12 月 11 日，擅长计算机视觉技术解决方案的依图科技在北京公开展示了语音识别领域的最新技术成果，并表示将在近期开放依图语音识别 API 接口以及部分测试数据集。同时，依图科技还宣布，将基于其语音识别技术与微软 Azure、华为推出联合方案平台。
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
由于新冠疫情的影响，视频会议和线上教育迎来了飞速的发展。而让这一切成为现实的基础就是实时音视频通讯技术，但在实时音视频通讯过程中，会面临各种各样的问题，有可能是网络问题，也有可能是产品问题，在一定程度上左右了用户体验（QoE）。尽管服务质量（QoS）是一个产品或者服务非常重要的参考标准，但是对于用户而言，他们更关心是 QoS 指标。
按研究领域划分，可将人工智能大致划分为：计算机视觉、语音识别与自然语言处理，以及机器学习三类。这三类分别象征着人工智能系统的眼睛、耳和口，大脑。
大家好，我是崔庆才。 想必大家在开发项目过程中可能或多或少用到语音识别、语音合成等相关技术，但又不知道哪家的服务好，而且有的收费还贼贵。尤其流式识别更是个难题。 今天我给大家推荐一个流式语音合成库，现在在 GitHub 上已经开源，而且已经斩获 3.1k star，效果很不错，同时这也是业界首个流式语音合成系统，推荐给大家试试。 具体详情大家可以了解下文哈，最后还有直播课，大家感兴趣欢迎扫码了解。 智能语音技术已经在生活中随处可见，常见的智能应用助手、语音播报、近年来火热的虚拟数字人，这些都有着智能语音技术
先回顾下，生活、工作中你使用过哪些语音识别相关的产品或者服务？ 培训/考试相关的小程序，使用语音识别来判断回答是否正确； 英语口语练习的小程序，使用语音识别来打分； 你画我猜类的小程序，使用语音识别来判断是否猜对； 活动营销类的小程序，比如口令识别、口令红包等； 直播/短视频类小程序，使用语音识别生成字幕； 客服类的小程序，使用语音识别、语音合成来实现智能客服。 可以看到，语音识别的应用场景越来越广泛，我们在做小程序开发的时候，也经常会遇到使用语音识别的场景；其中语音输入法是非常基础的功能场景，如果能实
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。
Maix Bit 开发板是SiPEED公司Maix产品线的一员，基于嘉楠堪智科技的边缘智能计算芯片K210(RISC-V架构64位双核) 设计的一款AIOT开发板。开发板设计小巧精悍，板载 Type-C接口 和USB-UART 电路，用户可以直接通过 USB Type-C 线连接电脑进行开发，配置 128Mbit Flash、LCD、DVP、Micro SD 卡等接口并把所有IO引出，方便用户扩展。
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
在AI领域，相比创业公司，大公司具有天然的先发优势。在技术方面，决定技术的三个要素——数据、算法模型、计算力，背后的潜台词对应的是数据量、人才、资金，大公司更占优。在产品应用方面，大公司本身就有大量的用户基数、畅通的推广渠道，也是大公司的强项。 事实上，现在已经很难说哪家大公司完全与AI不相关，毕竟只要有数据，就很难不用到机器学习的算法。不过，出于本身的战略规划及实际业务情况，大公司对于AI行业的重视程度肯定各不相同。 国内方面 未上市公司方面 一 旷视（Megvii）
作为语音识别领域的大牛，Daniel Povey 教授此前一直在负责霍普金斯语言语音处理中心的工作。他曾主导开发了语音识别工具库 Kaldi，该工具库支持多种语音识别的模型的训练和预测，很多国内外语音技术公司的研发测试都是从 Kaldi 起步的。
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。
