我的目标是使用一个语音到文本模型来处理几个视频。
令人困惑的是，谷歌有两款产品似乎都在做同样的事情。
这些产品的主要区别是什么？
Google语音到文本：
- Speech-to-Text has an "enhanced video" model for interpreting the audio.
谷歌视频智能：
- VI has the option to request a `SPEECH_TRANSCRIPTION` feature
浏览 9提问于2021-03-25得票数 0
回答已采纳
我用来将语音转换为文本的语音sdk，并给出缓慢的响应，如果有任何其他Sdk可以提供快速响应，支持多种语言…
如果您有任何示例或使用任何其他Sdk，而不是提供给我…
提前感谢....
浏览 3提问于2012-10-31得票数 2
1回答
谷歌语音输入及对PC的建议
、、、、
我需要通过语音将文本输入到PC机。我有我的Ubuntu电脑和我的Android智能手机。
我找到了最简单的方法:使用KDE远程控制。我只是按照这些手册来做：
现在它看起来像是:我的语音->，我的Android智能手机，Google语音输入键盘，-> KDE连接->，我的wifi路由器，->，我的Ubuntu个人电脑
问题:可以强调单词和建议的变体的识别。但是KDE只是尽快将单词发送到我的PC上，这样我就不能使用建议了。
知道怎么用建议吗？
我认为，如果KDE有一些缓冲文本框，建议就会奏效。看起来我在智能手机上的缓冲文本框中输入并更正了我的文本，然后单击‘发送’，这个文
浏览 0提问于2018-08-21得票数 0
( 1) 是否可以在没有互联网连接的情况下使用语音到文本API？
或
2) 我可以在没有互联网连接的情况下使用什么语音到文本API或应用程序？
我正在寻找一种方法，使用一种不需要在服务器端转换的语音文本。
版本: 2.2或2.3 Android版本
浏览 2提问于2012-11-28得票数 0
是针对特定领域的任何开放的深度学习工具包，还是所有的工具包都是有用的工具包，这意味着它是一个深入学习的黑匣子。
我的问题是关于微软的CNTK，其中似乎包含语音和文本分类的例子，其中其他通常只有MNIST或CIFAR.
浏览 0提问于2017-05-17得票数 1
回答已采纳
2回答
在iOS中，你可以要求计算机用“语音”大声朗读一篇课文。对我来说，校对文本和检查发音是非常有用的，因为我不是母语。但问题是，我最近发现，最后一点并不总是那么好，例如发音听起来似乎不太自然。
有没有其他在线服务(免费或不太贵)提供类似于iOS语音的服务？
浏览 0提问于2015-04-11得票数 2
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：
tts多个文本转音频出现偶尔有些音频会最后有停顿的声音，请问如何解决？
因为腾讯tts每次都是只能转300个中文字符，所以我是用回车换行来分割每一段的文本的，之后循环请求tts接口，就发现部分音频就会出现最后停顿的声音。文本如下：
1、史玉柱被抓风波如何掀起的？巨人网络某高管表示，最初的一则传言老板的信息其实来自东方财富股吧，有个叫‘土肥圆10’的用户最先发出的这则消息。该高管提供的一则截屏显示：4月24日18:42时，用户名为“土肥圆10”发出“史玉柱今天下午4点在杭州被警方带走了，完蛋了。”
2、科创板融券业务将实行T+0制度
浏览 1099提问于2019-04-29
我发现在对话结束之前，用户必须做出响应是有限制的：
"Your response must occur within about 5 seconds or the Assistant assumes your fulfillment has timed out and ends your conversation."
