语音识别开发平台有很多，具体总结如下：（更详细的介绍参见本人的博文：几个常见的语音交互平台的简介和比较）1.商业化的语音交互平台1)微软Speech API微软的Speech API（简称为SAPI）是微软推出的包含语音识别（SR）和语音合成（SS）引擎的应用编程接口（API），在Windows下应用 广泛。目前，微软已发布了多个SAPI版本（最新的是SAPI 5.4版），这些版本要么作为于Spe
转载
2024-02-26 12:46:41
113阅读
.Net 使用OpenAI开源语音识别模型 Whisper前言Open AI在2022年9月21日开源了号称其英文语音辨识能力已达到人类水准的 Whisper 神经网络，且它亦支持其它98种语言的自动语音辨识。 Whisper系统所提供的自动语音辨识（Automatic Speech Recognition，ASR）模型是被训练来运行语音辨识与翻译任务的，它们能将各种语言的语音变成文本，也能将这些
转载
2024-05-04 14:15:06
129阅读
WAV2LETTER++: THE FASTEST OPEN-SOURCE SPEECH RECOGNITION SYSTEMVineel Pratap，Awni Hannun，徐连通，Jeff Cai，Jacob Kahn，Gabriel Synnaeve，Vitaliy Liptchinsky，Ronan Collobert Facebook人工智能研究摘要本文介绍了最快的开源深度学
转载
2024-04-04 08:00:02
180阅读
按：本文原作者 Cindi Thompson，美国德克萨斯大学奥斯汀分校（University of Texas at Austin）计算机科学博士，数据科学咨询公司硅谷数据科学（Silicon Valley Data Science，SVDS）首席科学家，在机器学习、自然语言处理等领域具有丰富的学术研究和产业界从业经验。雷锋网编译。作为 SVDS 研究团队的成员，我们会经常接触各种不同的语音识别
转载
2024-03-22 12:42:34
135阅读
导读要说生活里最常见的 AI 应用场景，语音合成与识别当属大家最为耳熟能详的场景之一了。寻常到平时地图导航的播报、微信语音转文字、手机语音输入，以及小度智能音箱，都离不开语音技术的加持。语音技术到底是怎么实现的？有哪些现成可用的开源代码可以快速集成到项目里？可以说是每一名开发者非常关心的问题。那么，福利时间到了，今天这个集成了中英文语音识别、语音翻译、语音合成、声音分类能力，而且一行代码轻松试验效
转载
2024-05-22 15:42:19
207阅读
作者：AI柠檬博主 语音识别目前已经广泛应用于各种领域，那么你会想做一个自己的语音识别系统吗？这篇文章介绍了一种开源的中文语音识别系统，读者可以借助它快速训练属于自己的中文语音识别模型，或直接使用预训练模型测试效果。所以对于那些对语音识别感兴趣的读者而言，这是一个学习如何搭建 ASR 系统的极好资料。 ASRT 是一套基于深度学习实现的语音识别系统，全称为 Auto
转载
2023-12-04 15:35:35
104阅读
1. Deepspeech各个版本（https://github.com/PaddlePaddle/DeepSpeech） (1) DeepSpeech V1 其中百度研究团队于2014年底发布了第一代深度语音识别系统 Deep Speech 的研究论文，系统采用了端对端的深度学习技术，也就是说，系统不需要人工设计组件对噪声、混响或扬声器波动进行建模，而是直接从语料中
转载
2023-08-11 17:08:01
184阅读
语音识别目前已经广泛应用于各种领域，那么你会想做一个自己的语音识别系统吗？这篇文章介绍了一种开源的中文语音识别系统，读者可以借助它快速训练属于自己的中文语音识别模型，或直接使用预训练模型测试效果。所以对于那些对语音识别感兴趣的读者而言，这是一个学习如何搭建 ASR 系统的极好资料。
ASRT 是一套基于深度学习实现的语音识别系统，全称为 Auto Speech Recog
转载
2024-01-12 15:17:54
82阅读
编者按：本文原作者 Cindi Thompson，美国德克萨斯大学奥斯汀分校（University of Texas at Austin）计算机科学博士，数据科学咨询公司硅谷数据科学（Silicon Valley Data Science，SVDS）首席科学家，在机器学习、自然语言处理等领域具有丰富的学术研究和产业界从业经验。AI 研习社编译。作为 SVDS 研究团队的成员，我们会经常接触各种不同
转载
2023-12-30 15:29:57
223阅读
文章目录前言一、PaddleSpeech1.1 安装1.2 运行1.3 更多功能二、ASRT2.1 安装2.2 运行三、MASR3.1 安装3.2 运行四、ESPnet4.1 安装4.2 运行五、WeNet5.1 安装5.2 运行六、DeepSpeech6.1 安装6.2 运行参考 前言摘自百度百科语音识别技术，也被称为自动语音识别（Automatic Speech Recognition，AS
转载
2024-08-09 17:06:21
