语音识别技术即Automatic Speech Recognition（简称ASR），是指将人说话的语音信号转换为可被计算机程序所识别的信息，从而识别说话人的语音指令及文字内容的技术。目前语音识别被广泛的应用于客服质检，导航，智能家居等领域。树莓派自问世以来，受众多计算机发烧友和创客的追捧，曾经一“派”难求。别看其外表“娇小”，内“心”却很强大，视频、音频等功能通通皆有，可谓是“麻雀虽小，五脏俱全”。本文采用百度云语音识别API接口，在树莓派上实现低于60s音频的语音识别，也可以用于合成文本长度小于1024字节的音频。 此外，若能够结合snowboy离线语音唤醒引擎可实现离线语音唤醒，实现语音交互。
Demo视频：wukong-robot + Jetson + 3D 打印外壳打造的智能音箱（by 网友 @电力极客）
终于有时间更新语音识别系列了，之前的几篇： 语音识别系列︱用python进行音频解析（一） 语音识别系列︱paddlehub的开源语音识别模型测试（二） 语音识别系列︱paddlespeech的开源语音识别模型测试（三）
“AI+IoT”将是未来的风口，各种应用和商机将成井喷式增长，国内外各大互联网巨头早已提前布局AI+IoT的战略，这同时也是恩智浦的核心战略之一。AI+IoT技术的应用，大到汽车和电视，小到灯泡、闹钟，都可以使用AI的控制技术。
Maix-Speech是专为嵌入式环境设计的离线语音库，设计目标包括：ASR/TTS/CHAT
这次出手的，又是谷歌 AI 团队。刚刚，他们为旗下的一款手机输入法 Gboard （不要跟谷歌拼音输入法搞混了啊~）上线了新功能：离线语音识别。目前这一新功能，只能在其自家的产品 Pixel 系列手机上使用。
2012 年，在深度学习技术的帮助下，语音识别研究有了极大进展，很多产品开始采用这项技术，如谷歌的语音搜索。这也开启了该领域的变革：之后每一年都会出现进一步提高语音识别质量的新架构，如深度神经网络、循环神经网络、长短期记忆网络、卷积神经网络等等。然而，延迟仍然是重中之重：自动语音助手对请求能够提供快速及时的反应，会让人感觉更有帮助。
关于声音的需求，从始至终，都是很刚需的需求 。从语音芯片的演化就能看出很多的端倪，很多很多的产品他必须要有语音，才能实现更好的交互。而语音芯片的需求分类，其实也是很好理解的，从市场上常用的芯片产品特性，大概就能归类如下：
最近在做一个文本转语音TTS(Text to Speech)的第三方软件封装，使用的是国内语音技术龙头安徽科大讯飞公司提供的离线引擎AiSound5.0，主要用于汽车导航用途。科大讯飞还提供了AiTalk用于语音识别，AiWrite用于手写识别服务等。另外还有针对6种平台的SDK和开发示例。
本文主要针对中文语音识别问题，选用常用的模型进行 离线 demo 搭建及实践说明。
Sensory是嵌入式语音软件，或者说是边缘侧语音技术的行业和技术领导者，作为专注于边缘侧语音人工智能的厂商，Sensory可以用很多种技术方式和解决方案满足用户对隐私的关切。
中文口语语言处理国际会议ISCSLP为中文语音处理领域的知名国际会议，由国际语音交流协会中文口语处理专业委员会ISCA SIG-CSLP 主办，会上发布成果对中文智能语音的发展具有重要指导意义。
INTERFACE 分享者：陈伟、李健涛 机器之心报道 参与：李泽南 3 月 12 日，搜狗正式在线上平台发布了「旅行翻译宝」。这款随身翻译设备结合了搜狗神经网络机器翻译、语音识别、图像识别等多项技术，不仅支持语音、图像翻译等多种翻译模式，还提供中英日韩俄德等 18 种语言互译。 在深度学习快速发展的今天，机器翻译系统的能力究竟达到了什么样的水平？机器翻译是否已经可以代替人类翻译？3 月 17 日，机器之心与搜狗共同举办的 INTERFACE 线下分享中，搜狗语音交互技术中心研发总监陈伟、搜狗 IOT 事