但是，是否存在用户可以响应的最大值(输入语音)？我们希望允许更长的响应(然后访问响应文本)。
理想情况下，我们希望无限制的响应时间和能力，以访问原始输入(类型语音)时收到
如果我们可以从用户的回复中获取音频，那就太好了，但据我所知，这是不可能的。
浏览 1提问于2019-02-20得票数 0
我使用google云语音到文本API将音频转换为文本。
对于.raw文件，它工作得很好
但是对于.wav文件，它会给我带来错误，比如：
Google::Gax::RetryError异常: GaxError异常发生在重试方法中，该异常未被归类为瞬态的，原因是3:必须使用单声道(mono)音频，但WAV头指示2个通道。
我正在使用ruby实现的语音到文本API。
我已经保存在资产中的test.wav文件。
我已使用MULAW作为编码和抽样率被省略。
有人能帮我吗？
浏览 3提问于2018-08-09得票数 4
我正在寻找一个网页文本到语音(tts)的Chrome扩展，不需要首先选择文本，也不需要复制，粘贴，电子邮件或保存文件的第一。
我想要的是，它只需要一个页面，然后当你告诉它开始阅读的时候，它只是从你选择的第一个句子开始，然后高亮显示网页上的每一个句子并相应地滚动。
如果有媒体控制按钮(后退、前进、暂停、恢复、播放、停止、甚至录制)，那就太好了。
浏览 0提问于2016-08-31得票数 2
回答已采纳
3回答
有没有一个有效的自然语言处理器，可以从人类的语音中提取电话号码和出生日期。每个用户都有不同的方式来指定电话号码和出生日期。因此，将语音转换为文本，然后将文本解析为电话号码是没有帮助的。
浏览 0提问于2017-04-08得票数 8
1回答
多通道混合器+语音处理IO单元
、、、、
我有一个AUGraph设置和工作，它由一个多通道混频器(一个单声道输入)提供一个RemoteIO (kAudioUnitSubType_RemoteIO)单元输出到扬声器。我实现了单输入混频器，以便能够平移我的音频源之间的左和右硬件输出通道。这个很好用。
由于这是一个VOIP应用程序，我一直在试验使用语音处理IO单元(kAudioUnitSubType_VoiceProcessingIO)代替远程IO单元(kAudioUnitSubType_RemoteIO)。根据苹果公司的描述，这个装置应该像一个远程IO单元，有一些额外的功能.
语音处理I/O单元(子kAudioUnitSubType_V
浏览 2提问于2015-03-23得票数 1
回答已采纳
2回答
这真的是一个响亮的思考类型的问题，所以如果这是在错误的地方道歉，因为这不是一个真正的问题-更多的是寻找建议/评论。
我最近开始在Windows 7上使用Windows语音识别，效果相当不错。我是一个相当高级的用户(作为一名程序员)，如果你知道自己的快捷方式，在打字模式下使用它是绕过电脑的一个很好的方式。我遇到的问题是移动到另一台计算机。我知道你可以导入/导出你的语音配置文件，但我在一个新系统上尝试了几次，结果一直很差(可能是因为它缺少它使用的所有参考材料，比如你写的电子邮件和文档-不确定)。而且，它显然不能在Linux、Mac、服务器或更老的Windows系统上运行。
所以这让我想，把你的语音
浏览 2提问于2011-08-28得票数 1
回答已采纳
1回答
在我们公司中，希望使用Azure语音服务进行儿童语音的ASR。在我们与家长就此项目达成的协议中(也根据公司政策)，我们需要确保我们发送到基于云的服务的WAV数据(和转录)不会被服务提供商以任何方式存储或记录或保存。当我们使用REST API或转到Azure语音服务的Speech API时，我找不到存储哪些信息的信息。感谢您的帮助。
浏览 2提问于2019-02-21得票数 0
1回答
在尝试让语音到文本(应用程序)识别α-数字字符串时，我想知道我是否可以创建一个自定义语法或实体来限制STT只识别单个字母和数字，完全不包括单词。例如，这里有一个典型的字符串: 20Y0H8C。沃森带着单词和数字回来，比如"2“而不是”2“。数字字符串可以正常工作。我意识到在典型的ASR中，字母识别是有问题的，但我希望Watson能够胜任这项任务。我注意到没有用于字母数字字符的系统实体。任何建议都是非常感谢的。
浏览 9提问于2017-06-14得票数 3
1回答
我想分析语音样本，寻找语音-语言的病理。我能找到的大部分资源都是关于语音识别的，这是一个完全不同的问题。
我将永远知道在给定的样本上所讲的是什么。
我可以假设音频样本的质量总是很好，没有背景噪音。
我想要构造一个神经网络(或者其他的模型)来检测某些异常，但是我没有什么问题。
我应该如何将输入传递给网络？输入将分为两部分:语音和正在发言的文本(+标签)。我应该让我以某种方式分割这些部分，还是只是将它们作为一个样本连接起来？
为了更好地理解在ML环境中使用音频/语音，我可以读些什么？
浏览 0提问于2017-10-28得票数 3
我想有一个跟踪号码在Twilio，将转发到我的手机，提供一个耳语信息，记录电话，并转到语音信箱，如果我不接。然后我想把语音信箱的录音发给我。
我想出了如何使用Twilio和Twimlet来做所有事情，除了Whisper消息。
我发现有几个线程教我如何使用TwiML回收箱集成语音留言，但我没有一个包含我所需要的语音信箱功能。
我不是程序员，我希望能够在我拥有的其他跟踪号码上复制这些功能。
有人能帮我吗？谢谢!
