最近学习Android平台下跨平台音视频通信开发，虽然网上有很多开源项目供我们参考学习，但音视频效果很一般，还有很多不稳定的因素，毕竟是开源嘛。在国内我找到了一个比较好音视频通信解决方案（百度下载官方Anychat demo），该案例提供了纯Java语言接口供我们调用，随后我参照官方android demo程序和开发文档并结合自己的见解写了一个android音频通信软件，200行以内代码就搞定了。
转载
2024-03-18 09:51:16
46阅读
论文： RNNT:SPEECH RECOGNITION WITH DEEP RECURRENT NEURAL NETWORKS,2013 LSTM结构: 多层双向LSTM结构：思想： CTC对于当前时刻的输出只与当前时刻输入有关p(k|t)，而RNN-T引入语音学的信息，不仅与当前时刻输入有关，还有历史的输出有关p(k|t,u)；即RNN-T的两个网络输出，一个是C
转载
2024-04-21 16:54:50
59阅读
参考微博视频：http://weibo.com/p/2304444948c16e85c39a07240b193cd5509574 参考github代码：https://github.com/llSourcell/tensorflow_speech_recognition_demo/blob/master/demo.py 参考修改代码：https://github.com/llSourcell/t
转载
2023-12-19 09:51:17
182阅读
上回分析了run_model函数的configuration过程，其中load_placeholder_into_network函数用于构建该语音识别系统中RNN网络的基本结构，本回将分析以下该网络。1.RNN简介人们并不是从每秒钟他接收到的信息开始处理的，就像在看一篇论文的时候，大家都是先理解前文，然后根据现在的信息逐渐获得完整的信息。关于这些带有时间信息的序列处理时，传统的DNN可能无能为力。
转载
2024-07-07 21:54:51
141阅读
整理 | 屠敏和 OpenAI、Google 分道扬镳，Meta 在开源大模型方向上越走越深。今日，Meta 在 GitHub 上再次开源了一款全新的 AI 语言模型——Massively Multilingual Speech (MMS，大规模多语种语音)，它与 ChatGPT 有着很大的不同，这款新的语言模型可以识别 4000 多种口头语言并生成 1100 多种语音（文本到
转载
2024-04-29 12:54:37
12阅读
INTERSPEECH 2022FS-CANet: 基于全带子带交叉注意力机制的语音增强本文由清华大学与腾讯天籁实验室、香港中文大学合作，提出了一个全带-子带交叉注意力（FSCA）模块来交互融合全局信息和局部信息，并将其应用于FullSubNet，构建了一个新的语音增强模型FS-CANet。 FS-CANet在降低了 25％ 的参数量的情况下进一步提升了原有语音增强模
论文： TRANSFORMER-TRANSDUCER:END-TO-END SPEECH RECOGNITION WITH SELF-ATTENTION思想： 1）借助RNN-T在语音识别上的优势，通过tranformer替换RNN-T中的RNN结构，实现并行化运算，加快训练过程； 2）encoder部分前段引入包含因果卷积的VGGNet，一方面缩短声学特征的时序长度，节约计算，另一方面融合
转载
2024-07-04 07:24:52
107阅读
转载
2023-10-08 09:20:31
294阅读
# 使用RNN实现语音识别的语言模型
语音识别的RNN（循环神经网络）语言模型是一个非常重要且有趣的项目，尤其对于刚入门的开发者。本文将通过简单的步骤和代码示例来帮助你理解如何实现这个项目。
## 实现流程
我们将整个实现过程分为以下几个步骤：
| 步骤 | 描述 |
|------------|-----
原创
2024-09-27 06:00:46
232阅读
1.背景介绍语音识别技术，也被称为语音转文本技术，是人工智能领域的一个重要分支。它旨在将人类的语音信号转换为文本信息，从而实现人机交互的自然语言处理。随着人工智能技术的不断发展，语音识别技术的应用也日益广泛，如智能家居、智能汽车、语音助手等。在本文中，我们将深入探讨语音识别技术的核心概念、算法原理、实例代码以及未来发展趋势。我们希望通过这篇文章，帮助您更好地理解语音识别技术的工作原理，并提供一些实
转载
2024-09-14 13:22:24
54阅读
