1回答
我发现了一个名为的应用程序，为了学习的目的，我想创建我自己的网络版本的应用程序。如果找到该模式，则停止视频记录并执行一些操作。理想情况下，它应该像QR码一样工作--即使检测到小的QR码，它也不应该依赖于旋转和缩放。我应该训练自己的Tensorflow数据集并使用tensorflow.js吗？还是
浏览 0提问于2019-12-16得票数 1
1回答
我正在使用pocketsphinx进行语音识别，使用西班牙语声学模型和JSGF语法，到目前为止效果还不错。然而，我得到了错误的音频识别结果，至少在我的耳朵看来是完全可以理解的(没有太多的背景噪声，采样频率和根据声学模型参数的比特深度等)。此外，这些没有正确识别的音频似乎与正确识别的音频没有太大区别(事实上，对我来说，它们听起来几乎是一样的)。
所以，我猜音频中有一些东西使它更难识别，也许是一些噪声频率或其他需要过滤的
浏览 3提问于2016-06-20得票数 0
3回答
如何将音频数据输入深度学习算法？
、、、、
我是深度学习的新手，我的目标是使用GAN (生成对抗网络)来识别情感语音。我只知道图像是大多数深度学习算法的输入，比如GAN。但我很好奇，除了使用光谱图的图像作为输入之外，音频数据如何成为它的输入。
浏览 98提问于2019-10-10得票数 2
1回答
动态时间翘曲中避免堆叠溢出的技术
、、、、
我编写了一个动态时间翘曲字识别系统，发现我可以处理的最大音频文件的最大递归深度达到1秒的样本。克服这一问题的常见技术是什么？
这是我引用的代码。
浏览 1提问于2014-12-05得票数 1
回答已采纳
1回答
字母语音识别的最佳音频分类算法？
、、、、
，2，3，4，5，6，7，8字母表/B/1，2，3，4，5，6，7，8字母表/C/1，2，3，4，5，6，7，8 ...现在我想对这个数据集进行分类(监督学习)，然后当我给训练好的算法一个字母的样本(音频
浏览 0提问于2016-11-02得票数 1
2回答
我目前正在开发一个关键字识别系统，它使用深度神经网络识别从0到9的数字。我有一个说数字的人的数据集(即TIDIGITS数据集，在德州仪器公司收集)，但是数据不准备输入神经网络，因为不是所有的音频数据都具有相同的音频长度，加上一些文件包含几个顺序说出的数字，如“一、二、三”。单独准备音频文件将耗费大量时间。
提前谢谢你！
浏览 0提问于2018-04-29得票数 3
我正在尝试使用ffmpeg录制屏幕以及mac上的传入音频，但在输入设备列表中，没有“扬声器”。有没有办法获得输出音频？
浏览 2提问于2016-02-24得票数 6
1回答
使用Kinect录制RGB视频
、、、、
我正试着用我的Kinect传感器录制一段视频(rgb+audio，无红外线或深度)，我该如何解决这个问题？附注：
我尝试逐个保存RGB图像并将其合并为视频，但这种方法会导致低帧率和同步问题(与音频流)。
浏览 1提问于2013-04-21得票数 0
回答已采纳
2回答
用于音频的卷积神经网络
、、、、
我想扩展相同的CNN，同时从视频(图像+音频)中提取多模态特征。我读过几篇关于这个主题的论文(多模特征提取/表示)，但是没有人解释过音频是如何输入到网络中的。如果有人能了解音频是如何分解的，然后再用卷积神经网络来表示，我会非常感激。我也会感谢你的想法，关于多模式同步，联合申述，以及什么是正确的方式训练一个CNN与多模数据。编辑：我
浏览 3提问于2014-03-18得票数 34
回答已采纳
我见过像这样的东西，它使用来显示波形数据，还有许多其他工具能够分析JavaScript中音频文件的准确声音点。如果是这样的话，应该可以使用这种分析功能来使用JavaScript进行实时唇同步，也就是说，让一个动画角色在用户说话的同时说话，方法是简单地使用音频上下文，并阅读数据--指出如何找到正确的声音。因此，更具体的问题是：我想得到像这样的东西的最终结果，除了使用JavaScript，而且是实时的。不一定要精确，但要尽可能接近。
浏览 2提问于2020-03-05得票数 6
2回答
如果音频的采样率和比特深度与系统的训练数据相匹配，识别效果最好。
那么，是否有人知道Microsoft语音平台(如果这很重要的话，最新的)使用的采样率和/或位深度(和/或立体声/单声道)？
浏览 7提问于2013-08-09得票数 0
回答已采纳
我正在寻找一个easy来使用 python模块，我可以使用它来创建和训练一个用于模式识别的神经元网络(或者更准确地说，我有几个包含口语或口语短语的短音频文件，我想使用机器学习/深度学习算法来训练网络，以便它能够识别出哪个单词
浏览 0提问于2021-01-24得票数 1
蹩脚的执行脚本就在这里：但是，当我使用HTML5音频标记为火狐中的音频文件创建播放器时
浏览 2提问于2012-05-01得票数 8
回答已采纳
1回答
将语音转换为文本的自动语音识别技术已经有了很多的研究。这些工具正在使用深度学习来做到这一点。 我发现它的工作方式是基于英语的。如果是单词" Phonics“的音频，它们将是Foniks，但最接近的英文单词是Phonics。 Google API可以为我们提供ASR，为我们提供最终结果。
浏览 15提问于2019-02-21得票数 0
回答已采纳
有谁知道一个图书馆，程序，项目等，试图确定有多少发言者活跃在一个音频文件，标签每个发言者，标签其性别，等等？
到目前为止，我发现了以下情况：
浏览 4提问于2016-04-15得票数 2
2回答
MP3文件头文件只包含采样率和比特率，因此解码器无法从头文件中计算出位深度。也许它只能通过比特率来猜测？但是比特率在帧与帧之间是变化的。
浏览 0提问于2014-12-26得票数 9
1回答
决定音乐文件大小
、、
我正在用sdl做一些编程。在此之前，我得到了一个音乐文件，其中属性如下。audio sample rate = 8bitaudio sample rate = 8khz长度是26秒，我想知道它是如何结束为206Kb的，因为如果我取8 8KHz * 8bit *26秒，就不会达到206Kb？然后我的音乐块alen给我这个尺寸是3435760？
浏览 0提问于2013-10-10得票数 0
在AudioSegment from from pydub import AudioSegment中，有一个函数set_sample_width。从医生那里：
浏览 0提问于2020-07-01得票数 0
回答已采纳
如果我停止识别并重新启动，它会再次要求麦克风许可。它是否有任何想法暂停识别，并在发言结束后继续？
浏览 7提问于2019-04-20得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