语音识别技术，也被称为自动语音识别，目标是以电脑自动将人类的语音内容转换为相应的文字和文字转换为语音。
在波士顿的Re-Work深度学习峰会上，高通公司的人工智能研究员Chris Lott介绍了他的团队在新的语音识别程序方面的工作。
随着自然语言理解等技术的发展，对话机器人如今盛行，而基于此的智能音箱产品的发展也异常火热。
场景描述：在全民抗击疫情时期，做好全面的防护是重中之重。电梯按键因为必须接触使用等原因，具有很高的潜在感染传播风险。为此，一家科技公司开发了「无接触式」方案，用语音控制来完成对电梯的呼叫和使用。
语音识别源于 20 世纪 50 年代早期在贝尔实验室所做的研究。早期语音识别系统仅能识别单个讲话者以及只有约十几个单词的词汇量。现代语音识别系统已经取得了很大进步，可以识别多个讲话者，并且拥有识别多种语言的庞大词汇表。 语音识别的首要部分当然是语音。通过麦克风，语音便从物理声音被转换为电信号，然后通过模数转换器转换为数据。一旦被数字化，就可适用若干种模型，将音频转录为文本。 大多数现代语音识别系统都依赖于隐马尔可夫模型（HMM）。其工作原理为：语音信号在非常短的时间尺度上（比如 10 毫秒）可被近似为静止过程，即一个其统计特性不随时间变化的过程。 许多现代语音识别系统会在 HMM 识别之前使用神经网络，通过特征变换和降维的技术来简化语音信号。也可以使用语音活动检测器（VAD）将音频信号减少到可能仅包含语音的部分。 幸运的是，对于 Python 使用者而言，一些语音识别服务可通过 API 在线使用，且其中大部分也提供了 Python SDK。
这一篇开始主要是开源模型的测试，百度paddle有两个模块，paddlehub / paddlespeech都有语音识别模型，这边会拆分两篇来说。 整体感觉，准确度不佳，而且语音识别这块的使用文档写的缺胳膊少腿的； 使用者需要留心各类安装问题。
识别延迟一直是设备端语音识别技术需要解决的重大问题，谷歌手机今天更新了手机端的语音识别技术——Gboard，重磅推出了一款端到端、全神经、基于设备的语音识别器，支持Gboard中的语音输入。通过谷歌最新的（RNN-T）技术训练的模型，该模型精度超过CTC，并且只有80M，可直接在设备上运行。
语言作为人类的一种基本交流方式，在数千年历史中得到持续传承。近年来，语音识别技术的不断成熟，已广泛应用于我们的生活当中。语音识别技术是如何让机器“听懂”人类语言？本文将为大家从语音前端处理、基于统计学语音识别和基于深度学习语音识别等方面阐述语音识别的原理。
作者 | 陈孝良 责编 | 胡永波 目前来看，语音识别的精度和速度比较取决于实际应用环境，在安静环境、标准口音、常见词汇上的语音识别率已经超过95%，完全达到了可用状态，这也是当前语音识别比较火热的原因。 随着技术的发展，现在口音、方言、噪声等场景下的语音识别也达到了可用状态，但是对于强噪声、超远场、强干扰、多语种、大词汇等场景下的语音识别还需要很大的提升。当然，多人语音识别和离线语音识别也是当前需要重点解决的问题。 学术界探讨了很多语音识别的技术趋势，有两个思路是非常值得关注的，一个是就是端到端的语音识别
时至今日，语音识别已经有了突破性进展。2017年8月20日,微软语音识别系统错误率由5.9%降低到5.1%，可达到专业速记员的水平；国内语音识别行业的佼佼者科大讯飞的语音听写准确率则达到了95%，表现强悍。国内诸如阿里、百度、腾讯等大公司，也纷纷发力语音识别，前景一片看好。
AI 科技评论按：在近二十年来，尤其是引入深度学习以后，语音识别取得了一系列重大突破，并一步步走向市场并搭载到消费级产品中。然而在用户体验上，「迟钝」可以算得上这些产品最大的槽点之一，这也意味着语音识别的延迟问题已经成为了该领域研究亟待解决的难点。日前，谷歌推出了基于循环神经网络变换器（RNN-T）的全神经元设备端语音识别器，能够很好地解决目前语音识别所存在的延迟难题。谷歌也将这项成果发布在了官方博客上，AI 科技评论进行编译如下。