前言：基于联结时序分类(CTC)的声学模型不再需要对训练的音频序列和文本序列进行强制对齐，实际上已经初步具备了端到端的声学模型建模能力。但是CTC模型进行声学建模存在着两个严重的瓶颈，一是缺乏语言模型建模能力，不能整合语言模型进行联合优化，二是不能建模模型输出之间的依赖关系。RNN-Transducer针对CTC的不足，进行了改进，使得模型具有了端到端联合优化、具有语言建模能力、便于实现Onlin
转载
2024-04-15 15:44:09
66阅读
摘要语音情感自动识别是近几年来人机交互领域的研究热点。 然而，由于缺乏对语音波形特点及时间特点的研究，目前的识别精度有待提高。为了充分利用时间特征里情绪饱和度的差异，提出了一种利用帧级语音特征结合基于注意力机制的长期短时记忆(LSTM)递归神经网络模型进行语音识别的方法。从语音波形中提取帧级语音特征，取代传统的统计特征，通过帧的序列来保持原始语音中的时序关系。本项目提出了一种基于LSTM的语音识别
语音识别技术 让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。 语音识别本质上是一种模式识别的过程，未知语音的模式与已知语音的参考模式逐一进行比较，最佳匹配的参考模式被作为识别结果。 语音识别的目的就是让机器赋予人的听觉特性，听懂人说什么，并作出相应的动作。目前大多数语音识别技术是基于统计模式的，
转载
2023-09-17 11:22:18
295阅读
# 基于RNN语言模型的语音识别
随着人工智能的发展，语音识别技术得到了广泛关注，尤其是在自然语言处理(NLP)和自动语音识别(ASR)领域。其中，循环神经网络（RNN）因其在处理序列数据方面的优势而备受青睐。本文将介绍如何利用RNN语言模型进行语音识别，并通过Python代码示例加以说明。
## 什么是RNN？
循环神经网络是一种特殊类型的神经网络，特别适合处理序列数据。与传统的前馈神经网
原创
2024-09-25 08:05:55
330阅读
感谢阅读RNN简介传统RNN内部结构过程演示内部计算公式RNN輸出激活函数tanhPytorch构建传统RNN梯度计算LSTM介绍遗忘门结构分析：输入门结构分析:细胞状态更新分析:输出门结构分析:结构图梯度公式现实生活列子加强理解代码示例GRU介绍结构图个人对GRU的理解LSTM难以比拟的两个地方RNN示例（人名分类问题）案例介绍数据集下载与解释导包查看常用字符数量构建国家名字，并获取国家数量读
转载
2024-03-25 18:30:40
66阅读
一、学习单步的RNN：RNNCell如果要学习TensorFlow中的RNN，第一站应该就是去了解“RNNCell”，它是TensorFlow中实现RNN的基本单元，每个RNNCell都有一个call方法，使用方式是：(output, next_state) = call(input, state)。借助图片来说可能更容易理解。假设我们有一个初始状态h0，还有输入x1，调用call(x1, h0)
转载
2024-05-09 11:12:08
70阅读
基于 MATLAB 的语音去噪处理数字信号处理课 程 设 计课程名称数字信号处理题目名称基于 MATLAB 的语音去噪处理专业班级13级通信工程本一学生姓名 学 号 指导教师二○一五年十二月二十七日引 言滤波器设计在数字信号处理中占有极其重要的地位，FIR数字滤波器和IIR滤波器是滤波器设计的重要组成部分。利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MATLAB有噪音语
转载
2024-04-29 13:31:14
59阅读
本文的作者是 Ilya Sklyar, Anna Piunova, Yulan Liu。Amazon Alexa。动机： 端到端的语音识别系统开始研究有重叠片段的多个说话人的语音了，但是，因为有低延迟的限制，所以不太适合语音助手之类的交互。本论文主要是集中于多个说话人识别上，在低延迟的可能下提高识别精度，而且是在线识别。采用了一种流式的RNN-T
).以下测试结果基于测试点（祝福语、数字、日期、绕口令、诗、日常用语）[百度收费][优点]).比起百度自家发布的免费版本，速度快很多，很好的解决了丢字(丢句、就是有的地方没有翻译)).比起百度自家发布的免费版本，语义解析在有些方面增强了，翻译的更准确些).百度断点，自动标点符号绝对优势[缺点]).还存在丢字的现象，有些地方翻译不准确).对于普通话的兼容度还不够好(发音不准、口音)).语义自动解析还
图片.png
其各个数据特征如下
图片.png
处理数据先导入需要用到的模块这里用到了keras的API关于keras的使用可以看官方教程点击前往from tensorflow import keras
from tensorflow.keras import layers
import p