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。
在众多汉字中，同音字（词）是一个特别的存在，正确使用，妙趣横生，使用不当，错误百出。 有网友曾戏谑：再智能的语音识别，遇到同音字（词）都可能“秒变智障”。 有时候，明明是一个温馨感动的时刻，语音识别偏偏剑走偏锋，让你措手不及。 例如： 一下子画风突变。 而语音识别在同音字（词）方面的尴尬还不止于此。 人名“王倩”和“王茜”、小区名“书香苑小区”和“书香院小区”、餐饮词汇“食全食美”和“十全十美”、服装词汇“百衣百顺”和“百依百顺”，乃至日常沟通中的“肌肉”和“鸡肉”、“失忆”和“诗意”、“北麓
从大家 iPhone 手机中 Siri 到淘宝京东咨询客服的时候出现的智能客服，从小朋友喜欢玩的儿童机器人，到智能家居中的各种语音控制，背后都是聊天机器人。
作者 ｜ 刘燕 Nuance 已是没落的语音识别巨头，微软欲花 160 亿美元买下它，这笔交易值吗？ 1微软拟斥资 160 亿美元收购 Nuance 北京时间 4 月 12 日，根据彭博社的报道，微软正在就收购全球最大语音识别公司 Nuance Communications Inc. 进行深入谈判。据悉，微软可能愿意为收购这家公司支付高达 160 亿美元（1049 亿元人民币）的收购价格。 报道称，两家公司之间的谈判“正在进行中”，尚未最终敲定。CNBC 援引知情人士消息称，交易可能最早于周日签署，最早于周
清华大学-得意音通声纹处理联合实验室情感计算团队在多模态情感识别竞赛上夺得音频情感识别子任务单项第一的优异成绩。
事实证明，在PR这件事上，谁都不是Google的对手 这个前沿科技行业月报系列是36氪前沿科技组的一个尝试，主要是基于我们的一个还不太成熟的判断——这个行业的进展要远快于行业内外的预期。所以我们想要尝试将这些散落在互联网各处的信息搜集、整理出来，为关注这个行业的人提供一些决策的参考及依据，也方便更多的人了解这个行业真实的进展。 因为36氪前沿科技组关注的领域跨度有点大， 包括了人工智能、机器人、AR、 VR 、新能源、新材料、新技术、物联网、智慧工业、智慧城市、智能硬件、商业航天等，所以
双11、618，血拼之后的网友们纷纷表示要剁手，但是，当下仅剁手已不足以解决问题了，传统的刷卡模式已经转变为了“刷脸模式”…… 本文就来聊聊MasterCard公司新推出的支付技术——生物识别技术。该技术会应用在一个新的移动APP中：当用户选择好商品进入支付系统时，它会要求你拍一张自拍照进行验证，是不是感觉比记住密码还要省事呢。 人脸识别技术和指纹识别技术 MasterCard企业安全和创新解决方案部的部长Ajay Bhalla称： 人脸识别支付技术是新一代的支付方式，我想所有的人应该都会觉得它很
据VISA欧洲2016年7月报道，Populus公司代表Visa进行的近期研究显示，欧洲消费者对生物识别身份验证的热情不断高涨。 法国、德国、意大利、波兰、西班牙、瑞士和英国共1万4236人参与了此次调查。主要调查结果包括：68%的人表示有兴趣使用生物识别技术进行付款验证，73%的人认为包含生物识别技术的双因子身份验证是一种安全的付款授权形式。 在形式方面，调查显示，苹果公司的Touch ID系统掀起的改革让欧洲人顺利接受了指纹扫描。81%的人表示他们认为这是最
人工智能从幕后走向实用离不开人工智能技术取得的突破和发展。在互联网时代背景下，大数据、新型高性能计算架构以及深度学习帮助人工智能技术实现了从量变到质变的转变。其中，计算机视觉、语音识别技术均已能够规模
语音控制的基础就是语音识别技术，可以是特定人或者非特定人的。非特定人的应用更为广泛，对于用户而言不用训练，因此也更加方便。语音识别可以分为孤立词识别，连接词识别，以及大词汇量的连续词识别。对于智能机器人这类嵌入式应用而言，语音可以提供直接可靠的交互方式，语音识别技术的应用价值也就不言而喻。 1 语音识别概述 语音识别技术最早可以追溯到20世纪50年代，是试图使机器能“听懂”人类语音的技术。按照目前主流的研究方法，连续语音识别和孤立词语音识别采用的声学模型一般不同。孤立词语音识别一般采用DTW动态时间规整
