http://blog.csdn.net/sun_t89/article/details/52430923
Hololens入门之语音识别(语音命令)
2016-11-09
1359
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
http://blog.csdn.net/sun_t89/article/details/52430923
相关实践学习
达摩院智能语音交互 - 声纹识别技术
声纹识别是基于每个发音人的发音器官构造不同，识别当前发音人的身份。按照任务具体分为两种： 声纹辨认：从说话人集合中判别出测试语音所属的说话人，为多选一的问题 声纹确认：判断测试语音是否由目标说话人所说，是二选一的问题（是或者不是） 按照应用具体分为两种： 文本相关：要求使用者重复指定的话语，通常包含与训练信息相同的文本（精度较高，适合当前应用模式） 文本无关：对使用者发音内容和语言没有要求，受信道环境影响比较大，精度不高 本课程主要介绍声纹识别的原型技术、系统架构及应用案例等。 讲师介绍： 郑斯奇，达摩院算法专家，毕业于美国哈佛大学，研究方向包括声纹识别、性别、年龄、语种识别等。致力于推动端侧声纹与个性化技术的研究和大规模应用。
目录
相关文章
|
11月前
|
人工智能
自然语言处理
语音技术
Ultravox：端到端多模态大模型，能直接理解文本和语音内容，无需依赖语音识别
Ultravox是一款端到端的多模态大模型，能够直接理解文本和人类语音，无需依赖单独的语音识别阶段。该模型通过多模态投影器技术将音频数据转换为高维空间表示，显著提高了处理速度和响应时间。Ultravox具备实时语音理解、多模态交互、低成本部署等主要功能，适用于智能客服、虚拟助手、语言学习等多个应用场景。
697
14
14
|
Ubuntu
机器人
语音技术
语音识别与语音控制的原理介绍
硬件平台
机器硬件：OriginBot(导航版/视觉版)PC主机：Windows（>=10）/Ubuntu(>=20.04)扩展硬件：X3语音版
运行案例
首先进入OriginBot主控系统，运行一下指令。请注意，部分操作OriginBot内暂未放入，请根据内容进行适当处理。
cd /userdata/dev_ws/
# 配置TogetheROS环境
source /opt/tros/setup.bash
# 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
cp -r /opt/tros/lib/hobot_audio/config/ .
# 加载音频驱动，设备启动之后只
615
83
83
|
Ubuntu
机器人
语音技术
语音识别与语音控制
【10月更文挑战第4天】硬件平台
机器硬件：OriginBot(导航版/视觉版)PC主机：Windows（>=10）/Ubuntu(>=20.04)扩展硬件：X3语音版
运行案例
首先进入OriginBot主控系统，运行一下指令。请注意，部分操作OriginBot内暂未放入，请根据内容进行适当处理。
cd /userdata/dev_ws/
# 配置TogetheROS环境
source /opt/tros/setup.bash
# 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
cp -r /opt/tros/lib/hobot_audio/config/ .
# 加载
186
4
4
|
人工智能
语音技术
数据格式
|
达摩院
语音技术
异构计算
语音识别-免费开源的语音转文本软件Whisper的本地搭建详细教程,python版本是3.805，ffmpeg是专门处理音视频的，ffmpeg的下载链接，现在要求安装python和ffmpeg
语音识别-免费开源的语音转文本软件Whisper的本地搭建详细教程,python版本是3.805，ffmpeg是专门处理音视频的，ffmpeg的下载链接，现在要求安装python和ffmpeg
651
5
5
|
机器学习/深度学习
自然语言处理
算法
|
机器学习/深度学习
自然语言处理
搜索推荐
通义语音大模型评测：迈向更自然、更智能的语音交互
随着人工智能技术的迅猛发展，语音识别和自然语言处理领域不断涌现出新的模型和应用。阿里云推出的通义语音大模型，正是在这一背景下应运而生。本文将对通义语音大模型进行详细评测，探讨其技术架构、应用场景、性能表现以及未来发展前景。
1382
0
0
|
机器学习/深度学习
人工智能
API
在人工智能和机器学习的领域中，语音识别（Speech Recognition，SR）是一个重要的研究方向。它旨在将人类的语音转换为计算机可读的文本。
在人工智能和机器学习的领域中，语音识别（Speech Recognition，SR）是一个重要的研究方向。它旨在将人类的语音转换为计算机可读的文本。
617
0
0
|
机器学习/深度学习
搜索推荐
安全
热门文章
最新文章
1
基于MFCC（梅尔频率倒谱系数）和GMM（高斯混合模型）的语音识别
2
人机交互新进展：LFR-DFSMN语音识别声学模型介绍
3
从声学模型算法角度总结 2016 年语音识别的重大进步
4
INTERSPEECH 2017系列 | 远场语音识别技术
5
什么是语音识别的语音助手？
6
构建一个基于AI的语音识别系统：技术深度解析与实战指南
7
智能语音交互技术：构建未来人机沟通新桥梁####
8
语音识别技术的发展与未来趋势：深度学习、端到端建模与多模态融合
9
闻其声而知雅意,M1 Mac基于PyTorch(mps/cpu/cuda)的人工智能AI本地语音识别库Whisper(Python3.10)
10
Android 百度语音识别(详细步骤+源码)
1
Dolphin：40语种+22方言！清华联合海天瑞声推出的语音识别大模型，识别精度超Whisper两代
3798
2
Step-Audio：开源语音交互新标杆！这个国产AI能说方言会rap，1个模型搞定ASR+TTS+角色扮演
1330
3
FireRedASR：精准识别普通话、方言和歌曲歌词！小红书开源工业级自动语音识别模型
3053
4
SpeechGPT 2.0：复旦大学开源端到端 AI 实时语音交互模型，实现 200ms 以内延迟的实时交互
2097
5
GLM-Realtime：智谱推出多模态交互AI模型，融入清唱功能，支持视频和语音交互
480
6
VITA-1.5: 迈向GPT-4o级实时视频-语音交互
580
7
语音交互产品通过WebSocket协议对外提供实时语音流语音转写功能
598
8
昇腾AI行业案例（七）：基于 Conformer 和 Transformer 模型的中文语音识别
347
9
Ultravox：端到端多模态大模型，能直接理解文本和语音内容，无需依赖语音识别
697
10
基于Asterisk和TTS/ASR语音识别的配置示例
783