近期在做一个文字转语音的功能，使用的是百度AI的语音合成接口，使用起来比较简单，文档说明也比较好。但是在转换文字长度上面有限制，官方给出解决办法是多次调用接口生成音频文件。这个方式也是可以的。但是我想在文字转换后可以播放、暂停等功能，如果是多个音频文件，那就没有办法进行暂停操作了。或者操作起来比较麻烦，还是将多个音频文件合成到一个文件中。
本次报告的主题是情感文本生成，先从自然语言生成技术的应用与需求开始讲起，引出情感表达型文本生成问题，从评论生成、情感对话、反讽生成、情感转换以及多模态情感生成这几个方面介绍了目前情感文本生成的研究进展。
“ 最近为小程序增加语音识别转文字的功能，坑路不断，特此记录。 ” 微信开发者工具 开发者工具上的录音文件与移动端格式不同，暂时只可在工具上进行播放调试，无法直接播放或者在客户端上播放。 debug的时候发现，工具上录音的路径是http://tmp/xxx.mp3，客户端上录音是wxfile://xxx.mp3。 其实呢，不是格式不同，是映射路径不同。 虽然这里做个兼容也不难，但是每次提示一行文字，很影响美观。 采样率与编码码率限制 每种采样率有对应的编码码率范围有效值，设置不合法的采样率或编码码率会导
前一段时间，ChatGPT的两大新功能上了Beta测试，其中一个功能是“Browse with Bing”，另一个功能是“插件系统”。
阅读本文大约需要4分钟 导语丨随着游戏市场的日益成熟, 基于H5实现的游戏需要不断提升自身用户粘性; 依托于网页形式分发的便捷, 致力于网页实现的轻应用异军突起, 市场对Web端的应用对于语音能力需求
本文转载自机器之心 作者：黄小天 5 月 27 日，由机器之心主办、为期两天的全球机器智能峰会（GMIS 2017）在北京 898 创新空间顺利开幕。大会第一天重要嘉宾「LSTM 之父」Jürgen Schmidhuber、Citadel 首席人工智能官邓力、腾讯 AI Lab 副主任俞栋、英特尔 AIPG 数据科学部主任、GE Transportation Digital Solutions CTO Wesly Mukai 等知名人工智能专家参与峰会，并在主题演讲、圆桌论坛等互动形式下，从科学家、企业家、
广义上来讲智能语音技术有各种各样的定义，以上是常见的一些热门的场景。语音识别，刚才罗老师也分享了部分内容。语音合成是文字变成语音，这部分我们后面会详细展开。再往后看，声纹识别，在智能车里面有很多的功能需要人的发音媒介来控制命令的时候声纹就很重要。开一个车门，车上有一个小孩，突然哭闹，下一个不合适的指令，你区别不出来这个人，对语音控制来说不合适的。或者有一些不当的操作，可以通过声纹来做，通过声音来做对人的识别和认证的过程。声纹识别其实在未来的应用场景比较热门，实际应用当中遇到大的挑战点是什么？很多其他的生物识别靠人脸或指纹这类比较稳定的特征，可是声纹不稳定，人高兴的时候，第一天晚上唱了卡拉OK，第二天声音哑了，怎么能够在变化比较明显的生物特征上做识别是一个很大的挑战。
点击观看大咖分享 随着游戏市场的日益成熟, 基于H5实现的游戏需要不断提升自身用户粘性; 依托于网页形式分发的便捷, 致力于网页实现的轻应用异军突起, 市场对Web端的应用对于语音能力需求日益强烈.
