我是机器学习的新手。我偶然发现了ML.NET (微软的机器学习框架)。我们可以将此框架用于语音识别吗？如果你想在ML.NET中进行语音识别，你应该知道的所有事情是什么？
浏览 78提问于2019-02-25得票数 4
回答已采纳
我在寻找推动套袋的不同之处，我看到这句话到处被引用。
如果分类器不稳定(高方差)，则应采用套袋。如果分类器是稳定的和简单的(高偏倚)，那么我们应该应用bias。
也是
Breiman表明，套袋对不稳定的学习算法是有效的，训练集中的小变化会导致预测发生很大的变化。布雷曼声称，神经网络和决策树是不稳定学习算法的例子。检查最后一行
gbdt不是xgboost中最受欢迎/推荐的学习者吗？考虑到决策树显然是不稳定的学习者，这是矛盾的。
浏览 0提问于2020-10-27得票数 0
1回答
我有986个语音信号已经被我们的团队收集到了。该数据集包括745个健康和150个不健康的语音信号。我将数据分成70%的训练、20%的验证和10%的测试(未见)数据。
然后，我对火车和验证集进行了过度抽样。因此，我们有1042个训练样本(521份健康样本和521份不健康样本)和298份验证样本(149份健康样本和149份不健康样本)。我正在应用在每批64批大小和培训和验证集的动态增强。为了处理这些信号和CNN，我把信号转换成梅尔波克图。
现在，当我应用一个五层CNN时，存在一个过度拟合，并且该模型不能很好地推广到验证数据上。
我到目前为止所做的：
我只是在训练集上应用了增强，而没有在验证集上应用
浏览 0提问于2023-03-30得票数 0
我是一个新手Android开发人员，并且正在构建一个定制的电话应用程序。根据我的理解，我可以采取两种方法。
使用SDK和TelephonyManager类从头开始构建自定义应用程序
或者，从source.android.com抓取整个本地应用程序源，并‘黑’现有的手机应用程序。
应用程序必须在kiosk模式下运行，并且在设备开机时也会自动运行，我还在研究这两种情况。它还需要通过Android开放附件协议与外部arduino设备进行通信(没有语音数据，可能只是音量级别)。
有任何android专家能建议哪种方法，1或2最容易实现，为什么？
浏览 4提问于2013-12-22得票数 0
回答已采纳
请描述您的问题
标题：实时语音API - 游戏语音 - 产品文档 - 帮助与文档 - 腾讯云
地址：https://cloud.tencent.com/document/product/556/7667
浏览 366提问于2018-01-31
我有一个wav文件，我想分割成帧，以便将它输入机器学习模型。问题是音频在某些点上有一些噪音，保持沉默。
我的问题是，我不想在我的数据集中包含没有声音(或只有噪音)的帧。
我认为一个解决方案是使用一个语音识别模型或类似的方法来进行分类，看看一个帧是否只包含沉默或噪声。
然而，我正在寻找一种解决方案，它将不依赖于机器学习，而是主要依靠信号处理技术或其他一些预处理方法。
那么，我怎样才能排除这些仅仅是沉默或噪音的帧呢？
浏览 0提问于2018-05-28得票数 1
回答已采纳
我正在开发一个android应用程序，它有一个使用谷歌离线语音识别的英语语音识别模块，但现在我想添加新的语言(斯瓦希里语)，它不在谷歌离线语音识别语言的可用语言列表中。如何添加斯瓦希里语？然后把它用在我的应用程序上？
浏览 0提问于2016-05-10得票数 0
2回答
对于建立语音情感检测与识别系统，哪种方法更好？隐马尔可夫模型还是深度学习(RNN)方法？我必须建立一个SER系统，我在两者之间感到困惑。如果有比这两位更好的模特，请告诉我。
浏览 0提问于2018-03-25得票数 2
回答已采纳
我正在编写一个应用程序，其中包括文字到语音使用AVSpeechSynthesizer。生成语音和使用语音合成器的代码一直运行良好。
let utterance = AVSpeechUtterance(string: text)
utterance.voice = currentVoice
speechSynthesizer.speak(utterance)
现在使用iOS 11，我想匹配用户在手机的设置应用程序中选择的声音，但我没有看到任何方法来获得该设置。
