据我所知，大多数语音识别实现都依赖于二进制文件，这些文件包含他们试图“识别”的语言的声学模型。一个人可以手动抄写大量的演讲，但这需要大量的时间。即便如此，当给出一个包含某些语音的音频文件，并在文本文件中对其进行完整的转录时，单个单词的发音仍然需要以某种方式分开。要匹配音频的哪一部分对应于文本，仍然需要语音识别。
这是怎么收集起来的？制作这些声学模型的软件是否已经具备了语音识别的能力？
浏览 6提问于2015-08-03得票数 2
回答已采纳
0回答
我是腾讯云合作伙伴上海安畅的产品经理，目前接到客户有语音识别的需求，能否加一下你们的微信。我的微信号shisanshao0002。能支持识别排版吗
浏览 234提问于2018-09-05
我搜索并找到了这篇文章：然而，它并没有回答我的问题。
是否有任何方法改变一个人的声音，足以使手机呼叫无法识别的语音识别技术？
浏览 0提问于2019-08-29得票数 2
4回答
我能想到的唯一原因是所有软件的本地化都是一样的:在所有的对话都完成和冻结之前，你不能录制VO，所以在完成剩下的游戏和发货之间是另一个固定的延迟。所以这看起来不像是难以控制的。
浏览 0提问于2016-04-03得票数 33
回答已采纳
想开发一款听觉训练的软件。根据回答的情况来做数据收集和分析。得出分析报告。
有些问题需要语音回答，需要识别语音来判断正误。这样一个软件用什么工具来开发好？
浏览 330提问于2018-09-10
1回答
我正在寻找一个体面的文字到语音软件，但找不到任何与自然的声音。我讨厌听微软的机器人声音，虽然Anna在Windows 7(可能还有远景)中废除了它，但她仍然很不自然。我需要的是：首选语言：C#，Java
如果一切顺利的话，我计划创建一个像样的TTS软件，或者更好的，一个MS /Office插件。我正在Windows 7上工作(很明显)。
浏览 14提问于2011-08-06得票数 6
回答已采纳
2回答
转换从混音到线性影响音频质量？
、、、、
我想改变音频编码从穆劳到线性，以便使用线性语音识别模型从谷歌。我使用的是一个电话通道，所以音频是用mulaw编码的，8位，8000 in。
浏览 11提问于2022-01-03得票数 0
我的文字到语音软件会在客户端产生声音。
另外，如果生成的数据总量比我大，那么不能将其流到硬盘，而不是存储在RAM中。
浏览 0提问于2018-05-01得票数 1
回答已采纳
2回答
语音修饰符软件
、、、
我正在寻找一个软件，可以修改我的声音，因为我说话。例如，我通过Mumble掌握了rpg，让我听起来像个机器人，这对我的氛围来说将是一个非常有用的好处。总之，我需要一个软件可以用作for的输入源。在Windows或Ubuntu上工作
浏览 0提问于2015-09-24得票数 6
回答已采纳
2回答
tts文本转语音出现音频最后停顿声音，请问如何解决？音频如下：
tencentAi_1.zip
浏览 1203提问于2019-04-29
DNNs是一种巨大的数据需求算法，尤其是双向LSTM算法.对于语音识别模型，对于特定的语言/口音，缺少语音语料库。然而，YouTube也是一个巨大的库。我需要使用一些脚本/软件，它可以自动下载YouTube视频(可能只有音频)和相关的字幕，然后将其分割成20秒的片段，这样就可以用作训练语音语料库。
有没有任何方式可以下载来自Youtube的字幕？给出一个音频和脚本，我如何将一个音频分割成20秒的片段，并在文字记录中做同样的剪辑？
浏览 0提问于2018-12-21得票数 0
2回答
有什么文字到语音软件推荐吗？我希望它是免费的，适用于Windows。注意:不一定要转换到MP3，只要它可以转换成音频文件，例如.wav，就可以了。
浏览 0提问于2017-05-11得票数 1
2回答
我正在考虑使用沃森的发言文字软件，以帮助驱动我们的产品的语音命令。IBM提供了一种方法来创建我自己的"OK，Google“关键字，而不必将我的应用程序可能听到的所有内容发送到文
浏览 0提问于2018-01-29得票数 2
回答已采纳
<ion-side-menu side="left"> <div class="list card"> <img src="{{user.detail.avatarUrl}}" on-error-src="img/avatar.jpg">
浏览 1提问于2015-11-15得票数 0
回答已采纳
我记得以前看过一些软件应用程序演示，它们没有任何说明，只有播放的背景音乐(没有文字，只有声音)...but我永远不能知道他们的名字。有什么建议吗？这是相当快的paced...or，如果你可以提供一个链接到一些演示，我可以尝试通过语音搜索…谢谢
浏览 1提问于2011-11-29得票数 5
我需要检测语音速率(说话的速度)一个音频文件。大多数可用的代码，包括音频分析等，都提供采样率、沉默检测，甚至是情感检测。
我想知道演讲者说得有多快。有人能给我一些代码或技巧建议吗？
浏览 4提问于2020-05-30得票数 1
云服务器
ICP备案
即时通信 IM
云直播
实时音视频
腾讯云开发者
