51CTO首页
AI.x社区
博客
学堂
精品班
直播训练营
企业培训
鸿蒙开发者社区
WOT技术大会
AIGC创新中国行
公众号矩阵
移动端
短视频免费课程课程排行直播课软考学堂
全部课程厂商认证IT技术2024年软考PMP项目管理软考资讯
在线学习
文章资源问答课堂专栏直播
51CTO
鸿蒙开发者社区
51CTO技术栈
51CTO官微
51CTO学堂
51CTO博客
CTO训练营
鸿蒙开发者社区订阅号
51CTO题库小程序
51CTO学堂APP
51CTO学堂企业版APP
鸿蒙开发者社区视频号
账号设置 退出

语音识别

104内容  
涵盖语音识别相关研究热点、技术难点与应用场景。
文章 课程
共 104 条
使用Python和Keras创建简单语音识别引擎
语音识别是机器或程序识别口语中的单词和短语并将其转换为机器可读格式的能力。通常，这些算法的简单实现有一个有限的词汇表，它可能只识别单词/短语。但是，更复杂的算法（例如Cloud Speech-to-Text和Amazon Transcribe）具有广泛的词汇量，并包含方言、噪音和俚语。

2020-03-04 10:51:35

Python算法脚本语言
智能语音助理的未来
人工智能已经真正改变了智能语音助理在我们日常生活中的使用方式，而我们才刚刚开始了解它们。

2020-02-10 08:20:48

智能语音人工智能物联网
有这5款开源软件，语音转文字很简单！
语音文字转换（STT）系统，一种能够将语音单词转换成文本的方法，用途十分广泛，比如我们经常在用的微信聊天中语音转文字功能。

2019-12-13 09:48:48

开源技术 软件
教你怎样用Python进行语音识别
这里讲一下如何在不联网的情况下，依然可以通过python来将语音文件转换成文字。这里用到的包为sphinx，sphinx是由美国卡内基梅隆大学开发的大词汇量、非特定人、连续英语语音识别系统。

2019-11-20 12:30:21

Python编程语言语音识别
被大学解雇、拒绝 Facebook，语音界大佬Daniel Povey将入职中国小米
雷军在微博宣布，国际语音识别和AI领域专家、语音识别开源工具 Kaldi 之父 Daniel Povey 将出任小米集团语音首席科学家。而在加盟小米前，Daniel Povey 曾拒绝Facebook。

2019-11-19 14:28:38

语音识别人工智能技术
概述语音识别技术的发展及其应用 译文
在我们的生活中交流起着重要的作用。人类从符号开始，然后发展到用语言交流，再后来出现了计算和通信技术。在某些情况下，机器不仅与人类交流，也与机器之间交流。计算机和通信技术创造了互联网世界，正如我们所知的物联网(IoT)。

2019-10-29 08:00:00

语音识别
再显AI威力！百度地图20分钟定制个人语音包
百度地图在“‘音’为有你，更有‘AI’”发布会上正式发布“语音定制功能”，内部代号“百雀灵”。

2019-09-19 16:36:09

百度地图人工智能语音
语音识别大牛因奇葩学生事件被JHU开除，怒拒脸书，转投中国
据悉，Povey教授此前因为与霍普金斯校内的抗议学生发生冲突，因而被霍普金斯校方解雇。该事件引起了美国各界的关注，诸如华盛顿邮报等大型媒体均有跟进报道。

2019-08-21 14:35:27

语音识别人工智能技术
报告预测：苹果2020年将推Siri操作系统
据外媒报道，Mangrove Capital Partners 本周发布了 2019 年“语音技术报告”。

2019-07-21 18:58:54

苹果 iOS系统
5 款不错的开源语音识别/语音文字转换系统
语音文字转换(speech-to-text)（STT）系统就像它名字所蕴含的意思那样，是一种将说出的单词转换为文本文件以供后续用途的方式。

2019-06-24 09:30:00

开源技术 趋势
谷歌推“同声传译”系统Translatotron：语音翻译无需文本转换
谷歌AI官方博客最新博文中向我们介绍了一项实验性质的新系统--Translatotron，它能够直接将语音翻译成为语音，中间不再需要任何文本。

2019-05-16 13:42:38

谷歌Android开发者
语音技术市场存在发展机会，但也要注意陷阱 译文
语音助手的兴起为市场营销人员提供了一种面向客户的新渠道。其前景一片光明：语音技术是数字和物理现实的结合，为用户进行真正意义上的情景交互开辟了空间。不过目前语音技术市场略显年轻，能否为市场营销锦上添花还值得商榷。

2019-02-19 09:00:00

语音技术语音识别AI
国内首款真正意义的AI输入法上线 面向未来革新输入方式
百度输入法AI探索版正式亮相，这是一款默认输入方式为全语音输入，并调动表情、肢体等进行全感官输入的全新输入产品。同时，百度宣布语音技术取得一项对全球学术界和工业界都具备重大意义的技术突破。