从图中可以看到，语言信号可以表示为一个d T的matrix。其中，d为向量的维度（不同的表示方法，维度不一样）， T为向量的个数。 同理，文本也可以表示为一个V N的matrix，N表示组成text的token（不同的表示方法，token的含义不一样）的个数，V表示token集合的大小（即token去重后的数量）。 语音信号的预处理通常采用重叠的稠密采样机制，通常T >> N。语音识别问题的输入输出都是matrix，输入vector及输出token的选取，不同的算法有不同的方式。整体来看，语音识别问题就是一个Seq2Seq的变换问题
而AI在翻译语音的时候，不把西语的音频转成文本，也不生成任何英语的文本，直接产出了英文音频。和标答一字不差。
随着人工智能的热度上升，图像识别这一细分领域也渐渐被人们所关注。在很多公司的业务中，有很多需要对图片进行识别的需求。为了帮助业务实现对这些图片、文档的识别和结构化，业界进行了一系列的实践和探索，最终确定了一些可行的方法。实践过程中，可能遇到过一系列问题和难点。本次直播分享，我们将结合目前的业务需求，说说爱奇艺在探索中遇到的痛点和难点以及识别技术中的一些细节。
随着互联网的发展越来越好，很多自媒体大咖都纷纷转型做短视频项目，而制作短视频最令人头痛的就是配音问题。很多小伙伴不想自己配音，于是就找了语音合成的工具进行AI配音，这种语音合成的方式不仅能提高做视频的效率，甚至比人工语音的效果还要好。那么语音合成平台哪个好？
很多人在无聊的时候，就会选择去听小说语音播报等等，这些语音播报大多都是技术合成的，因为真人的语音播报费用非常高，而语音合成成本并不算高，下面就将为大家介绍真人语音合成平台。
随着人工智能时代的到来，大模型的技术日新月异，我们不仅仅满足于文字之间的交互，希望能够有更近一步的交流。既然现在文字已经能够很好的模拟人类了，那随之而来的，是不是我们能够通过模拟人类交流的方式来交互。
给QQ好友随便发送一个截图，可以建立一个直接到对方电脑的Socket连接（因为QQ发送消息时候文字利用服务器转发，图片视频直接建立协议连接）
语音直播，简单来说就是实时声音播放的意思。语音直播区别与视频直播，它没有主播的画面，仅以主播的声音为载体实时播出，但大家一样可以使用文字互动。
语音识别就是把语音变成文字的过程，相信大家在平时生活也已经用到过一些语音识别的场景，比如说语音输入法、地图产品的语音输入。近年来，随着互联网的发展，各种音频数据和文本数据得到不断积累和丰富，CPU、GPU硬件的发展，以及深度学习算法大规模的应用，语音识别技术的应用开始获得大规模的商业化拓展。
爱丁堡大学课程（全英文，有能力的推荐学习一遍）：https://speech.zone/courses/speech-synthesis/
之前在内训课的讨论模块，我一直抛一个问题供大家讨论。那就是《微信语音应不应该有拖动条？》
转载请注明出处 : http://blog.csdn.net/shulianghan/article/details/20306735 .
在 AI 科技评论组织的 AAAI 中国之夜活动上，AAAI 现任执委杨强教授、清华大学智能技术与系统国家重点实验室主任、信息获取课题组的学术带头人朱小燕教授、今日头条实验室总监李磊、iFly.vc
首先是写作方法。写作的方法有千千万，每个人都有自己的写作方法，我使用的技巧其实并不多，主要是就是平时注意收集素材，然后当真正写的时候就有素材了，整理一下，就知道要写哪些东西。
talkGPT4All是基于GPT4All的一个语音聊天程序，运行在本地CPU上，支持Linux，Mac和Windows。它利用OpenAI的Whisper模型将用户输入的语音转换为文本，再调用GPT4All的语言模型得到回答文本，最后利用文本转语音(TTS)的程序将回答文本朗读出来。