浏览 10提问于2022-06-23得票数 0
2回答
我有一些法语文本，想把它们转换成MP3文件来听。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
我可以在上看到Google上的操作确实支持SSML，但是我在我的代理中遇到了问题。
我正在使用带有PHP的DialogFlow。
为了测试它，我的webhook通过'speech‘参数提供了以下响应：
<speak>First sentence. <break time="1s"/> Second sentence. <prosody pitch="+5st">and now high pitched</prosody></speak>
通过谷歌助手在我的三星S8上测试，它是以男性声音读取的(这
浏览 34提问于2018-02-22得票数 1
现在技术越来越厉害了，前几年还感觉语音打字特别不靠谱，各种语音助手也相当蠢萌，想问下现在国内语音识别发展到什么水平了？
实时且准确的将语音转化成相对应的文本已经达到了什么样的水准？主要还存在哪些方面的问题？
浏览 2288提问于2018-08-06
使用微软的bot框架开发一个机器人，它应该具有用户可以用自然语言交谈的能力。目前，bot客户端是一个移动应用程序，它使用移动硬件和软件将语音转换为文本。想知道使用bing speech api的用例是什么？
浏览 19提问于2017-08-28得票数 0
回答已采纳
离线语音识别可以提供个识别本地语音数据的demo吗？本地语音数据的如何填充到boby中呢？
浏览 574提问于2018-04-28
我试着用RecognizerIntent在我的android应用中使用语音识别。但是目标设备没有安装Google Voice search。有没有其他方法可以在没有安装Google Voice的Android设备上使用语音识别。
浏览 4提问于2013-03-22得票数 0
回答已采纳
我一直在试图把媒体流流回Twilio。要求有效载荷必须编码音频/x-mulaw，采样率为8000，base64编码。
我的输入来自LINEAR16 中的@google云/文本到语音。
我试过
这就是我如何编码来自@google云/文本到语音的响应。
const wav = new wavefile.WaveFile(speechResponse.audioContent)
wav.toBitDepth('8')
wav.toSampleRate(8000)
wav.toMuLaw()
然后我通过websocket将结果发送回twilio
twilioW
浏览 11提问于2020-09-22得票数 3
我目前正在评估语音识别(SR)技术的cyrrebt状态，似乎有相当多的API和服务正在涌现。
我自己对SR的经验是，关键字匹配适用于多个说话者，听写在非常受控制的环境中适用于训练有素的说话者。这还是真的吗？有没有任何好的方法来做语音到文本的任意音频文件-可以是关键字匹配从音频流的索引或可能是一个完整的转录尝试。
有没有人对与其他引擎和开源解决方案的细微差别的比较有任何评论？
浏览 3提问于2012-09-07得票数 1
回答已采纳
1回答
谷歌说：
“如果使用Google语音接收验证代码，那么为什么不应该使用Google语音接收验证代码，您可以很容易地创建一个将自己锁在帐户之外的情况。
例如，如果你是在谷歌语音应用程序中注册的，你可能需要一个验证代码才能重新进入。但是，您将无法接收到此验证代码，因为它将被发送到您无法访问的Google。“(https://support.google.com/accounts/answer/185834?hl=en)
那么，除了电信运营商(AT&T、Verizon等)的消息服务外，还有什么消息服务可以用于Google的两步验证吗？
浏览 0提问于2017-05-20得票数 1
我想训练和使用基于ML的个人语音到文本的高度受损的声音转换器，为300-400个单词的小集合。这是为有声音障碍的人使用的。但不能是通用的，因为每个人都有一个独特的语音输入单词，这取决于他们的损伤类型。 想知道是否有任何ML引擎，允许这样的培训。如果不是，那么最好的方法是什么？ 谢谢
浏览 35提问于2020-08-16得票数 1
我尝试使用Android Studio在Kotlin中运行语音识别器。在stackoverflow的帮助下解决了我的编译器问题后，我现在面临以下问题: speechRecognizer不再结束。
我敢肯定，昨天在等待了3到5秒的默认时间后，语音控制结束了。当我什么也没说的时候，回答是“再试一次”，在其他地方它正确地结束了。