前几天在Python白银交流群【云何应住】问了一个Python处理语音消息识别的实战问题。问题如下：
作为运动相机，必须要满足运动场景下的HANDS-FREE解放双手的操作，而语音则以用户最自然的方式，赋予用户直观，强大和自然的人机交互方式。
林元庆离开百度三个多月后（戳这里看大数据文摘此前报道），他的新公司Aibee拿到了1.65亿元的天使轮融资。 作为曾经的百度研究院院长、深度学习实验室（IDL）主任，林元庆这番创业选择了传统行业，与他的前同事、百度前首席科学家吴恩达（Andrew Ng）的选择不约而同（戳这里了解吴恩达新公司landing.ai）。 Aibee（爱笔）寓意AI2B，意即用AI技术对传统行业赋能升级。 对于一家AI创业公司来说，最重要的工作可能是“抢人”——精干的AI团队将成为公司最大的资产。目前，Aibee有近20名员工，其
文 / 陈孝良 11月16号，百度发布了渡鸦智能音箱和DuerOS开发板SoundPi，至此，国内再一名巨头加入智能音箱大战。迄今为止，国内战场上的巨头有阿里、京东、腾讯、百度、小米、科大讯飞等，国外则有苹果、微软、亚马逊、谷歌、脸书、三星等，这些巨头占据了全球市值的排名榜，同时发力争夺未来人工智能时代的语音入口，甚至亚马逊和阿里率先不惜代价开启了补贴大战。这些全球巨头的激烈竞争，将对未来十年产生极其重要的影响，同时，这更是新一波的职业快速发展机会。 语音智能当前的核心关键是声学问题和语义理解，随着市
越来越多的企业选择采用高效便捷的企业即时通讯系统开会办公，提高沟通效率的同时也能够提高办公效率，而其中语音通话的质量可以直接影响用户体验。 QttAudio创始人幸小然表示：“实现音视频通话需要解决回
据科技资讯网站zdnet（www.zdnet.com）报道，谷歌开发出了可在未联网的Nexus 5智能手机上实时运行的语音识别系统。该系统无需通过远程数据中心进行运算，所以在没有可靠网络的情况下亦可通过智能手机、智能手表或其他内存有限的电子设备使用语音识别功能。 谷歌的科研人员表示，研发该系统的目的是创建在本地运行的轻量级、嵌入式、准确度高的语音识别系统。轻量级是指这套系统仅20.3MB，而在搭载2.26GHz CPU和2GB内存的Nexus 5上测试时，系统在开放式听写任务中的错误率仅为13.5%。 当然
我们经常会遇到将音频转为文字的情况，比如在开会时录音的会议纪要、上课时录下的老师讲课内容。虽然网上也有一些在线的工具可以将音频转为文字，但是考虑到数据安全和费用问题，使用起来也不是很方便。
高通公司人工智能研究人员表示，该公司正在研制用于智能终端的语音识别系统，通过综合采用循环神经网络和卷积神经网络，该系统语音识别准确率可达95%。
世界上最受欢迎的虚拟助手有什么共同之处？它们在云中执行大部分语音识别，他们的自然语言模型利用功能强大的服务器，具有几乎无限的处理能力。它在很大程度上是可以接受的。通常，处理在几毫秒内完成，但对于没有互联网连接的用户来说是一个明显的问题。
[核心提示] 回顾地图的发展史，思考一下移动互联网时代的地图应用究竟走在了什么阶段？走进腾讯为你解读零流量地图的缘起和发展。 回顾地图的发展史，思考一下移动互联网时代的地图应用究竟走在了什么阶段？走进腾讯为你解读零流量地图的缘起和发展。 地图的缘起 如果经常去回顾一个产品的历史，就能对它有更本质更纯粹的理解。回顾一下地图的发展史，你会发现科技的进步是如此的迅速。从古代根据山海经绘制的粗糙地图，到现在的精准的电子地图，几乎是飞跃式的发展。最早的地图是圆形的，当时人类对世界地理的认知太过有限；然后地图由圆变
半夜起来给小朋友冲奶粉，于是忽然想到了那个在机柜里落灰的树莓派。当时用百度的语音识别和合成用python实现了一些功能。但是并没有实现语音唤醒，于是要想实现语音唤醒就只能不断的轮询接口，然后发送到百度云进行识别。但是觉得这种方式太坑了，什么都上传了，感觉随时在被监听一样。今天又看了下百度的sdk发现支持语音唤醒了。还能自定义唤醒词。