我试着获取已安装的声音列表，并寻找具有quality of .enhanced的声音，但有时没有安装增强的语音，即使有，也可能是用户在设
浏览 6提问于2017-09-20得票数 7
1回答
我一直在研究一个问题，在这个问题上，使用深度学习发表的结果远比我用简单的统计方法(在这种情况下，多项logistic回归)在同一任务(使用相同的实验方案)上获得的结果差得多。我想知道这是否是一个不寻常的事件。有谁能提供具体的例子，说明深度学习的效果明显比简单的分类器系统差？
浏览 0提问于2022-08-26得票数 8
我们正在运营一个庞大的团队，为我们的客户处理儿童照片，该团队每年处理超过100万张照片。
这个过程包括对光线的基本调整，调整大小，应用一些滤镜来使皮肤看起来更好。
我们希望使用深度学习来完成尽可能多的工作。这意味着我想选择一个模型，并使用我们现有的数据来训练该模型。然后使用训练好的模型通过输入新的未处理的照片来生成照片。
有没有我可以使用的现有模型，或者有什么论文已经涵盖了这个场景？
如有任何帮助，将不胜感激，谢谢！
浏览 10提问于2017-01-04得票数 0
是否可以使用增强的/高质量的声音(美国的Alex)用语音合成器？我已经下载了声音，但没有办法告诉合成器使用它，而不是默认的声音。
由于语音通常由BCP-47代码选择，而美国英语只有on，因此似乎无法进一步区分语音。我是不是遗漏了什么？(有人可能会认为苹果可能会考虑使用不同的方言，但我没有看到这一点)。
蒂娅。
浏览 0提问于2015-07-12得票数 5
1回答
我目前正在开发一个应用程序，它可以让心理学家管理他们的时间表和预算。作为概念证明，我想创建一个智能预约服务。可能有3种情况：
I know the client, I need to guess the day and time for his next appointment
I know the day, I need to guess which client and at what time
I know nothing, I need to guess which client, which day and what time
我目前正在学习深度学习算法，只是为了获得一点理论知识，但
浏览 3提问于2017-11-01得票数 0
2回答
现在，我正在尝试创建一个带有填充号码的SMS意图。
Intent sendIntent = new Intent(Intent.ACTION_VIEW);
sendIntent.setFlags(Intent.FLAG_ACTIVITY_NEW_TASK);
sendIntent.setData(Uri.parse("smsto:"+phoneNumber));
context.startActivity(sendIntent);
setResultData(null);
这与手机的短信应用程序配合得很好，但问题是，如果安装了谷歌语音，而用户选择了这个选项，而不是普通的短信应
浏览 4提问于2011-03-22得票数 1
是否有可能有不同的行为时，玻璃器皿是通过"OK玻璃“语音命令和触摸菜单选择？特别是，如果玻璃器皿是用"OK玻璃“语音命令启动的，我们将提示语音识别，否则，如果从触摸菜单中启动，则直接转到玻璃器皿。或者，有什么方法可以让应用程序知道它是以哪种方式发布的？我们正试图模仿Google Play Music Glassware所做的。
浏览 1提问于2014-02-27得票数 2
回答已采纳
3回答
我试图实现决策树分类器来分类我的数据集。我正在使用Python。现在在scikit学习中很容易实现，但是我如何在tensorflow中实现这一点。
浏览 0提问于2018-02-20得票数 10
回答已采纳
我一直在遵循Gulli和Pal在“用Keras进行深度学习”一书中给出的例子。在第三章“使用数据增强提高CIFAR-10的性能”中，我无法复制其声明的约0.78的测试精度。事实上，我得到了这个：
Epoch 48/50
390/390 [==============================] - 946s 2s/step - loss: 1.2158 - acc: 0.5853