【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
素来被认为是“人脸识别独角兽”——或者更宽泛一点说，“计算机视觉独角兽”的依图科技，公布了他们中文语音识别技术的最新突破，以及令人瞩目的产业布局。
人工智能解决方案哪家强？还看Jibo、Pepper、Siri、Google Now和Cortana。目前，在他们之间正进行一场比赛，看谁提供的个人助理更受企业、最终用户和消费者的欢迎，不管是实体的还是
2021年底，银保监在银保业务方面又有了重大举措，随着《中国银保监会办公厅关于做好银行代理保险业务整改工作有关事项的通知》的下发，正式提出银保远程双录的工作要求，在一定程度上放宽银保业务渠道，给予银保更大的发展空间，同时也是对双录、可回溯的监管要求释放新的信号。
AI，能读懂你的情绪吗？ 分享一则有趣的见闻， 在较早之前，一家名为Teatreneu的巴塞罗那喜剧俱乐部因为加税政策流失了30%的夜场观众，为了减少经营损失，俱乐部在广告服务商的建议下试行按笑声次数向观众收费。 即在剧院的座椅安装一个带有面部表情识别软件的设备，用来捕捉观众在观看演出的过程中笑了多少次。 首先，观众入场免费，但每笑一次就要收费0.3欧元，不过笑点低的朋友不用担心遭遇笑破产的情况了，因为封顶价格为24欧元（即发笑80次）。 根据剧院的统计，实行“按笑付费”措施以来，观众量增加了35%
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。
据美国科技网站PC World 5月19日报道，谷歌CEO桑达尔•皮查伊(Sundar Pichai)在谷歌I/O开发者大会上表示其张量处理单元(TPU)能将机器的学习能力提高三代。 TPU一直是谷歌
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。
2002年世界杯上，法国球员齐达内到底被对手的话激怒，狠狠地拿头撞击对方胸口被逐出赛场，他的对手到底说了什么呢？——AI也许可以给出答案。
导读：常见的数据来源和获取方式，你或许已经了解很多。本文将拓展数据来源方式和格式的获取，主要集中在非结构化的网页、图像、视频和语音。
Google Research 软件工程师发表了可解决「鸡尾酒会效应」视觉-音频语音识别分离模型。 AI 科技评论按：人类很擅长在嘈杂的环境下将其他非重点的声响「静音」化，从而将注意力集中在某个特定人物身上。这也就是众所周知的「鸡尾酒会效应」，这种能力是人类与生俱来的。尽管对自动音频分离（将音频信号分离成单独的语音源）的研究已经相当深入，但它依旧是计算机研究领域上的一项巨大挑战。 Google Research 软件工程师 Inbar Mosseri 和 Oran Lang 于 4 月 11 日发表了一篇
把一个人的声音从嘈杂的人群中分离出来是大多数人潜意识里都会做的事情——这就是所谓的鸡尾酒会效应。像谷歌Home和亚马逊的Echo这样的智能扬声器实现分离人群中的声音可能还要再经历一段时间，但多亏了AI，它们或许有一天能够像人类一样过滤掉声音。
本文介绍了人工智能语音交互的基本环节，包括语音识别、语音合成、语义理解和对话管理。文章还列举了一些著名的语音交互产品，如苹果的Siri、亚马逊的Echo和天猫魔盒等。最后，作者提醒读者，语音交互技术目前仍在不断发展中，尚未完全成熟，但未来具有广泛的应用前景。
据媒体报道，在2020年个税年度汇算查询时，有数千名学生发现自己的个人所得税App上有陌生公司的就职记录，也就是“被就业”了！ 从被法人！被老赖！被诈骗！被就业！被......！是谁在复制另一个你？ “被就业”也许对生活暂时没有影响，但信息泄露有可能让受害人信息在不知情下被进一步滥用，甚至让犯罪记录“从天而降”。 当下，依托人脸核身等AI技术的用户身份认证已成为各行业办理业务不可或缺的环节，但在用户真实意愿校验方面，市场仍缺乏针对性解决此类问题的产品。 在利益驱使下，一方面黑产攻击手法日益复杂，另一