2019-01-16 18:47:53

AI人工智能语音识别
谷歌ReCaptcha系统被破解，机器语音验证准确率高达85%
美国马里兰大学的四位研究员开源了一个名为UnCaptcha的工具，能够破解谷歌的验证码系统ReCaptcha，其进行语音验证的准确率高达85%。

2019-01-03 09:04:04

谷歌系统机器
对于这19项AI主流技术，你了解有哪些公司提供此类服务吗？ 译文
让我们这次浏览一下当前19项AI主流技术，它们主要涉及自然语言生成和语音识别等领域。

2018-08-29 09:00:00

人工智能AI语音识别
Amazon Transcribe简介
Amazon Transcribe 是一项自动语音识别 (ASR) 服务，使开发人员能够轻松地为其应用程序添加语音转文本功能。通过使用 Amazon Transcribe API，您可以分析 Amazon S3 中存储的音频文件，并让该服务返回一个转录的语音文本文件。

2018-08-22 12:45:09

Amazon Tran语音识别
Amazon Lex简介
Amazon Lex 是一种使用语音和文本在任何应用程序中构建对话界面的服务。Amazon Lex 提供高级的自动语音识别 (ASR) 深度学习功能，可以将语音转换为文本，还提供自然语言理解 (NLU) 功能，可以识别文本的意图，让您能够构建用户体验极具吸引力且会话交互逼真的应用程序。

2018-08-22 11:30:05

Amazon Lex语音识别深度学习
物灵科技推出“Luka Hero”和“Luka Baby”两款智能绘本机器人，并获得A轮融资
昨日，物灵科技在北京举办了新品发布会，发布了两款新品，分别是具备多感官交互能力的“Luka Hero”，以及面向更广泛大众市场的“Luka Baby”。同时物灵科技CEO顾嘉唯宣布已经获得1.5亿元Pre-A轮融资。

2018-07-06 18:36:25

物灵科技智能交互
AI创业公司Rokid发布Kamino 18 AI语音芯片，支持低功耗唤醒
昨日，国内AI创业公司Rokid在杭州举行了新品发布会，推出了包括Me智能便携音箱、Kamino 18 AI语音芯片、Rokid Glass AR眼镜在内的三款新品。发布会上，Rokid CEO Misa(祝铭明)正式公开了公司未来的战略规划图。

2018-06-27 22:11:01

语音芯片高通骁龙
AI不是魔法：人工智能的能与不能
本文作者将从四类具体应用的实现上，看看AI技术给我们生活带来哪些便利，以及存在哪些局限？如果把AI技术分为「前端的交互技术」和「后端的人工智能技术」。前端的交互技术包括语音识别、图像识别和自然语言处理；后端的人工智能技术就是人工智能的核心算法，包括深度学习算法、记忆预测模型算法等。

2018-06-14 09:52:03

人工智能语音识别深度学习
百度DuerOS对话式人工智能操作系统及多款智能产品亮相上海CES Asia
2018CES Asia今天上午在上海开幕，作为亚洲消费技术行业的年度盛会，CES Asia全方位展示着亚洲各大创新技术取得的最新突破与发展趋势。百度此次作为AI代表，为我们带来了搭载DuerOS对话式人工智能操作系统的“小度在家”智能视频音箱、小度智能音箱、极米激光电视、HTC U11+手机等数十款智能硬件产品。

2018-06-13 14:13:05

百度CES AsiaDuerOS
令人激动的语音UI背后那些事
语音UI系统使用多个麦克风接收指令，声音识别系统的准确性很大程度上取决于这些阵列是否能够专注于用户的声音，以及拒绝不必要的刺激，如环境噪声或设备本身发出的声音。对于优化这些阵列和控制算法的大多数研究都是开发这些产品的公司密切关注的，这使得产品开发者较少。

2018-06-12 16:47:35

语音UI音箱
阿里开源自研语音识别模型DFSMN，准确率高达96.04%
近日，阿里巴巴达摩院机器智能实验室开源了新一代语音识别模型 DFSMN，将全球语音识别准确率纪录提高至 96.04%（这一数据测试基于世界最大的免费语音识别数据库 LibriSpeech）。

2018-06-12 07:15:18

阿里巴巴技术语音识别
阿里达摩院公布自研语音识别模型DFSMN并宣布开源
近日，阿里巴巴达摩院机器智能实验室推出了新一代语音识别模型 DFSMN，将全球语音识别准确率纪录提高至 96.04%（这一数据测试基于世界最大的免费语音识别数据库 LibriSpeech）。