355阅读
紧接上一期“语音识别之开发环境搭建（二）”，在接下来的几期，我们先从开源项目ASRT_SpeechRecognition讲解起，包括怎么训练模型、通过工具自制样本集和模型测试等，以此让大家对语音识别有一个基本的认识。之后我们再深入讲解其原理及相关代码，以便为后续针对自己的需求修改代码，设计行业语音样本等做好准备。一、ASRT_SpeechRecognitio
转载
2023-09-12 22:09:09
699阅读
广告关闭腾讯云双11爆品提前享，精选热门产品助力上云，云服务器首年88元起，买的越多返的越多，最高满返5000元！接口是 http restful 形式，在使用该接口前，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，用于 api 调用时生成签名，签名将用来进行接口鉴权。 接口要求集成实时语音识别 api 时，需按照
转载
2024-01-17 10:16:03
62阅读
语音文字转换 （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使用的方法。-- Simon James语音文字转换技术非常有用。它可以用到许多应用中，例如自动转录，使用自己的声音写书籍或文本，用生成的文本文件和其他工具做复杂的分析等。在过去，语音文字转换技术以专有软件和库为主导，要么没有开源替代品，要么有着严格的限制，也没有社区。这一点正在发生改变，当今有许多开
转载
2024-01-25 18:47:50
146阅读
引言本人就是该项目的贡献者之一！！！目前在语音转文本的开源项目中，wenet算是其中翘楚，虽说在wenet repo下的README中写的是：WeNet 是一款面向工业落地应用的语音识别工具包，提供了从语音识别模型的训练到部署的一条龙服务。但是整个项目依赖着PyTorch整个生态，真正部署使用还是会面临依赖包很大很多的问题。同时推理代码不是很清楚明朗，初上手往往不知所措。很多时候，我们想要看的往往
转载
2024-04-11 08:54:30
128阅读
CMUSphinx开源语音识别工具包，可以基于CMUSphinx开发iOS版本的语音识别和语音合成库。本文介绍的语音识别库使您可以轻松快速地将多种语言的离线语音识别和合成语音添加到iOS应用程序中。它让开发者从使用高级语音应用程序接口中获得巨大的便利，本库用独特的人类可读语法规范语言设计的，你只需创建NSArray或NSDictionary。因为语音库是完全离线的，所以它不使用网络，也不向第三方服
转载
2023-09-08 15:57:20
559阅读
学习源于官方文档 Voice input in Unity 笔记一部分是直接翻译官方文档，部分各人理解不一致的和一些比较浅显的保留英文原文（三）Hololens Unity 开发之 语音识别HoloLens 有三大输入系统，凝视点、手势和声音 ~ 本文主要讲解 语音输入 ~ (测试不支持中文语音输入~)一、概述HoloToolKit Unity 包提供了三种 语音输入的方式 ：Phrase Rec
转载
2024-04-07 13:38:51
93阅读
好久没有更新博客了，一个月又差不多过完了，公司的项目又被搁浅了，然后天天去客户公司无所事事，光看别人的代码最坑的是那套代码还没有注释，现在我是严重鄙视那些不写注释的程序狗，然后项目还跑不起来，以前也没有做过金融类的的项目，里面全都是一些报文格式，然后还没有需求文档，真的是醉了，刚好呢现在公司也不大管我们了，不注重研发的公司就是坑。。。。。。今天呢随便来用下科大讯飞的语音功能，代码也非常的简单，然后
转载
2024-03-30 16:15:15
32阅读
原标题：特大动作：OLAMI 在线语音识别 API & SDK 上线！最新消息，欧拉蜜人工智能开放平台更新了两项重要功能：在线语音识别 API及SDK（软件开发工具包）下载。此举意味着，欧拉蜜开放平台将为你提供更完善的 API & 解决方案，即人工智能云服务。在线语音识别 API 、自然语言语义理解 API 、以及自然语言语义互动管理平台，将共同为你的软件、服务、设备或机器人打造全
转载
2024-02-10 14:09:41
1788阅读
最近在做毕设项目中，要用到一个语音识别的功能，主要目的是把用户说的话转换成文字，然后再做其他处理。找了多个语音识别的第三方SDK，比如百度语音识别、微信语音识别、科大讯飞语音识别，发现科大讯飞的比较好用。做了一个Demo程序，有详细的注释，在这里整理一下。 （一）准备工作 0、创建一个空的Android项目，比如项目名叫：SpeechRecognitionDemoJYJ。 1、首先要在科
转载
2024-03-22 12:47:09
445阅读
Whisper安装及使用教程0.Whisper介绍1.Whisper安装1.1 依赖库安装1.2 Whisper安装2.Whisper使用2.1 Whisper基本使用（语音识别）2.2 Whisper进阶使用2.2.1 语音识别中更换识别模型2.2.2 将识别的语言自动翻译成英文2.2.3 解决幻听的可能方案3.其他相关3.1 中英文字幕播放同步3.2视频和字幕合并 0.Whisper介绍（1