Epoch 49/50
390/390 [==============================] - 944s 2s/step - loss: 1.2233 - acc: 0.5845
Epoch
浏览 11提问于2018-02-24得票数 0
1回答
使用自动标点实现语音识别(语音到文本)的方法是什么？我想用它把演讲(45分钟的演讲)转换成文本，如果可能的话，动态更新视图。
我尝试过SpeechRecognizer，但它只给我没有标点符号的单词，并且在第一个单词之后停止监听。
浏览 0提问于2016-12-05得票数 5
嗨，我是机器学习领域的新手，现在我的第一个挑战是提高基于Dog图像分类的图像分类的准确性。所以我在谷歌上搜索，找到了方法，我找到了牛顿的方法。然而，它说它是巨大的，不太可能在一般情况下使用。在我的例子中，我只为7 class.so使用了大约1600张图片，我想可能(我不知道)这是可能的。
你在想什么？在我的情况下这有可能吗？
我不知道机器学习和它的算法，所以如果你能给我一些建议，那会很有帮助的。
浏览 5提问于2021-02-04得票数 1
回答已采纳
1回答
我正在尝试在一个Mac xcode项目上实现语音识别功能。我使用的是NSSpeechRecognizer类。当我使用以下代码运行项目时，我得到一个带有消息的窗口:需要0字节下载才能使用中的语音识别功能您可能需要在下载完成后退出并再次打开项目。我按下下载按钮，退出并打开项目，但没有任何变化，当我运行项目时，我得到相同的窗口，语音识别不工作。我真的很感谢任何人的帮助。提前谢谢你
-(void)awakeFromNib
{
NSArray *cmds = [NSArray arrayWithObjects:@"Sing", @"Jump", @"Roll ov
浏览 1提问于2015-02-09得票数 4
我是音频信号处理的新手，更具体地说是说话人验证。我已经训练了一个基于CNN的暹罗网络来做说话人验证。整个过程使用一个数据集进行训练，其中选择了720个人在VAD和成帧后的语音片段对进行训练。到训练结束时，该模型在训练和验证数据集上的准确率分别达到了85%和83%。在同一数据集中有15个陌生人的1000个语音片段对，该模型仍然达到了82%的准确率。然而，当使用另一个数据集中100个陌生人的10000个语音片段对进行测试时，该模型只提供了68%的准确率。
我想指出的是：
1.对于训练和测试阶段，来自两个数据集的语音片段都是干净的，没有任何噪音。
2.通过直观地判断不同数据集的语音片段的差异，训练数
浏览 2提问于2020-05-03得票数 0
3回答
我想玩一些只有数字的文本到语音的转换。我可以录制10个wav文件，但我如何以编程方式组合它们？
例如，用户键入1234，文本到语音转换将1.wav与2.wav、3.wav和4.wav组合以产生播放“一二三四”的1234.wav。
浏览 1提问于2011-12-02得票数 1
回答已采纳
1回答
我一直在使用来自UCI http://archive.ics.uci.edu/ml/datasets/adult的成人人口普查收入数据
我创建了两个不同的模型，一个是使用梯度增强分类器，另一个是使用Keras/Tensorflow的神经网络。
所以我对代码提示或什么都不感兴趣，但我有一个关于机器学习的一般性问题--我使用梯度增强分类器比使用神经网络的精度要高得多。
一般来说，我的(或任何)神经网络是否有可能达到与任何其他类型的监督学习相同的精度？是否只需要大量的努力工作和肘部的油脂就可以很好地调节神经网络？我使用相同的数据集，对神经网络和梯度增强分类器都使用相同的特征工程。
浏览 0提问于2019-04-10得票数 3
回答已采纳
1回答
我正在编写一个移动应用程序，它将使用户能够从瓶子、抽头、六包等地方扫描手工艺啤酒标签。
扫描将只对我的客户谁是酿酒者自己，所以我将访问所有的艺术作品使用他们的标签。
我关心的是训练模特。正如你所能想象的那样，酒吧的照明条件会有所不同，还有很多其他的挑战。
因为我刚开始学习机器，这个任务可行吗？考虑到在不同的酒吧/酒吧发现的各种条件，训练这种模式有多困难。
谢谢。
浏览 0提问于2018-12-03得票数 0
回答已采纳
