Voicera获1450万美元融资，智能语音真的前途无限吗？
继推出维吾尔语、粤语识别，近期，捷通华声联合中国民族语文翻译局，推出藏、彝、蒙、朝鲜语语音识别技术，为藏族、彝族、蒙古族、朝鲜族同胞的日常办公、沟通交流提供语音识别服务。 民族语言识别 为企事业单位办公、民众交流提供便利 灵云语音识别技术，已广泛应用于国内的企事业单位会议、公检法、医疗等领域。 通过应用灵云藏、彝、蒙、朝鲜语语音识别技术，少数民族企事业单位可以应用语音识别技术，识别日常工作会议发言，快速生成会议记录;地区公安、检察、法院等政法机构可以应用语音识别来转写办案过程中的讯问发言，快速生成办案笔录;
12月15日，由腾讯云主办的首届“腾讯云+社区开发者大会”在北京举行。本届大会以“新趋势•新技术•新应用”为主题，汇聚了超40位技术专家，共同探索人工智能、大数据、物联网、小程序、运维开发等热门技术的最新发展成果，吸引超过1000名开发者的参与。以下是大数据AI分会场的演讲内容，稍作整理，分享给大家。
前段时间一个饭局上 在某上市公司做策划的朋友酒后吐槽： “已经工作这么多年了 每次大小会议还让我做会议纪要 真心觉得自己大材小用，憋屈了 而且多是在临近下班开会 只能熬夜加班输出会议纪要” 想起刚入职场那会 不是在开会就是在写会议纪要 但写上抬头与开会日期后，就写不下去了…… 领导已经跑题到天天天天天边了～ 纪要抓不住重点，记录跟不上速度 默默的看了一下自己的手 坎多了是不是也就放过它了？ 今天特此给大家安利一款语音神器 腾讯云AI语音识别 被微信、腾讯视频等大量内部业务使用 业务延展性
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？
5月4日，有着最难语音识别任务之称的CHiME-6成绩揭晓：科大讯飞联合中科大语音及语言信息处理国家工程实验室（USTC-NELSLIP）在给定说话人边界的多通道语音识别两个参赛任务上夺冠。
你知道吗？ 全球每2周就会有一种语言消失。 语言的消亡意味着珍贵的多样性文化信息流失，与物种的灭绝毫无二致。 现实情况是，濒危语言消亡的速度比濒危动物消亡的速度还要快，据测算，到本世纪末，世界上50%-90%的语言将会消亡。 保护濒危语言是保护文化多样性的重要一步，那么，人工智能又能做什么呢？ 语音技术发展到今天，其应用能力已经媲美甚至超越人类平均水平。从历史视角看，不管是地理位置障碍还是语言障碍，它都将是促进和增强人与人、人与机器自然对话的强大工具。 在濒危语言文化保护上，我们由此也看到了新的思路
语音领域顶级学术会议 Interspeech于2019年9月15-19日在奥地利格拉茨举行。
Sensory的TrulyNatural语音识别软件将在设备端执行语音识别，确保了语音交互的私密性，消除了用户对于传输和存储用户语音数据的关切。
AI科技评论按：Interspeech 会议是全球最大的综合性语音信号处理领域的科技盛会，首次参加的腾讯 AI Lab共有8篇论文入选，居国内企业前列。这些论文有哪些值得一提的亮点？一起看看这篇由腾讯 AI Lab供稿的总结文章。 另外，以上事件在雷锋网旗下学术频道 AI 科技评论数据库产品「AI 影响因子」中有相应加分。
未来的人类如何与机器人交流？我们既需要机器人模仿人类的语气、表情、动作，同样也需要机器人能理解我们。
让计算机能听、能看、能说、能感觉，是未来人机交互的发展方向，其中语音已成为未来最被看好的人机交互方式，语音比其他的交互方式有更多的优势。 目前，语音服务存在于各种场景中，包括实时会议记录、视频实时直播字幕、呼叫中心语音质检、实时会议记录等。想要实现不同的语音服务，这涉及到方方面面的技术，例如，在进行实时会议记录任务时，需要将会议中的音频实时转写为文字，辅助会议记录工作，同时适用于电视会议等远距离场景，这涉及到自动语音识别(ASR)技术。 除此以外，我们在日常生活中，也经常遇到需要将文本转化成语音的技术(TTS) ，该技术可以通过自然逼真的智能语音，让机器拥有「说话」的能力。 那么，有没有一种技术，可以同时完成自动语音识别、语音合成技术的任务？ 