实时音视频
对象存储
云直播