现在，"input-Speech-window“窗口不会结束，直到我单击该窗口。我不知道；我本可以更改什么！
我添加了"RecognizerIntent.EXTRA_SPEECH_INPUT_COMPLETE_SILENCE_LENGTH_MILLIS，10
浏览 27提问于2020-05-06得票数 0
aaa.png
安卓平台接入语音合成时一直报AppId不合法？我的appID是我登录我的腾讯云账户之后在控制台里获取到的，然后我换了语音合成部分例子里面的appId也是一直报不合法，请问这个问题找谁反馈呢？
[附加信息]
浏览 276提问于2018-05-04
我想在我的web应用程序中实现简单的文本到语音脚本，它将动态地从给定的文本中生成mp3。
它需要在两种情况下运行：
windows上的本地WAMP服务器
和我的在线linux服务器
eSpeak不提供最高质量的声音，但至少在语言上有很强的支持，简单的实现，而且它是免费的。因此，经过一番研究，我意识到没有太多将它集成到php中的例子。我的结论是，StackOverflow应该包含一个php文本到语音脚本的简单实现，该脚本使用eSpeak和lame生成mp3。
浏览 6提问于2014-05-10得票数 0
回答已采纳
在Twilio电话号码上配置该功能时，该功能将立即将主叫方定向到语音信箱，无法通知被叫方来电，并拒绝被叫方(SIP端点) (user@domain.sip.us1.twilio.com)应答呼叫。 我也尝试过使用TwiML XML。当我在Twilio电话号码上配置TwiML XML时，被叫方(user@domain.sip.us1.twilio.com)会收到来电通知，并且能够应答呼叫，并在被叫方不可用时自动将主叫方定向到语音信箱。然而，当呼叫优雅地结束时，主叫方被定向到语音信箱，这是一个问题。 exports.handler = function(context, event, callb
浏览 5提问于2019-05-20得票数 0
嗯，我想做一个pdf阅读器，将文本转换为语音，我为.txt文件制作了这个，但我不知道如何将pdf文件转换为txt。
一些pdf文件是扫描副本，如何为他们做？
浏览 3提问于2014-04-01得票数 3
我正在试着运行System.Speech.Synthesis语音文本，收到了error.Any的样子?我已经添加了导入的sapi。
sapi = CreateObject("sapi.spvoice")
sapi.speak("A as an apple")
浏览 0提问于2021-03-08得票数 0
1回答
我已经使用我的语言模型将我的语音解码为音素。我需要将语音分割为句子和单词。我知道，ctm文件将帮助.Can谁告诉我如何为特定的语音实例生成ctm文件？
浏览 5提问于2015-12-14得票数 0
我正在为HoloLens 2创建一个使用Vuforia的培训体验。几乎所有的事情都按照它应该的方式工作，只有一个问题。正如我前面所说的，由于在整个体验中使用的文本到语音功能，HoloLens在体验的中间关闭。我已经看过了23张幻灯片，但后来HoloLens被切断了。这甚至不是经验的一半。我做了一些思考，我想这可能是一个问题，缓存被超载和设备需要重置，但我不能确定。有没有其他人遇到过类似的问题，如果是的话，你是如何解决的？
浏览 10提问于2020-06-18得票数 0
回答已采纳
1回答
语音输入作为密码是否是一种有用的安全措施，可以替代强大的密码和生物识别技术(面部、拇指、签名等)？
输入为密码的声音将被保存为系统中的声波文件，而认证的最终用户必须用他/她在保存密码时所说的相同的文字输入他/她的声音。如果系统检测到相同的语音(语音匹配与他/她保存的输入语音作为密码)，系统将对他进行身份验证，以登录到系统。
语音输入的安全认证措施的瓶颈和限制是什么？
浏览 0提问于2022-04-09得票数 0
回答已采纳
3回答
我有一些来自提要的文本，如下所示，带有这个不寻常的字符：
新的Siri语音控制助手可以让你用语音发送信息、安排会议、拨打电话等等。Siri能听懂你说的话，知道你的意思，甚至还能回话。例如，你可以说这样的话：�告诉我的妻子我要迟到了，提醒我打电话给兽医�，或者�明天的天气怎么样？�和Siri会回答。
它是什么?我如何摆脱它？我不能做替换，因为我不确定它到底是什么。
谢谢
浏览 0提问于2013-03-07得票数 0
这里是Twilio noob + VoIP noob，所以准备好面对一个双重愚蠢的问题吧。
我有一个本地的Twilio号码，目前指的是文本到语音语音信箱问候。我收到了很多挂断(空的语音邮件信息)，所以我宁愿在工作时间开始把我的来电发送到VoIP电话。
到目前为止，我只有一个问题：HOW?