1回答
我正在寻找一个起点的模式或方法使用。情况如下：
有9个输入的机器人：
-6个能提供距离的传感器
检测崩溃的-Sensor
左电机-The电流速度
右电机-the电流速度
输出:两个数字(或两个布尔)来控制两个马达(前进，左，右)
现在我在考虑让机器人想办法避免撞车。我将6个传感器连同一个“工作/不工作”的传感器作为数据输入到模型中，然后对模型进行训练，以确定当传感器值低于某一数字时，为了避免碰撞输入，电机需要比另一个更快。此外，我需要告诉模型，需要避免崩溃标志。
现在，作为平台，我正在考虑一个覆盆子圆周率，可能有一个天蓝色的连接，所以我可以使用任何我想要的模型。
但我要
浏览 1提问于2020-01-22得票数 1
回答已采纳
1回答
作为一名C++开发人员，想知道是否有可能开发语音UI和语音恢复软件，比如Amazon，但是使用c#语音库通过语音命令打开特定的软件？
有人能给我一些洞察力或者让我轻松吗？我使用了来自C#的C#，并编写了一个示例代码，它可以接受我的输入，但问题是它不能完全理解我的输入。
继续做下去是个好主意吗？我觉得自己完全迷路了。任何输入都会预先记录下来。
浏览 4提问于2017-09-14得票数 0
回答已采纳
1回答
我的团队正在协调一个IoT设备系统(有时会断开连接运行)。在这些设备中，我们正在构建计算机视觉功能，以进一步执行对象跟踪、多对象识别和语音拾取(STT)。
我们已经确定我们的模型需要1)在本地运行2)能够运行深度学习3)能够执行多个任务。
IoT设备的模型尺寸相当大，但我们正在检查所有选项，以确定该系统的可行性。
这是以前在TF Lite社区中出现过的问题吗？
浏览 1提问于2020-10-26得票数 0
1回答
如何以编程方式使用OSX的语音到文本工具？OSX有离线的“增强听写”，这意味着在我电脑的某个地方，所有的数据都需要转换成语音。我想从可执行文件中调用这些功能。
我已经看到一些AppleScript文件实际上是这样做的，但我无法让它们在OSX上工作。
浏览 4提问于2016-03-22得票数 2
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
我正试着制作一个闹钟Android应用程序，可以用语音识别来阻止它。为此，我使用谷歌语音识别API (+ 不断进行语音识别)。
它很好，直到我同时演奏音乐。在这种情况下，语音识别的效率要低得多。
这个问题是合乎逻辑的，因为音乐增加了一些噪音，使识别更加困难。但由于播放的音乐是已知的，我想知道是否可以告诉谷歌试图忽略这些额外的噪音。我知道在信号处理中存在一些滤波器来实现这一点(比如或)。
因此，我的问题是：是否有可能应用带有谷歌语音识别的过滤器来忽略已知的噪声？，还是有其他语音识别库允许这样做？
编辑:这不是重复，因为问题是不一样的。但是很有趣的建议。
浏览 0提问于2018-01-27得票数 4
1回答
我一直在想，为什么在为人工智能机器学习收集语音数据时，为语音数据收集前后的沉默是很重要的呢？这仅仅是为了让机器学习和理解“沉默”、“背景噪声”和实际“语音”之间的区别吗？
浏览 0提问于2019-03-01得票数 2
2回答
我正在开发一个iOS text to speech应用程序，并试图添加一个使用亚历克斯语音的选项，这是iOS 9的新功能。我需要确定用户是否已经在设置->辅助功能中下载了亚历克斯语音。我似乎不知道该怎么做。
if ([AVSpeechSynthesisVoice voiceWithIdentifier:AVSpeechSynthesisVoiceIdentifierAlex] == "Not Found" ) {
// Do something...
}
原因是其他语言的声音是标准的，以一定的速率播放，与Alex的声音不同。所以我有一个可以工作的应用程序，但是如果
浏览 7提问于2015-10-04得票数 4
我的背景
我是土木工程专业的研究生。对于道路交通数据的分析(车辆轨迹作为时间序列)，我工作的大数据集，主要是大约100万个数据点或更多。
当MS无法打开大数据文件时，我开始使用R语言。使用基本统计知识和R代码，我开发了几个算法来识别数据中的某些模式，这些模式适用于许多应用程序。但我仍然缺乏R.