今年，英伟达发布了 NVIDIA Riva，这是一种现成的语音服务，可以轻松部署在任何云或数据中心。NVIDIA Riva的设计旨在帮助用户轻松、快速地访问会话 AI 功能，实现开箱即用，通过一些简单的命令和 API 操作就可以快速构建高级别的语音识别服务。该服务可以处理数百至数千音频流作为输入，并以最小延迟返回文本；还能快速构建高级别的对话式 AI 服务。 NVIDIA Riva是一个使用了 GPU 加速，快速部署高性能会话式 AI 服务的 SDK，可用于快速开发语音 AI 的应用程序。Riva SDK 在 NVIDIA GPU 上运行，在高吞吐量水平下提供最快的推断响应。 目前，NVIDIA Riva整合了 ASR 和 TTS 等智能算法引擎，用户可以使用这些功能进行科学研究。
机器之心发布 机器之心编辑部 翻唱识别（CSI）是音乐信息检索（MIR）领域的一项重要任务，在歌曲搜索，音乐分发，曲库整理，智能推荐等场景下有着重要作用，被誉为下一代音乐识别技术。 近期，字节跳动火山语音团队的最新音乐检索系统 ByteCover2 入选了 ICASSP 2022。这一系统主要面向翻唱识别（CSI）这一音乐信息检索（MIR）领域的一项重要任务，通过表征学习方法让其具备提取音乐核心特征的能力，并且该特征能够对种类繁多的音乐重演绎具有良好的鲁棒性，检索速度提高 8 倍。经 Da-Tacos 数据
没天总是不停的开会，会议内容又多又发散！音频文件整理困难，搜索不到终点，占用空间大，不利于分享和传达！
捷通华声灵云语音云重磅上线灵云平台，为广大企业及个人提供专业级语音识别、语音合成等云服务，用灵云人工智能实现了便捷大众工作生活，同时标志着捷通华声在语音云服务领域迈向一个全新的高度。 智能语音“云时代
翻唱识别（CSI）是音乐信息检索（MIR）领域的一项重要任务，在歌曲搜索，音乐分发，曲库整理，智能推荐等场景下有着重要作用，被誉为下一代音乐识别技术。 近期，字节跳动火山语音团队的最新音乐检索系统ByteCover2入选了ICASSP 2022。这一系统主要面向翻唱识别（CSI）这一音乐信息检索（MIR）领域的一项重要任务，通过表征学习方法让其具备提取音乐核心特征的能力，并且该特征能够对种类繁多的音乐重演绎具有良好的鲁棒性，检索速度提高8倍。经Da-Tacos数据集上的评估，准确率远超其他方案的SoTA性能
精英人才培养计划是一项校企联合人才培养项目，入选学生将受到业界顶尖技术团队与高校导师的联合指导及培养。培养期间，学生将获得3个月以上到访腾讯开展科研访问的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将引进沟通技巧、商业分析、创新思维等定制课程，定期举办线上线下交流活动，全面提升学生综合素质。入选学生还将获得线上实名社群平台“十分精英圈”的在线访问权限，结识志同道合的科研伙伴，获取业界信息及资源。 今年共有10大方向，81个子课题 申报截止日期：2019年1
2019年度腾讯“犀牛鸟精英人才培养计划”开放申请中，该项目是一项面向学生的校企联合人才培养项目，为期一年。入选学生将受到业界顶尖技术团队与高校导师的联合指导及培养，并获得3个月以上带薪到访腾讯开展科研的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将引进沟通技巧、商业分析、创新思维等定制课程，全面提升学生综合素质。 今年共有10大方向，81个子课题 申报截止日期：2019年1月28日 同学们，抓紧时间申报哦 下面让我们一起来看看第六个方向吧 语音技术
每天给你送来NLP技术干货！ ---- 机器之心发布 机器之心编辑部 翻唱识别（CSI）是音乐信息检索（MIR）领域的一项重要任务，在歌曲搜索，音乐分发，曲库整理，智能推荐等场景下有着重要作用，被誉为下一代音乐识别技术。 近期，字节跳动火山语音团队的最新音乐检索系统 ByteCover2 入选了 ICASSP 2022。这一系统主要面向翻唱识别（CSI）这一音乐信息检索（MIR）领域的一项重要任务，通过表征学习方法让其具备提取音乐核心特征的能力，并且该特征能够对种类繁多的音乐重演绎具有良好的鲁棒性，检索速
