作者 | 谭旭编者按：目前，人类使用的语言种类有近7000种，然而由于缺乏足够的语音-文本监督数据，绝大多数语言并没有对应的语音合成与识别功能。为此，微软亚洲研究院机器学习组联合微软（亚洲）互联网工程院语音团队在ICML 2019上提出了极低资源下的语音合成与识别新方法，帮助所有人都可以享受到最新语音技术带来的便捷。基于文本的语音合成（Text-to-Speech, TTS）和自动语音识
AI 科技评论按：把一段输入音频转换为一段文本的任务「自动语音识别(ASR)」，是深度神经网络的流行带来了极大变革的人工智能任务之一。如今常用的手机语音输入、YouTube 自动字幕生成、智能家电的语音控制都受益于自动语音识别技术的发展。不过，开发基于深度学习的语音识别系统还不是一个已经完善解决的问题，其中一方面的难点在于，含有大量参数的语音识别系统很容易过拟合到训练数据上，当训练不够充分时就
转载
2024-05-31 16:48:27
1071阅读
在使用Python的EasyOCR进行图像文字识别时，用户常常会遇到识别率不高的问题，这直接影响到业务交付的质量和效率，尤其是在需要大规模文本处理的场景下。为了提升EasyOCR的识别率，我们需要系统地分析其配置参数、调试步骤、性能调优等方面，并总结出一套有效的最佳实践。
> 用户反馈：
> "我的项目中使用EasyOCR，但识别率始终低于70%，这导致我在数据处理的时间上非常不划算。"
作者:神三元
HTTP灵魂之问，巩固你的 HTTP 知识体系 上回就已经承诺过大家，一定会出 HTTP 的系列文章，今天终于整理完成了。作为一个 web 开发，HTTP 几乎是天天要打交道的东西，但我发现大部分人对 HTTP 只是浅尝辄止，对更多的细节及原理就了解不深了，在面试的时候感觉非常吃力。这篇文章就是为了帮助大家树立完整的 HTTP 知识体系，并达到一定的深度，
Optical character recognition：光学字符识别技术，是电子设备检测打印在纸上的字符，并通过其亮暗模式来确定形状的方法，经扫描仪确定了字符的形状后，会使用字符识别方法将形状转换成计算机文本。
OCR(光学字符识别)是扫描仪在日常使用中的一个重要功能, 方便的OCR。自动识别技术使印刷体文字的录入最终摆脱键盘。但是在OCR识别过程中，往往会出现许多识别错误的情况，
转载
精选
2011-04-21 11:13:56
753阅读
# Python 提高 PaddleOCR 识别率
## 概述
PaddleOCR 是一个基于深度学习的开源OCR工具，用于文字识别任务。然而，在实际应用中，可能会遇到一些识别准确率不高的情况。本文将介绍如何通过一些技巧和方法来提高 PaddleOCR 的识别率。
## 流程
下面是提高 PaddleOCR 识别率的整体流程：
| 步骤 | 描述 |
| ---- | ---- |
| 1
原创
2023-09-21 03:07:27
2356阅读
一、引言with open是一种常用的文件操作方式， 可以用于读写各种格式的文件，包括文本文件（.txt、.csv、.log）、图像文件（.jpg、.png、.bmp 等）、二进制文件。它可以在文件操作完成后自动关闭文件，无需手动调用 file.close() 方法。以下是 with open 的用法：with open("filename.txt", "r") as file
转载
2024-10-11 11:23:27
98阅读
原稿的质量直接影响到最后OCR的正确率，因此先要适当调整原稿。对于低质量稿件，可考虑在扫描前用复印机先行复印并适当调节对比度和亮度，使背景变成白色，而文字色泽保持黑色即可。经过复印以后的报纸，OCR的识别率有明显的提高。扫描过程中一定要将原稿摆正，否则OCR软件将无法正确识别。如果无法将原稿摆正，可使用 “自动倾斜校正”或者“手动纠斜”功能纠正字体的倾斜。选择适当的扫描参数也很重要，一般OCR是原
转载
2024-05-14 06:15:25
236阅读
vosk开源语音识别Vosk是开源的语音识别工具包。Vosk支持的事情包括：支持十九种语言 - 中文，英语，印度英语，德语，法语，西班牙语，葡萄牙语，俄语，土耳其语，越南语，意大利语，荷兰人，加泰罗尼亚语，阿拉伯, 希腊语, 波斯语, 菲律宾语，乌克兰语, 哈萨克语。移动设备上脱机工作-Raspberry Pi，Android，iOS。使用简单的 pip3 install vosk 安装。每种语言
转载
2023-12-08 11:18:07
218阅读
引言 Tensorflow的数据读取有三种方式：Preloaded data: 预加载数据Feeding: Python产生数据，再把数据喂给后端。Reading from file: 从文件中直接读取 这三种有读取方式有什么区别呢？ 我们首先要知道TensorFlow(TF)是怎么样工作的。 TF的核心是用C++写的，这样的好处是运行快，缺点是调用不灵活。而Python恰好相反，所以结合两种语
转载
2024-03-15 10:24:10
38阅读
