1 whisper介绍 拥有ChatGPT语言模型的OpenAI公司，开源了 Whisper 自动语音识别系统，OpenAI 强调 Whisper 的语音识别能力已达到人类水准。 Whisper是一个通用的语音识
转载
2024-02-02 16:21:41
128阅读
# Python语音识别模型
语音识别是指将人类的语音信息转化为机器可以理解的文本或命令的技术。随着人工智能的快速发展，语音识别在各个领域都得到了广泛的应用，例如智能助理、语音翻译、语音输入等。Python作为一种易于学习和使用的编程语言，也提供了许多强大的语音识别模型供开发者使用。
## 常用的Python语音识别模型
在Python中，有一些主流的语音识别模型，包括CMU Sphinx、
原创
2023-09-30 12:15:20
162阅读
前言「语音处理」是实时互动领域中非常重要的一个场景，在声网发起的「RTC Dev Meetup丨语音处理在实时互动领域的技术实践和应用」活动中，来自百度、寰宇科技和依图的技术专家，围绕该话题进行了相关分享。 本文基于微软亚洲研究院主管研究员谭旭在活动中分享内容整理。语音识别纠错通过检测并纠正语音识别结果中存在的错误，进一步提升识别准确率。目前，大部分纠错模型采用了基于注意力机制的自回归结构，延迟较
转载
2024-05-27 17:37:06
126阅读
1. Introduction该系统实现了基于深度框架的语音识别中的声学模型和语言模型建模，其中声学模型包括 CNN-CTC、GRU-CTC、CNN-RNN-CTC，语言模型包含 transformer、CBHG，数据集包含 stc、primewords、Aishell、thchs30 四个数据集。本项目现已训练一个迷你的语音识别系统，将项目下载到本地上，下载 thchs 数据集并解压至 data
转载
2024-05-17 05:38:28
592阅读
前言Kaldi是当前最流行的开源语音识别工具(Toolkit)，它使用WFST来实现解码算法。Kaldi的主要代码是C++编写，在此之上使用bash和python脚本做了一些工具。而实时识别系统的好坏取决于语音识别的性能，语音识别包含特征提取、声学模型、语言模型、解码器等部分。Kaldi工具箱集成了几乎所有搭建语音识别器需要用到的工具。step1、下载源代码git clone https://gi
转载
2024-07-26 11:37:11
175阅读
编者：今年的INTERSPEECH于8月20日至24日在瑞典的斯德哥尔摩顺利召开，众多的高校研究机构和著名的公司纷纷在本次会议上介绍了各自最新的技术、系统和相关产品，而阿里巴巴集团作为钻石赞助商也派出了强大的阵容前往现场。从10月25日开始，阿里iDST语音团队和云栖社区将共同打造一系列语音技术分享会，旨在为大家分享INTERSPEECH2017会议上语音技术各个方面的进展。第二期分享的主题是语音
转载
2024-08-09 16:36:24
58阅读
文章目录一、语音识别的相关解释二、语音识别涉及到的学科三、语音识别的发展四、语音识别的分类4.1 根据不同对象分类4.2 根据不同发音人分类4.3 根据语音设备和通道分类4.4 根据应用场景分类五、语音识别的模型5.1 传统机器学习模型特征提取方法六、深度学习模型模型类别七、开源语音识别库八、语音数据库九、语音数据的预处理 一、语音识别的相关解释 &
转载
2024-03-22 12:33:51
86阅读
注意： CUM_Sphinx的安装及使用看这篇帖子：本人的Linux系统为64位，Ubuntu18.04。 本人经理了好多坑才可以训练成最终的语言模型，在此记录下来供后来的人学习。 安装过程整理自以下帖子：Sphinx武林秘籍(中)――训练自已的中文语言模型与声学模型Android本地语音识别引擎PocketSphinx-语言建模https://zuoshu.iteye.com/blog/1413
转载
2024-04-29 13:40:21
1007阅读
简介 Whisper 是 OpenAI 的一项语音处理项目，旨在实现语音的识别、翻译和生成任务。作为基于深度学习的语音识别模型，Whisper 具有高度的智能化和准确性，能够有效地转换语音输入为文本，
编者按：过去十年，得益于人工智能与机器学习的突破、算法与硬/软件能力的进步，以及拥有既多样又大量的语音数据库，用以训练多参数的、大规模的语音识别与合成模型，使得语音处理技术获得飞跃性进展。
随着端到端神经网络在机器翻译、语音生成等方面的进展，端到端的语音识别也达到了和传统方法可比的性能。不同于传统方法将语音识别任务分解为多个子任务（词汇模型，声学模型和语言模型），端到端
转载
2024-04-29 12:48:02
196阅读