关注腾讯云大学，了解最新行业技术动态 戳【阅读原文】查看55个腾讯云产品全集 课程概述 腾讯云语音识别（Automatic Speech Recognition，ASR） 为企业提供极具性价比的语音识别服务。被微信、王者荣耀、腾讯视频等大量内部业务使用，外部落地录音质检、会议实时转写、法庭/审讯记录、语音输入法等多个场景。 【课程目标】 了解腾讯云语音识别 ASR 产品优势 了解腾讯云语音识别 ASR 应用场景 【课程大纲】 知识模块 简介 腾讯云语音识别 ASR 腾讯云语音识别 ASR 产品概述
12月11日，2021年腾讯犀牛鸟精英科研人才培养计划正式对外发布。计划截止申报时间为2021年1月28日24:00。 本年度精英科研人才计划将延续人工智能领域顶尖科研人才培养，发布包含机器人、AI医疗、量子计算、智慧城市等12个前沿热议方向，71项研究课题。入选学生将由校企导师联合制定专属培养计划，并获得3个月以上到访腾讯开展科研访问的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将为学生搭建线上和线下学习、交流平台，帮助学生挖掘更多潜能。 本期小编整理了该计
【新智元导读】目前最好的语音识别系统采用双向长短时记忆网络（LSTM，LongShort Term Memory），但是，这一系统存在训练复杂度高、解码时延高的问题，尤其在工业界的实时识别系统中很难应用。科大讯飞在今年提出了一种全新的语音识别框架——深度全序列卷积神经网络（DFCNN，Deep Fully Convolutional NeuralNetwork），更适合工业应用。本文是对科大讯飞使用DFCNN应用于语音转写技术的详细解读，其外还包含了语音转写中口语化和篇章级语言模型处理、噪声和远场识别和文本
---- 新智元报道 编辑：张乾 【新智元导读】昨天下午，微软全球技术院士黄学东博士、微软大中华区副总裁兼市场营销及运营总经理康容、ROOBO CTO雷宇接受了包括新智元在内的媒体专访，详细解答了微软的语音技术、产品落地以及生态合作。 在昨天的微软人工智能大会上，微软全球技术院士黄学东展示了微软多项语音、翻译等技术，微软Build大会上的“黑科技”全球首创AI会议系统再次被演示。 昨天下午，黄学东博士、微软大中华区副总裁兼市场营销及运营总经理康容、ROOBO CTO雷宇接受了包括新智元在内的媒体专访
从当前来看，速记神器确实为特定人群所需。 近日，搜狗召开发布会，正式推出其自研的速记神器——搜狗听写。这是一款能够将语音实时转变成文字的速记工具，拥有转写和听写两种模式，主要面向记者、编辑、作家等文字工作者。 由搜索而知名的搜狗 在人工智能领域似乎也玩的风生水起 众所周知，搜狗以搜索业务起家。除搜索业务外，其在近年还因搜狗输入法、搜狗高速浏览器等在行业内颇具名气。 如果仅从以上这些来看，搜狗此次推出“搜狗听写”似乎显得有些无厘头。然而，搜狗CEO王小川曾表示，搜索本身也是一种AI。 回顾搜狗的发展史，除去初
这是国际级会议第一次正式使用AI作为翻译。2018年博鳌亚洲论坛，真准备这么干。据称经过数月PK和方案选配，博鳌论坛最终选定了技术合作方。
导读：目前最好的语音识别系统采用双向长短时记忆网络（LSTM，LongShort Term Memory），但是，这一系统存在训练复杂度高、解码时延高的问题，尤其在工业界的实时识别系统中很难应用。科大讯飞在今年提出了一种全新的语音识别框架——深度全序列卷积神经网络（DFCNN，Deep Fully Convolutional NeuralNetwork），更适合工业应用。本文是对科大讯飞使用DFCNN应用于语音转写技术的详细解读，其外还包含了语音转写中口语化和篇章级语言模型处理、噪声和远场识别和文本处理实时
最近，QQ V7.6.0版本发布，新增视频通话“口吐弹幕”功能，引发网友热议。 寻找最新黑科技与视频通话的契合点，使视频聊天更潮、更互动、更具趣味性是，一直是QQ视频通话探索的方向。这次我们结合实时语