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。
是磁带、光盘、录音笔、手机等录音工具，还是会议、访谈、沟通、演唱等场景？是键指如飞的神奇速录师，还是方便快捷的语音转文字AI小工具？
在近日于上海举办的2016年亚洲消费电子展(CES Asia 2016)上，无人驾驶、智能汽车等相关技术成为最大热点。在CES Asia上，搜狗地图发布了“搜狗智能导航”，最大亮点是可实现车内的全语音交互，而交互并不局限于地图导航本身，几乎可实现驾驶之外的常规车内交互，包括打电话、发短信、查天气、歌曲播放等等。这款产品可运行在智能手机上，还可通过车机互联协议使之运行于汽车屏幕，如果汽车厂商与搜狗进行前装合作则可独立运行于汽车的OS上。基于庞大的POI数据和人工智能技术，搜狗地图在国内首次实现了车内的全语音智
通常，语音识别的深度学习方法依靠强大的远程服务器进行大量处理。但是，滑铁卢大学和创业公司DarwinAI的研究人员声称已经开创了一种设计语音识别网络的策略，该策略不仅能够达到最先进的精度，而且能够生成足够强大的模型，以便在低端智能手机上运行。
【AI创新者】是CSDN人工智能频道精心打造的专栏，本期主人公是云知声创始人、CTO梁家恩。 作者：王艺 CSDN AI 编辑 / 记者 投稿、采访、寻求合作请邮件至 wangyi@csdn.ne
通讯、感知与行动是现代人工智能的三个关键能力，在这里我们将根据这些能力/应用对这三个技术领域进行介绍：
飞桨语音模型库PaddleSpeech，为开发者提供了语音识别、语音合成、声纹识别、声音分类等多种语音交互能力，代码全部开源，各类服务一键部署，并附带保姆级教学文档，让开发者轻松搞定产业级应用！
小编所在项目中，C1、C1Pro、C1Max录音笔，通过BLE和APP连接，音频文件实时传输到录音助手App端，具备实时录音转写的功能。工欲善其事必先利其器，小编补习了语音识别相关基础知识，对所测试应用的实时转写业务逻辑有了更深的认识。希望对语音测试的小伙伴们也有所帮助~~(●—●)
语音速记是语音识别技术的应用之一，主打AI的搜狗也是其中一家。8月8日，搜狗也为此前推出的“搜狗听写” 正式召开了发布会。 “搜狗听写”的主要功能是将语音实时变成文字，最大卖点是“0延时”、 “长语音”，目的是希望解决文字工作者工作中耗时耗力枯燥的工作。官方消息透漏，搜狗听写的技术来自于搜狗知音，它是与端到端的深度神经网络技术整合，是语言的正确率保持在较高的水平。据介绍，搜狗听写可以支持写文章、采访录音、会议记录、笔记整理、日常纪事等场景，帮助用户实现高效记录和信息输入。 对待不同的场景时，“搜狗听写”
前言：本文作者@焦糖玛奇朵，是我们“AI产品经理大本营”早期成员，下面是她分享的第1篇文章，欢迎更多有兴趣“主动输出”的朋友们一起加入、共同进步：） 音频由公众号“闪电配音”提供 媒体和AI巨头们乐于给大众描绘一幅幅精彩的未来生活蓝图：人工智能可以化身为你的爱车，在沙漠、森林或小巷中风驰电掣；可以是智慧公正的交警，控制红绿灯、缓解交通的拥挤；还可以是给人以贴心照顾的小助理，熟悉你生活中的每一处小怪癖。 在看到这些美妙的畅想之后，作为一个严谨认真的AI产品经理，我不禁想去探索上述美好未来的实现路径；今天，
最近百度公布的数据显示，自1月25日春节假期以来，百度输入法日均语音请求量已破10亿次大关，再创行业历史新高。
在2019新品发布会上，这家成立20年的AI公司，一口气发布5款硬件，并对其核心的语音操作系统进行了升级。
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
即时通信 IM
腾讯会议