人工智能在最近几年很火，那人工智能到底能做些什么呢？教育又将会迎来怎样的变革呢？以下是科大讯飞研究院北京分院副院长付瑞吉的思考。 《科学》杂志预测，到2045年，人类工作的50%将会被AI所取代。因为中国有很多劳动密集型企业，所以中国77%的工作将会被AI取代。可以想象一下，到那个时候，我们去银行办理业务，柜台里做的都是机器人；去餐厅吃饭，都是机器人为我们服务。 那么AI在教育领域里都能做些什么呢？ 我们每年的英语听说考试会有大概 3000万分钟的录音，如果全部由人工评分的话，工作量是非常巨大
我今天演讲主要分四个部分，第一个是分享语音识别概述，然后是深度神经网络的基础；接下来就是深度学习在语音识别声学模型上面的应用，最后要分享的是语音识别难点以及未来的发展方向。
本次报告涉及虚拟人多模态合成技术的进展，主要对研发的DurIAN模型中的一些关键问题进行了解析，最后对虚拟人技术的应用前景进行了展望。
华夏电通副总裁谢泳江：智慧法院建设思路和应用
机器之心报道 机器之心编辑部 在 WAIC 2021 AI 开发者论坛上，好未来集团技术副总裁吴中勤发表主题演讲《多模态机器学习及大规模自动生成技术：算法框架、行业实践》，他主要介绍了多模态深度学习以及大规模自动生成技术在教育领域的实践与应用，并介绍了好未来 AI 研究院的最新研究成果及成功案例。 以下为吴中勤在 WAIC 2021 AI 开发者论坛上的演讲内容，机器之心进行了不改变原意的编辑、整理： 非常高兴来到上海和大家一起交流人工智能算法和行业实践的一些工作，今天选取了与工作中非常相关的多模态深度学
雷锋网 AI 研习社按：伴随着近几年的机器学习的热潮，自然语言处理成为了目前炙手可热的研究方向，同时也是 Google、Microsoft、Facebook、Baidu、Alibaba 等各大公司投入巨额资金和高端人力努力争夺的下一个互联网流量入口（智能助手、智能音箱等）。
导读：传统互联网时代体现出来的更多的是“连接”，现如今，随着智能设备的增加，人和设备逐渐走向“交互”，那么，交互时代，人机之间如何有效通过自然语言实现智能对话交互已经成为开发者面对的直接问题，本文阿里巴巴iDST 自然语言理解和人机对话负责人孙健将带来他们在这个领域的探索和实践分享。 互联网正在从“连接时代”走向“交互时代” 纵观传统互联网时代，如果用一个词来总结和概括的话，“连接”这词再合适不过了，传统互联网时代主要建立了三种连接：第一，人和信息的连接；第二，人和人的连接；第三，人与商品服务的连接。第一种
最近在研究语音识别方向，看了很多的语音识别的资料和文章，了解了一下语音识别的前世今生，其中包含了很多算法的演变，目前来说最流行的语音识别算法主要是依赖于深度学习的神经网络算法，其中RNN扮演了非常重要的作用，深度学习的应用真正让语音识别达到了商用级别。然后我想动手自己做一个语音识别系统，从GitHub上下载了两个流行的开源项目MASR和ASRT来进行复现，发现语音识别的效果没有写的那么好，其中如果要从零来训练自己的语言模型势必会非常耗时。
在了解了如何检测到文本之后，我们需要识别出检测文本内的文字信息。在文本识别完成之后，整个OCR光学字符识别的过程才算基本完成。那么，本次课程主要讲述识别文本的算法。
转自：https://www.zhihu.com/question/20398418/answer/18080841
机器之心原创 作者：高琳 这个世界上的研究，总会有一些人去坐冷板凳，而坐冷板凳的人，他今天去坐明天不一定去坐。就像深度学习现在这么热，之前也有过很冷的阶段。 创业的这个过程中能够义无反顾，这是思必驰团队非常有特色的一个点。当然不是傻的义无反顾，如果说大家都没有学习能力，只是撞南墙是肯定不行的。但是如果没有这种义无反顾的决心，遇到困难就放弃，我不认为是一个合格的创业者。 对于创业者来讲，如果说他在很多事情上，不能够拿自己底层的东西去拼的话，这个创业，恐怕一遇到困难就会垮掉。 从研究到创业，这是俞凯在机器之心
如果把LLM比做关在笼子里的AI，那么它和世界交互的方式就是通过“递文字纸条”。文字是人类对世界的表示，存在着信息提炼、损失、冗余、甚至错误（曾经的地心说）。而多模态就像是让AI绕开了人类的中间表示，直接接触世界，从最原始的视觉、声音、空间等开始理解这个世界，改变世界。