2018-06-07 16:00:28

阿里巴巴语音识别开源
达摩院推出新一代语音识别模型DFSMN并宣布开源
近日，阿里巴巴达摩院机器智能实验室推出了新一代语音识别模型DFSMN，据世界最大的免费语音识别数据库LibriSpeech资料显示，语音识别模型DFSMN，将全球语音识别准确率记录提高至96.04%。

2018-06-07 10:34:22

开源DFSMN语音识别
语音交互与神经网络打造的人工智能车机系统WindLink3.0正式问世
由东风风神、百度、博泰联合，历时两年时间共同研发的WindLink3.0人工智能车机系统终于问世了。这套系统以用户体验为核心，联合各家开发商的研发优势从硬件系统、UI设计、AI智能语音、生态应用环境四大方面入手，为用户提供最优的使用体验。

2018-05-29 17:00:15

语音交互神经网络
语音识别系统已进入法院进行试点
舒城县法院杭埠法庭近日在审理一起建设工程施工合同纠纷案件中，使用了庭审语音识别系统，这也是杭埠法庭作为试点法庭首批安装庭审语音识别系统后第一次使用该项技术。

2018-05-02 11:38:14

语音识别法院
基于线性网络的语音合成说话人自适应 原创
一种基于低秩分解（low-rank plus diagonal，LRPD）的模型压缩算法被应用于线性网络。实验发现，当数据量较少的时候，通过LRPD来移除一些冗余的参数，从而能够使得系统合成的声音更加稳定。

2018-04-23 16:27:27

线性网络语音合成自适应
人工智能的10大趋势，抓住风口ALL IN，再不看看我们都要下岗了！
2017年，中国人工智能初创公司投入在全球占比48％，并首次超越美国占据榜首。2018年，据CBInsights预测，就人工智能创业公司和总股本交易数量而言，美国在全球仍将领先，但其正在逐渐失去全球交易主导地位。

2018-04-23 12:36:01

人工智能机器学习人脸识别
分音塔CTO张明：深耕旅游行业，运用AI技术解决跨语言沟通问题 原创
近日，分音塔CTO张明接受了51CTO的专访，他1999年于新加坡创新科技就职时期，便开始接触机器翻译，所以在这方面有着很多深入独到的见解。

2018-03-22 08:51:38

分音塔AI技术跨语言沟通
基于深层前馈序列记忆神经网络的大词汇量连续语音识别 原创
本论文，我们在之前FSMN的相关工作的基础上进一步提出了一种改进的FSMN结构，称之为深层的前馈序列记忆神经网络（Deep-FSMN, DFSMN）。我们通过在FSMN相邻的记忆模块之间添加跳转连接（skip connections），保证网络高层梯度可以很好的传递给低层，从而使得训练很深的网络不会面临梯度消失的问题。

2018-03-16 13:27:55

神经网络大词汇量语音识别
如何做好游戏内实时语音体验
实时语音通信技术在行业内早已不是一个新话题，从传统的VOIP呼叫中心厂商，到云通信领域的语音服务提供商，均有大量现成的SDK供各类APP集成其实时语音能力。

2018-03-01 09:46:11

游戏实时语音
深度学习也解决不掉语音识别问题
自从深度学习被引入语音识别后，误字率迅速下降。不过，虽然你可能读到过一些相关文章，但其实语言识别仍然还没有达到人类水准。语音识别已经有了很多失败的模式。而要将 ASR（自动语音识别）从仅在大部分时间适用于一部分人发展到在任何时候适用于任何人，唯一的方法就是承认这些失败并采取措施解决它们。

2017-12-05 15:32:44

深度学习语音识别
CNN 在语音识别中的应用
CNN也比较容易实现大规模并行化运算。虽然在CNN卷积运算中涉及到很多小矩阵操作，运算很慢。不过对CNN的加速运算相对比较成熟，如Chellapilla等人提出一种技术可以把所有这些小矩阵转换成一个大矩阵的乘积。一些通用框架如Tensorflow，caffe等也提供CNN的并行化加速，为CNN在语音识别中的尝试提供了可能。

2017-10-27 16:19:23

语音识别CNN
机器学习原来如此有趣：如何用深度学习进行语音识别
语音识别已经存在很多年了，那为什么现在才成为主流呢?因为深度识别终于将语音识别在非受控环境下的准确度提高到了一个足以投入实用的高度。

2017-09-15 18:13:57

机器学习深度学习语音识别
思必驰赵恒艺：国内智能语音行业发展前景广阔 原创
近日，在由51CTO主办的2017WOTI全球创新技术峰会上，记者有幸采访了思必驰副总裁赵恒艺，针对全球智能语音行业的发展现状，思必驰DUI (AISpeech Dialogue User Interface)开放平台以及思必驰未来的发展规划等问题进行了深入交流。