12月10-12日， 2015中国大数据技术大会 将在北京召开。会议前夕，我们特采访了本次会议的深度学习分论坛演讲嘉宾阿里巴巴iDST语音组高级专家鄢志杰，以期对其从事工作和演讲内容有进一步的了解。 鄢志杰将在12月11日下午的深度学习分论坛进行题为“Deep Learning 助力客服小二:数据技术及机器学习在客服中心的应用”的主题演讲，分享基于DNN、CNN、RNN（LSTM）及其各种组合模型的语音识别、自然语言处理技术在客服领域的应用。 鄢志杰在接受采访时表示，他的分享内容将包括Deep Learni
语音活动检测（Voice Activity Detection， VAD）用于检测出语音信号的起始位置，分离出语音段和非语音（静音或噪声）段。VAD算法大致分为三类：基于阈值的VAD、基于分类器的VAD和基于模型的VAD。
本文对中科院宗成庆、张家俊团队完成、被 AAAI-20 录用的口头报告论文《Synchronous Speech Recognition and Speech-to-Text Translation with Interactive Decoding》进行解读。
在人工智能技术的探索征程里，语音语义识别技术一直扮演着先驱的角色，不管是在技术探索还是商业落地方面都走在了前面。近两年来随着深度学习技术的进一步深入，其识别准确率更是得以大大提升。为教育、客服、电信等传统行业的产业升级带来了一大助力，在车载、家居、医疗、智能硬件等领域又开辟出了新的商业应用探索实践。 会议精彩视频回顾 语音语义技术目前发展到了哪个阶段？NLP技术在企业日常业务中能发挥怎样的作用？在十亿级别日活的微信端有何应用案例？在腾讯云海量客户场景下又为企业带来了怎样的助力？9月13日，TVP AI技术闭
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。
---- 【新智元导读】首次正式亮相国际级会议的AI同传，腾讯翻译君不仅仅代表了自己，还代表了整个AI智能翻译业界。近几天AI同传遭遇社会嘲笑，对此，腾讯翻译君负责人李学朝，讯飞胡郁有话说。 这几天又有一个AI火了。 没错，我们说的是在2018年博鳌论坛担任同声传译的腾讯同传。 这个事件让人想起了2017年“3·15晚会”打假人脸识别，让人脸识别技术一夜走红，也让众多人脸识别公司躺枪。一年后的今天，公众对人脸识别的接受度已经明显提升，技术在不断发展，人脸识别的商业化应用在不断产生。 当时，人脸识别公司云
最近几年，语音技术的普及率激增。然而，伴随着这种增长的是制造语音控制设备的科技公司对语音数据的收集。因此，消费者和企业对语音隐私的担忧越来越大。
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。
AI 技术似乎成了一把“万能钥匙”，捅进任何一个拥有数据的行业钥匙孔里，它都具有一定的适配能力。
腾讯犀牛鸟精英人才培养计划是一项面向学生的校企联合培养方案，项目覆盖机器学习、量子计算、计算机视觉、语音技术、自然语言处理等产学研热点方向，入选学生将到腾讯开展科研访问，基于真实产业问题，借助腾讯海量数据、专家指导等资源，验证学术理论，加速成果应用转化，全面提升自身科研能力和综合素质。 2018年度申请时间已经过半，小伙伴们要抓紧哦~ 今年共有8个课题方向，54个子课题供大家选择，总有一款适合你！ 上一篇文章已经介绍了机器学习及相关应用研究方向、量子计算方向的课题及导师，接下来为大家介绍语音技术方向及
在人工智能技术的探索征程里，语音语义识别技术一直扮演着先驱的角色，不管是在技术探索还是商业落地方面都走在了前面。近两年来随着深度学习技术的进一步深入，其识别准确率更是得以大大提升。为教育、客服、电信等传统行业的产业升级带来了一大助力，在车载、家居、医疗、智能硬件等领域又开辟出了新的商业应用探索实践。
上个月，Microsoft宣布，其与Slack，Facebook Workplace以及Google的Hangouts Chat的竞争对手Teams的每日活跃用户已超过4400万。这一里程碑却掩盖了其“稍后”发布的一些新功能。大部分功能都很简单明了：举手功能表明你有话要说；离线和低带宽支持，即使在网络连接不畅或没有网络情况下，也能阅读聊天消息并回复；以及将聊天弹出到一个单独窗口。其中还有一项实时噪声抑制功能吸引了大家眼球 - Microsoft演示AI如何在通话过程中减少让人分心的背景噪声。