在识别技术研发过程中，提高识别率是个艰难而又长期的过程，不仅要有较强的创新能力，更需要有坚强的毅力。当识别算法大体设计出来后，后期便是逐渐细化识别算法的过程：不断地调试，不断地完善，识别率不断地得到提高，直至最后达到用户满意的程度。这个过程一定要有稳扎稳打的思想，不要以为改进某个算法后，在
转载
2024-10-19 09:09:42
159阅读
# 如何提高 Python OCR 识别率
光学字符识别（OCR）是将图像中的文本转换为机器可读的文本的技术。在许多应用场景中，如文档管理、自动化数据输入等，OCR 可以极大地提高工作效率。然而，OCR 的识别率往往受到多个因素的影响，包括图像质量、字符字体、文本布局等。在本文中，我们将探讨一些提高 Python OCR 识别率的有效方法，并提供相关的代码示例。
## 1. 图像预处理
图像
一、MFCC概述在语音识别（SpeechRecognition）和话者识别（SpeakerRecognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scaleFrequency Cepstral Coefficients，简称MFCC）。根据人耳听觉机理的研究发现，人耳对不同频率的声波有不同的听觉敏感度。从200Hz到5000Hz的语音信号对语音的清晰度影响对大。两个响度不等的声音
一：前言 本手册主要以NVIDIA Riva官方文档为依据进行中文翻译，旨在帮助中国开发者了解和学习Riva，并加入译者对Riva的理解进行分享，本手册将以连载的方式持续进行更新。二：Riva概述 NVIDIA Riva是一个使用GPU加速，能用于快速部署高性能会话式AI服务的SDK，可用于快速开发语音AI的应用程序。Riva的设计旨在帮助您轻松、快速地访问会话AI功能，开箱即用，通过一些简单的命
转载
2024-10-14 14:15:27
138阅读
基于百度短语音API的语音识别实现一. 前言二. API介绍2.1 简介2.2 API的调用流程三. 执行代码四. 总结 一. 前言语音识别是一门交叉学科。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，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。 语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机
转载
2024-04-29 13:01:37
22阅读
1 语音识别基础1.1 声音特性声音是由物体振动产生的声波。是通过介质传播并能被人或动物听觉器官所感知的波动现象。最初发出振动的物体叫声源。声音以波的形式振动传播。声音是声波通过任何介质传播形成的运动。频率：是每秒经过一给定点的声波数量，它的测量单位为赫兹，1千赫或1000赫表示每秒经过一给定点的声波有1000个周期，1兆赫就是每秒钟有1,000,000个周期，等等。音节：就是听觉能够自然察觉到的
转载
2024-06-18 20:29:25
264阅读
这篇博客是之前那篇在win7上用OpenCV的SVM分类器做MNIST手写数字识别的后续。用MNIST数据集做SVM训练和测试的细节可以移步那篇博客进行了解。0.开发环境这篇文章的思路是将Windows上训练好的SVM分类模型移植到Android上，并可以实时通过手机触摸屏进行数字手写体测试，这样对算法的理解更直观，也让算法有了实用性。后期如果有时间和条件，我可以逐渐将这个识别功能具体化，做一个可
转载
2023-11-21 20:22:51
0阅读
原标题：语音识别已逐渐普及 搜狗讯飞各具特色【手机中国 软件】18日晚，老罗的单口相声给了我们不少惊喜，高配置、新系统、人性化功能、严肃导航语音包，然而令人非常意外的是，锤子发布会竟然还带火了语音输入。作为锤子的合作伙伴，讯飞没错过锤子的每一场发布会，老罗在现场演示的语音输入无论是识别率还是识别速度都令人十分惊叹，但实际上，语音识别技术已经发展到了一个极高的水平，如老罗所说，识别准确率已经达到了9
转载
2024-08-07 16:18:33
45阅读
# Python 图片文字增强——提高识别率
## 引言
在进行图片文字识别时，往往需要对图片进行一系列的预处理，以提高识别率。本文将介绍使用Python进行图片文字增强的方法，帮助初学者实现这一功能。
## 整体流程
下面是实现图片文字增强的整体流程，可以使用以下表格展示步骤：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 读取图片 |
| 2 | 图像二值化 |
|
原创
2023-09-10 03:39:01
1019阅读
该程序中的录音地址是我的ISD1760中录的，你应该先录音到ISD1760中，在修改录音地址才能准确播放出来。对与SPI模式录的音可以通过按键模式放出来，这也是本人最近才知道的。在处理ISD1760录放音时，最容易出现地址错误导致录不进去，这是可以通过按键模式检测是否是地址错误。按一下播放键，如果led灯闪两下，说明没问题，如果是连续闪7下，说明地址错误，