谢邀——————————————————首选是CTC，这里有一篇文章写的很好，很细致，可以学习一下，1.CTC背景CTC由Alex Graves等人在ICML 2006上提出来，目的是实现RNN直接对序列数据进行学习，而无需事先标注好训练数据中输入序列和输入序列的映射关系，使得RNN模型在语音识别等序列学习任务中取得更好的效果。2.CTC原理CTC算法全称叫：Connectionist tempo
转载
2024-01-02 14:46:34
77阅读
语音识别是让计算机能听懂人类口述的自然语言。 语音识别模型和算法是实现计算机语音识别的关键。而基于统计的隐马尔可夫模型（ HMM ）识别和训练算法是在研发语音识别系统时常用的一种算法，也是目前最为成功的一种语音识别模型和算法。 语
音识别的特点是具有随机性 , 但
同时也有一个潜在的基本结构。例如，一个语音有基本结构，而发音时口型的大小，长短、强弱和在口腔中的位置等却因
转载
2024-02-29 13:18:58
88阅读
大家好，我是小鸭酱，博客地址为：pyAudioAnalysis是一个音频分析python库，用于Feature Extraction, Classification, Segmentation 和Applications，其github见 https://github.com/tyiannak/pyAudioAnalysis 由于时间紧凑，每次更新一点，请见谅。&n
文章目录一、语音识别的基础概念1. 什么是声学模型？2. 什么是语言模型？3. 什么是解码器4. 什么是音素5. 什么是状态6. 声学模型如何训练：7. htk和kaldi有什么异同二、在评估语音识别结果时，发现字正确率与错误率互相矛盾，如何抉择三、节选自《对话|俞栋：在人工智能的很多应用场景，语音识别是一个入口》四、语音识别的声学数据16k采样率，2万小时，大约占用硬盘1T大小五、语音识别的应
转载
2023-12-06 16:32:42
947阅读
深度学习时代之前，基于GMM-HMM的方法在语音识别领域曾被广泛应用。本文主要对参考博文进行翻译，介绍HMM的三大基本问题：前向算法、解码、训练，同时简要介绍其如何结合GMM进行语音识别。与原文相比省略较多，有能力的可以阅读原文。PS:本文适合对HMM及语音识别有一定了解的人阅读；或只想得到一些直观理解；大部分公式未作详细解释。语音识别利用HMM进行语音识别的基本原理如下图。语音识别的主要目的就是
转载
2024-03-18 07:57:03
128阅读
本发明涉及语音识别研究领域，尤其涉及一种语音识别模型的训练方法及装置。背景技术：随着计算机技术和人工智能技术的发展，让计算能听、能说，是未来人机交互的重要发展方向，其中语音成为最被看好的人机交互方式，而且利用语音技术进行人机交互比其他的交互方式有更多的优点；目前的语音识别技术中，语音的输入以标准普通话输入为准，目前的语音识技术对于普通话输入的语音识别的准确率很好，但是对于带有一些个人口音以及方言的
转载
2023-12-21 12:36:19
122阅读
Viterbi-EM语音识别训练方法 前文刚研究过语音识别特征提取以及基于Viterbi的状态解码方法，现着手研究基于GMM-HMM的语音语音识别声学模型训练方法，其理论部分可参考本人前期所写的GMM-HMM理论推导拖成，但上述推导过程是采用前后向算法更新模型参数，本人则主要采用Viterbi-EM训练方法对GMM中参数进行更新训练。 实际上该训练方法主要是针对GMM 中均
转载
2023-12-06 21:02:45
221阅读
本博客主要是摘写洪青阳教授的《语言识别-原理与应用》的笔记，不足之处还请谅解。语音识别为：根据输入的观察值序列O，找到最可能的词序列。按照贝叶斯准则，识别任务可做如下转化： 其中，和识别结果无关，可忽略不急，因此的求解可进一步简化为： 要找到最可能的词序列，必须使上式右侧两项的乘积最大。其中，由声学模型决定，由语言模型决定。声学模型就是前面学过的，通过声音进行分析的模型。语言模型用来表示词序列出现
转载
2024-03-20 09:30:57
126阅读
语音识别之声学模型知识（个人整理）声学模型 声学模型使用高斯混合-隐马尔科夫模型（GMM-HMM），训练该模型的准则有： ①早期的最大似然准则（ML）最大似然估计原理 ②中期的序列判别训练法（sequence hierarchical model） ③目前广泛使用的基于深度学习的方法。一、高斯混合模型 GMM模型用在说话人识别、语音降噪以及语音识别方面。 设正态随机向量为X的多元高斯分布是 其中，
转载
2024-06-28 06:10:33
56阅读
语音识别中的HMM-GMM模型：从一段语音说起虽然现在端到端语音识别模型可以直接对后验概率建模，可以不需要HMM结构了。但实际上目前很多state-of-the-art模型还是以HMM结构为主，比如chain model。而且掌握HMM-GMM结构，对于深入理解语音识别过程是由有一定好处的。但对于外行或者刚接触语音识别的人来说，要弄懂HMM-GMM结构还是要花不少时间的，特别是被一大推公式整懵了。
转载
2024-03-13 22:29:01
93阅读