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，
ICASSP 2020在西班牙的巴塞罗那举行，大会宣布2019年IEEE信号处理协会工业领袖奖的获得者是邓力，以表彰他在大规模深度学习的开创性研究和语音识别等领域的领导作用。
机器之心发布 机器之心编辑部 Transformer 模型用于在线语音识别任务中面临多个难题，百度语音新发布的SMLTA2克服了这些障碍。 10 月 15 至 18 日，2021 年第十六届全国人机语音通讯学术会议（NCMMSC2021）在江苏徐州举行。作为我国人机语音通讯领域研究中最具有权威性的学术会议之一，NCMMSC 受到国内语音领域广大专家、学者和科研工作者的关注。 其中，百度语音团队对外重磅发布基于历史信息抽象的流式截断 conformer 建模技术——SMLTA2，解决了 Transforme
导语 数据万象内容识别基于深度学习等人工智能技术，与对象存储 COS 深度融合，底层直接调用COS的数据，实现数据存储、流动、处理、识别一体化，提供综合性的云原生 AI 智能识别服务，包含图像理解（解析视频、图像中的场景、物品、动物等）、图像处理（一键抠图、图像修复）、图像质量评估（分析图像视觉质量）、图像搜索（在指定图库中搜索出相同或相似的图片）、人脸识别、文字识别、车辆识别、语音识别、视频分析等多维度能力。用户可使用数据万象提供的自动化工作流或批量任务处理串联业务流程，大幅减少人力成本，缩短产出时间的同
4月29日，腾讯云正式发布金融、音视频等多个领域专属语音识别模型。最新发布的模型不仅识别准确率得到大幅提升，同时也增加了对粤语、韩语的支持，后面会陆续开放对上海话等方言以及日语、泰语、印尼语等国外语言的支持。
语音识别是现在很多人都想了解的概念，其实语音识别就是将语音转换成文字。目前的需求还是蛮大的，尤其是会议纪要、演讲采访、音频文件整理成文字等场景，使用需求非常大。
深度学习在语音识别领域取得的成绩是突破性的。2009年深度学习的概念被引入语音识别领域，并对该领域产生了巨大的影响。在短短几年时间内，深度学习的方法在TIMIT数据集上将基于传统的混合高斯模型（gaussian mixture model，GMM）的错误率从21.7%降低到了使用深度学习模型的17.9%。如此大的提高幅度很快引起了学术界和工业界的广泛关注。从2010年到2014年间，在语音识别领域的两大学术会议IEEE-ICASSP和Interspeech上，深度学习的文章呈现出逐年递增的趋势。在工业界，包括谷歌、苹果、微软、IBM、百度等在内的国内外大型IT公司提供的语音相关产品，比如谷歌的Google Now、苹果的Siri、微软的Xbox和Skype等，都是基于深度学习算法。
电脑还只有dos系统的年代仿佛还没过去多久，智能手机却已俨然成为在现代社会中生活的标配。
最近，Facebook开源了目前世界上最大的多语言语音数据集，VoxPopuli：
丰色 发自 凹非寺 量子位 | 公众号 QbitAI 阿里达摩院，又搞事儿了。 这两天，它们发布了一个全新的语音识别模型： Paraformer。 开发人员直言不讳：这是我们“杀手锏”级的作品。 ——不仅识别准确率“屠榜”几大权威数据集，一路SOTA，推理效率上相比传统模型，也最高可提升10倍。 值得一提的是，Paraformer刚宣布就已经开源了。 语音输入法、智能客服、车载导航、会议纪要等场景，它都可以hold住。 怎么做到的？ Paraformer：从自回归到非自回归 我们知道语音一直是人机交互重
随着语音识别、自然语言处理、计算机视觉等人工智能技术日益成熟，并逐渐落地到实际场景中，如何实现大规模应用落地或者说如何通往通用人工智能，越来越成为这些领域的研究者探索和思考的命题。
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
实时音视频
即时通信 IM
对象存储