2017-07-28 14:29:56

智能语音语音识别语音交互
云知声梁家恩：智能交互技术与物联网应用 原创
7月21日上午WOTI2017主会场，云知声CTO梁家恩进行了主题为《智能交互技术与物联网应用》的精彩演讲。以下是演讲实录，让我们先睹为快！

2017-07-21 11:29:00

WOTI云知声交互
【WOTI】英语流利说林晖：AI在教育领域尚处初级阶段 原创
由51CTO主办的WOTI2017全球创新技术峰会将于2017年7月21日拉开帷幕。峰会前期，笔者采访了本次大会的演讲嘉宾英语流利说联合创始人&首席科学家林晖先生，就人工智能在教育领域的应用，深度学习在英语流利说产品的中的实践等话题进行了深入的交流。

2017-07-11 10:16:48

人工智能AI深度学习
语音识别结合应用场景 唱响未来新篇章
近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术走进了工业、家电、通信、汽车电子、消费电子产品等各个领域。语音识别作为人工智能发展最早、且率先商业化的技术，近几年来随着深度学习技术的突破，识别准确率大幅提升，带动了一波产业热潮。

2017-04-28 13:00:42

语音识别人工智能
百度新论文提出Gram-CTC：单系统语音转录达到最高水平
大多数已有的序列标注模型(sequence labelling model)都依赖一种目标序列到基本单元序列的固定分解。

2017-04-11 11:02:22

Gram-CTC单系统语音
未来，语音识别可能应用于哪些商业化场景？
说话是人类最自然的交流方式，我们可以说人工智能是伪智能，机器永远不会像人一样去活着，但机器可以变得越来越善解人意。

2017-03-23 09:05:40

语音识别商业化场景
语音识别数据库成为了人工智能的核心
语音识别数据库、语音合成 数据库是人工智能的关键技术，让机器能听会说、能像人一样的学习、理解和思考，成为人类生活和工作的得力的帮手、亲密的伴侣，一直是人类的梦想。

2017-03-20 16:42:00

语音识别数据库人工智能
语音接口 我们已站到下一个交互时代的边缘
虚拟语音助手清楚手机内每一个程序以及每一项功能，你可以通过说话来调用这些功能。同时随着时间的推移，这种人工智能将知晓一切。

2017-03-20 11:12:08

语音接口交互时代语音识别
语音识别取代搜索框 人工智能三大应用领域先行
人工智能(AI)是发展大势的道理再次得到印证，语音识别技术是人工智能的重要技术手段。业内机构预计，2015年全球语音识别市场规模约为61.9亿美元，预计到2020年可以接近200亿美元，而整个人工智能市场则可在2018年达到1800亿美元的水平。

2017-03-20 11:00:48

语音识别搜索框人工智能
Nervana技术深度解读：使用Neon的端到端语音识别是如何实现的
语音是一种固有的即时信号。语音中所承载的信息元素在多个时间尺度上演变。在空气压强的影响下，同一个声源的频率只会发生几百上千赫兹的变化，所以我们可以利用声音去判断一个声源的位置，并把它与周围嘈杂的环境区分开来以获得传递的信息。

2017-03-20 10:42:08

语音识别NervanaNeon
语音识别：对未来人机交互的颠覆与改变
语音识别正以磅礴之势占据着一个时代的智能高点

2017-03-20 10:23:53

语音识别人机交互颠覆
浅谈语音识别、匹配算法和模型
语音是一个复杂的现象。我们基本上不知道它是如何产生和被感知的。我们最基础的认识就是语音是由单词来构成的，然后每个单词是由音素来构成的。但事 实与我们的理解大相径庭。

2017-03-20 10:14:03

语音识别匹配算法模型
玩人工智能的你必须知道的语音识别技术原理
在人工智能快速发展的今天，语音识别开始成为很多设备的标配， 语音识别开始被越来越多的人关注，国外微软、苹果、谷歌、nuance，国内的科大讯飞、思必驰等厂商都在研发语音识别新策略新算法，似乎人类与语音的自然交互渐行渐近。

2017-03-19 16:21:10

人工智能语音识别
这些耳熟能详的VR语音技术方案 您都了解过吗？
期，Oculus为三星Gear VR虚拟现实头盔增加了两项分别名为“Parties”和“Rooms”功能，旨在提高用户在使用VR设备时进行更多的互动交流。

2017-03-19 16:14:21

语音技术
从技术角度出发 回顾2016年语音识别的发展
得益于深度学习与人工神经网络的发展，语音识别在2016年取得了一系列突破性的进展，在产品应用上也越来越成熟。作为语音交互领域中极其重要的一环，语音识别一直是科技巨头研究的重点，国内外也涌现出了一批优秀的创业公司。

2017-03-19 16:09:00

语音识别
上一页 1 2 3
点赞

51CTO技术栈公众号

业务
速览
在线客服