浏览 1提问于2018-01-19得票数 6
回答已采纳
这个问题是四年前在这里提出的：自然的听起来的文字到言语？
然而，文本到语音是一种仍在快速改进和发展的东西，所有的答案都会产生听起来微不足道或不自然的软件。我知道没有任何TTS是完美的，但我确信现在必须在2015年找到更好的解决方案。
包的大小并不重要；它不必是轻量级的，我只关心最终的结果，它可能会膨胀。它只需是免费的，可供Ubuntu使用。
浏览 0提问于2015-02-26得票数 2
2回答
程序间的交互
、、
我正在编写一个交互式程序，在这个程序中，它从用户那里获取特定命令列表的语音输入。
命令列表将在本地存储在一个图形中，并根据使用情况修改它们的权重。
将语音输入提取并处理为文本，然后由bash脚本执行。
我在想我应该使用什么来在语音识别引擎与列表和bash程序之间进行交互(同步)。
我在Unix系统上使用C++和Bash。
我想到了mutex，但问题是，如果用户提供多个输入，那么我将不得不缓冲它，然后按顺序处理它，这会使系统变慢。
bash脚本用于根据用户的请求调用系统实用程序命令。我应该只使用C++或Bash吗？
我正在考虑以二进制格式存储图形。这是存储图表的最好方法吗？
请提出替代方案。
浏览 0提问于2013-05-11得票数 0
当前技术的所有语音转文本算法都是实时运行的吗？我的意思不是说一个人坐在电脑前拿着麦克风，而是输入一个预先录制好的音频文件。
例如，如果你有一个30分钟的录音，它总是需要30分钟来转录吗？
有没有不同的方法？
浏览 2提问于2009-01-24得票数 2
回答已采纳
我最近购买并安装了google语音工具包，使用的是google助手sdk。当我打开我的google应用程序时，我注意到语音工具包被检测为一盏灯，我想知道是否可以改变它，以便我可以使用一个类似google家庭的设备(智能扬声器)。
浏览 3提问于2018-10-24得票数 0
回答已采纳
我正在尝试使用twimlbin代码将呼叫转接到我当前twilio号码的语音信箱。目标是让一个呼叫进来，然后将其拆分为同时呼叫多个号码。如果所有号码都未接听，则将其转发到语音信箱，在语音信箱中使用twimlet链接将其通过电子邮件发送到电子邮件地址。目前这是我的设置： <?xml version="1.0" encoding="UTF-8"?>
<Response>
<Dial action="https://twimlets.com/forward?FailUrl=https%3A%2F%2Ftwimlets.com%2F
浏览 27提问于2021-09-08得票数 0
1回答
目前我方的系统两个有主要功能
(1) 用户拨打电话后，根据语音提示，进行按键操作(可能是多级菜单)，用户的按键输入需要和我们的业务系统对接。
按键可以是固定长度的一个键(如1-9即可)，也可以是不固定长度的，以#结束。
(2) 我方平台不定期对某些指定的用户号码进行自动外呼， 电话接通以后， 用户根据语音提示，进行按键操作。。（同上）
(3) 呼入呼出需支持多用户并发。
请问目前的云呼叫中心是否支持上述需求，请高手帮忙看下， 谢谢！
浏览 466提问于2018-11-27
2回答
我在我的mac上使用了一些VoiceOver和文本到语音的功能。我注意到数字和标点符号的发音方式有一些不同。例如，"the year is 1978“这句话，当我突出显示它并使用文本到语音时，它被完美地读出。然而，在画外音上，它是这样写的：“那年是一九七八年”。
我如何告诉屏幕阅读器我想要以某种方式发音？我可以为这种行为添加ARIA属性吗？
这不仅仅是日期和年份，还有价格和标点符号(可能还有很多其他的东西！)
浏览 0提问于2014-05-20得票数 1
1回答
如题，搭建一个自己的呼叫中心系统需要做些什么？
还有，如果是购买了腾讯云呼叫中心的话，如何同我们自己开发的语音智能问答机器人进行对接？
浏览 1250提问于2018-07-31
2回答
我遵循了这些关于如何将spd-say的默认语音从espeak更改为festival的说明，希望这将允许我在Chrome中使用带有文本到语音扩展的festival。起初，spd-say命令可以正常工作，但是声音很难理解。但是在看了上面的说明之后，我无法让spd-say工作了。
echo "testing festival" | festival --tts工作，espeak "testing espeak"也一样，但是spd-say "testing festival"给出了以下错误：
Failed to connect to Speech Dis
浏览 0提问于2020-10-30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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