换句话说，就在于代码中不能出现任何英文字母（a-zA-Z）与数字（0-9），除此之外（各种符号）都可以。执行式码之后，会执行 console.log(1)，然后在控制台中输出 1。
传送门：https://research.runwayml.com/gen1（现在还在公测阶段，可申请试用）
开会是工作中经常做的一件事情，会议记录是一件让人烦恼的事情。听不清，记不住是时有发生的，很多人也对此很苦恼，如果说要想会议达到一个比较好的效果，那不妨用腾讯云AI语音识别打造一个小帮手，对会议录音进行识别，用cv大法来写会议纪要。
从2010年起，深度神经网络开始在各个领域引发人工智能技术的重大突破。在语音识别领域，截止到2017年，借助于深度学习技术语音识别在Switchboard数据集上的词错误率下降到5.1%，基本可与人工识别相媲美；而在图像识别领域、机器翻译、语音合成技术等其他领域也取得了巨大进步，使得机器基本已经做到和人一样能听、能看、能说。随着人工智能技术这些领域的不断突破，人们也更期待看到自然语言处理技术（NLP）带来更多的创新。
【导读】Google于2017发布论文《One Model to Learn Them All》（一个模型解决所有），文章一问世立刻引发各方关注。除了标题劲爆之外，谷歌研究人员提出了一个多模式适用的架
前一段时间书荒的时候，在喜马拉雅APP发现一个主播播讲的小说-大王饶命。听起来感觉很好笑，挺有意思的，但是只有前200张是免费的，后面就要收费。一章两毛钱，本来是想要买一下，发现说的进度比较慢而且整本书要1300多张，算了一下，需要200大洋才行，而且等他说完，还不知道要到什么时候去。所以就找文字版的来读，文字版又有它的缺点，你必须手眼联动才行。如果要忙别的事情，但是又抑制不住想看的冲动，就很纠结了。在网上找了一圈，没有其他的音频。而且以前用的那些有阅读功能的软件，比如微信阅读、追书神器也都开始收费了。那怎么办呢？这能难倒一个程序员吗？必须滴、坚决滴不能。我用的可是世界上最好的编程语言-Python
这一篇文章其实是参考了很多篇文章之后写出的一篇对于语言模型的一篇科普文,目的是希望大家可以对于语言模型有着更好地理解,从而在接下来的NLP学习中可以更顺利的学习. 1:传统的语音识别方法: 这里我们
收到消息回复：当你不是输入关键词时，自动发送当前消息，如果输入的是关键词，就返回关键词所指定的内容
又是新的一年, 2016总体不错, 前两年的坚持和积累开始产生效果, 2017不忘初心, 继续前行. 从做PC网游开始, 到2014年做主机游戏, 2015年做单机VR游戏, 2016年做多人VR游戏, 我们一直在走一条非主流的路. 不过现在回头看看, 冒似绕了一条路走在了前面, 做为一名技术人员来说, 还是挺有成就感的. 看看目前绝大数的VR游戏, 其实就是美术做个场景, 程序实现一下交互, 然后就可以拿去上线了, 难怪2016下半年VR热度开始冷却, 因为忽悠太多了. 我们也是从一开始做
本笔记参考的课程是李宏毅老师的自然语言处理 课程Link：https://aistudio.baidu.com/aistudio/education/lessonvideo/1000466
机器视觉就是利用机器代替人眼做出测量和判断，在应用层面上，目前主要用来做系统集成或二次开发的较多，可以概括为以下四个部分： 1、检查。 外观及缺陷检测，主要利用模板匹配。 2、识别。 生物特征识别（人脸、语音、指纹、虹膜），目标识别（车牌识别，射频识别等），条码识别（一维码、二维码），字符识别，纹理识别等。识别的最终目的主要是为了分类，这里需要利用大数据训练学习，需要借助深度学习。 3、测量。 几何尺寸测量（长、宽、高、周长、面积、体积等），圆或者椭圆（圆心、半径、轮廓、角度、尺寸等）；测量必须先标定
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
云直播