一个需要通电才能维持生命的机器人，不叫机器人，应该叫机械。历经半年时间，北极熊作者开始涉足机器人领域。想要通过人工智能，改变这个世界。 简单自我介绍一下自己：做过卖纸尿裤的金牌客服，做过提包的小跟班，做过家具组装以及搬运工，黑过天上飞的，地底下跑的，最后借《无间道》那句话：我以前没的选，现在我想做个好人。摇身一变，做了信息安全….今年25岁了，职校毕业，还在读书的你，看了文章后，应该没有什么道理不努力了把？？ 前言 决心要做机器人的时候，是在2016年的7月，当时看到市面上的“机器人”，和自己心目中的机器人
1.Elon Musk因人工智能被提名为“勒德分子” Elon Musk 是高端电动汽车Tesla 和Space X的首席执行官，2015年对于Elon Musk 是非常出彩的一年。近日，Space
介绍我开发的一个开源的智能音箱项目 dingdang-robot 。 这个项目其实来源于我生活中的一个需求：我每天晚上都会去厨房做一个面包当明天的早餐，当我把用料按顺序准备好放进面包机时，我需要准确预约到明天早上我吃早餐的时间。然而，几乎每次在这个时候我都没有带手机在身边，而是都放在客厅里充电，这时只能跑去客厅看时间。虽然厨房到客厅只有几步之遥，但自己又是懒癌患者，每天都要这么来回奔波就觉得很不方便。要解决这个问题当然有很多种方法，比如直接买个小时钟放在厨房。不过我更希望“连看都不用看”，直接有人告诉我时
“Pandora”将远场语音识别、语义理解等复杂的AI技术元素整合为一个整体方案。可帮助客户实现6个月快速集成，量产出货，为产品智能化落地加速。 “Pandora”语音中控 熟悉小米的朋友应该知道，小
MoneyPrinterPlus可以使用大模型自动生成短视频，其中的语音合成和语音识别部分需要借助于一些第三发云厂商的语音服务。
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！
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
回顾2022，你的年度关键词是什么？ 不管是遗憾还是确幸，我们已经迈入2023年，希望在新的一年，我们都能飞云直上。 回顾这一年，我们围绕腾讯云智能文字识别（OCR）、语音识别（ASR）、语音合成（TTS）、慧眼·智能身份认证、智能内容创作等众多公有云产品输出了数十篇广受开发者好评的上云实践干货文章，我们将其集结成册，供广大开发者参考使用。 点击文末左下角阅读原文即可查阅或下载手册。 接下来，福利大放送！ 点击下图↓↓↓，看开发者2022年度故事，抢腾讯云智能公有云产品与腾讯云开发者联合年终福利—— 5
李林 若朴 假装发自 McEnery 量子位 报道 | 公众号 QbitAI “I love machine learning, especially since I’m a machine, lea
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
2小时主题演讲，全球AI第一大厂秀出最新黑科技进展，并且情怀依然满分，Google用行动诠释科技向善。
劈柴哥说今年Google I/O，视觉能力与众不同，比如观看方式加入了AR体验，通过手机，利用一个App就能身临其境、解答一切。
亚马逊Alexa在其官方博客宣布推出Alexa Auto SDK，这是Alexa首次为车辆提供一整套开发套件，以帮助汽车制造商将Alexa语音控制功能集成到汽车及其娱乐信息系统。
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
对象存储
即时通信 IM
