1回答
华为自动语音识别限制-拾取用户界面上服务不可用错误
android、android-studio、huawei-mobile-services、huawei-developers、huawei-ml-kit
我正在为华为应用程序库开发翻译应用程序，我通过了解到自动语音识别目前支持11种语言
自动语音识别(ASR)可以识别不超过60年代的语音，并将输入的语音实时转换为文本。该服务采用行业领先的深度学习技术，识别准确率超过95%.目前，汉语普通话(包括中英双语)、英语、法语、德语、西班牙语、意大利语、阿拉伯语、俄语、泰语、马来语和菲律宾语可以被认可。我使用ASR转换，但29种语言代码在实时翻译显示服务不可
浏览 7提问于2021-10-08得票数 2
3回答
Google Cloud Speech API实时识别
python、google-speech-api
我正在开发一个实时翻译的Python应用程序。我需要实时识别语音:当用户说什么时，它会自动将这段音频发送到Google speech API并返回文本。因此，我希望在说话时立即显示识别出的文本。我已经找到了流式语音识别，但似乎我仍然需要先录制完整的语音，然后再将其发送到服务器。此外，也没有如何在Python中使用它的示例
有没有可能用Google Speech API做到这一点？
浏览 7提问于2017-05-19得票数 0
1回答
使用Skype调用的MemoryStream在C#中使用SAPI5.4或MS Speech SDK v11进行语音识别
c#、skype、memorystream、sapi
我正在尝试让SAPI5.4(也是MS Speech Platform Skype )对来自v11呼叫的音频执行连续语音识别。文件运行正常，但我想让它实时运行recognition，所以使用TCP套接字。我尝试将原始音频保存到磁盘，然后将其读取到SAPI中，它工作得很好…所以数据本身是好的，Skype在音频上的发送是正确的。然而，这并不能
浏览 2提问于2012-09-10得票数 5
3回答
人脸、情感和语音识别
c#、.net、voice-recognition、face-recognition
我正在寻找一种好的C#的人脸、情感和语音识别方法。对于人脸识别，我很早就使用了Emgu CV，它不准确，在弱光条件下性能非常低。我还需要找到用户的情绪。无论是悲伤还是快乐。另外，对于语音识别，我还找不到任何解决方案，我找到了语音识别，但它不是我需要的。
我不想使用任何在线API。有没有人能推荐我一些SDK或算法，用来实现人脸、情感和语音识别？
浏览 4提问于2012-06-13得票数 6
回答已采纳
2回答
一种有效的录音质量检测方法
c#、speech-recognition、audio-fingerprinting
我们有来自我们的服务器端进程之一的实时、不加控制的记录的各种波形文件，而且它们中的大多数在整个过程中都有很好的清晰的语音。然而，有时他们是混乱的，他们有静态，或说话音量不够大。我曾想过要把已知的好唱片的平面图和不好的录音进行比较，但是每次录音都会有不同的语言，所以这可能行不通。我研究过像Bass.Net和NAudio这样的库，但是音频处理不是我的专业领域。我的另一个想法是使用某种语音识别API来尝试处理语音并将音频记录写到文本文件中。问题是，语音识别并
浏览 6提问于2013-08-14得票数 0
回答已采纳
5回答
开源音频模式识别(指纹识别)
audio、pattern-recognition、audio-fingerprinting
有没有开源的音频指纹识别解决方案可以提供“类似Shazam”的解决方案？
使用的商业解决方案，但我正在寻找替代方案(即使在准确性和性能方面较差)的开源解决方案。
浏览 0提问于2011-06-08得票数 28
回答已采纳
8回答
4.20号腾讯推出了第一款人工智能硬件产品——听听音箱，其开创了腾讯在AI工程方面的一次重要探索，那么听听音箱运用了哪些人工智能技术还有相比目前市场上的智能音箱体现了哪些优势呢？
浏览 1638提问于2018-04-25
7回答
龙NaturallySpeaking的替代品？
software-recommendation、alternative、speech-recognition
是否有这个程序的Ubuntu替代方案？
浏览 0提问于2010-12-01得票数 31
2回答
在播放音乐时记录声音.过滤器扬声器输入(iOS)
ios、avcapturesession、audiokit
我正在开发一个卡拉OK应用程序，你可以在听音乐的同时录制你的声音。当用户使用耳机时，一切都很棒--他可以一边唱歌一边听着耳机里的音乐和他自己。然后我们录下他纯正的声音，我们可以把它和回放混为一谈。当用户不使用耳机时会出现问题。然后我们通过扬声器AVAudioSessionCategoryPlayAndRecord和录音同时播放音乐。在最后的录音中，我们将用户的声音和扬声器的回放混合在一起。问题是回放的音量很大，而且是“覆盖”用户的声音。首先，我认为这是正常的行为，因为演讲者离microphone很近，所以我无能为力。然而，当我在车库乐队上尝试同样的东西时，它以某种方式降低了扬声器的回放，使声音
浏览 4提问于2018-09-21得票数 3
2回答
利用wavin库获取在C++中捕获的音频信号的幅度(或均方根电压)。
c++、speech-recognition、audio-processing
我正在从事一个非常基本的机器人项目，并希望在其中实现语音识别。我知道这是一个复杂的事情，但我希望只有3到4个命令(或单词)。
我知道使用wavin我可以录制音频。但我希望对音频信号进行实时幅度分析，这怎么能做到，波形将作为8位，单声道输入。谢谢，提前说好。
浏览 0提问于2011-04-03得票数 2
回答已采纳
1回答
用书呆子听写对文本的演讲比预期的要慢。
performance、speech-recognition
我最近发现了令人惊异的书呆子听写(https://github.com/ideasman42/nerd-dictation)软件，允许在Linux中进行语音到文本的转换.安装简单，支持多种语言。目前，它只在X11会话下工作，没有Wayland。
我做了几次测试，语音识别非常好(即使是使用小模型)，然而，处理我的句子花费了太多的时间，在这段时间里，计算机完全冻结了。
浏览 0提问于2022-04-10得票数 1
2回答
如何使用Matlab中训练好的神经网络在实际系统中进行分类
matlab、machine-learning、neural-network、classification
我已经使用Matlab神经网络工具箱在包含语音特征和加速度计测量的数据集上训练了前馈神经网络。Targetset包含数据集的两个目标类:0和1。训练、验证和性能都很好，我已经为这个网络生成了代码。现在，我需要使用这个神经网络来实时识别发生时的模式，并在针对以前训练的NN测试新数据集时生成0或1。但当我发出命令时：其中"j“是一个新的dataset24x11；而不是0或1，我将其作为输出(我假设我获得了正确分类的百分比，但没有分类结果本身)：
c =0.6248 0.9
浏览 3提问于2013-01-05得票数 4
回答已采纳
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号