现在，我熟悉基本的推断统计和R包(plyr、dplyr、ggplot2等)。最近，我认识到机器学习算法也有助于通过监督/无监督学习来定义数据中的模式，它们的应用可以提高使用交通数据预测驾驶员某些“行为”的准确性。
问题
我有统计学和R的基本知识，作为初学者，我想学习数据科学/机器学习。我知道统计学中
浏览 0提问于2014-11-05得票数 2
我是Solr的新手，正在尝试使用Solr在我们的项目中进行人员搜索。包含姓名、出生日期、性别和地址等字段的人员记录。我们尝试使用各种模糊过滤器和语音过滤器来检索个人记录，并获得了不错的结果。
对于语音算法，我们使用了Beider语音算法，它比我们目前尝试的其他算法要好得多。我想知道是否有人使用Solr非常专门的人搜索，你能分享你的经验与语音算法，你曾用于姓名匹配和任何比较研究这些。
非常感谢
浏览 3提问于2017-03-03得票数 1
2回答
类中不同数量的图像
、、、、
我正在做一个深入学习的CNN项目。数据集包含500多个类，类有不同数量的项(图像)。例如，有些类有5幅图像，有些类有10幅，有些类有20幅图像，有些类有超过20幅图像。
我可以使用这个数据集来创建CNN模型吗？
每个类中的图像数量是否应该是相同的数字？
注:我将使用VGG来训练模型。
浏览 0提问于2018-06-28得票数 3
回答已采纳
我有GDK应用程序与静态卡，并已分配菜单给它。比如“注意”。现在，我可以通过触摸当前的激活卡来激活该菜单。是否有可能用语音命令“观察”来启动菜单，而不是触摸它？如果是，怎么做？
浏览 2提问于2013-12-16得票数 2
回答已采纳
2回答
如果音频的采样率和比特深度与系统的训练数据相匹配，识别效果最好。
那么，是否有人知道Microsoft语音平台(如果这很重要的话，最新的)使用的采样率和/或位深度(和/或立体声/单声道)？如果是的话，你还记得你是从哪里得到这些信息的吗？
请注意，我使用的是MS语音平台，而不是SAPI。除非两者使用相同的训练数据，否则AFAIK就不一样了。准确地说-我用的是：
我的第一次尝试是基于页面上给出的C++代码示例。
浏览 7提问于2013-08-09得票数 0
回答已采纳
如果我正在开发一个使用TTS和语音识别的Android应用程序，那么在Ubuntu上哪个库用于相同的语音识别和语音呢？
我假设是从文本到语音，但我不确定哪个语音识别库和字典/学习/校准系统用于语音识别。
我想在Ubuntu桌面上提供这个应用程序。
以及在仿真器外测试它。
浏览 0提问于2012-09-19得票数 16
回答已采纳
谷歌语音搜索最近推出了个性化语音配置文件的新功能，语音搜索将学习你的声音，并在加班时变得更加准确。这个功能是不是只在谷歌的语音搜索应用中才有？或者它是谷歌语音输入应用程序接口的一部分，我可以在我自己的语音应用程序中使用RecognizerIntent或SpeechRecognizer类来实现？
浏览 1提问于2012-06-28得票数 1
回答已采纳
1回答
有没有什么NLP技术可以将直接的语音转换成报告的语音？
示例转换：“我正在学习NLP”一位用户说：“一位用户说他正在学习NLP。
我想过要翻译但不确定..。
谢谢!
浏览 0提问于2021-08-23得票数 0
回答已采纳
3回答
如何将音频数据输入深度学习算法？
、、、、
我是深度学习的新手，我的目标是使用GAN (生成对抗网络)来识别情感语音。我只知道图像是大多数深度学习算法的输入，比如GAN。但我很好奇，除了使用光谱图的图像作为输入之外，音频数据如何成为它的输入。另外，如果你能用外行的话解释一下，我将不胜感激。
浏览 98提问于2019-10-10得票数 2
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
2回答
我刚接触认知工具包，还在探索如何使用它。但我几乎找不到任何关于如何使用认知工具包创建应用程序的资源或视频。我希望建立类似于Cortana或siri的语音识别和导航应用程序。任何关于如何在visual studio应用程序中使用认知工具包的建议都将不胜感激。
浏览 6提问于2017-05-22得票数 1
1回答
我刚刚开始学习语音识别，我想知道从Python中训练SpeechRecognition库的一般过程是什么：
我知道基本的机器学习技巧和基本的文本分析，但我不知道如何应用这个方法来训练声音数据。(我的最终结果将类似于电话中典型的语音输入，如果您经常更改语音分析器的结果，它将“记住”用户的偏好)。
谢谢!
浏览 0提问于2015-08-06得票数 2
回答已采纳
我试图记录一个WAV音频文件使用谷歌语音文字API。除了我经常点击的一个WAV文件外，大多数文本提取都是工作的。
未处理错误{ INVALID_ARGUMENT: 3 INVALID_ARGUMENT: WAV标头表示不支持的格式。
我已经提到了
注释:语音到文本支持带有LINEAR16或MULAW编码音频的WAV文件.
两种编解码器都试过了，但还是失败了。
我试图通过soxi命令获得wav的详细信息。
>> soxi org\ hearing.WAV
Input File : 'org hearing.WAV'
Channels : 1
S
浏览 0提问于2020-07-10得票数 1
1回答
在我们的教堂里，有几个尤克伦难民来教堂做礼拜。为了让他们不了解布道，我制作了一个应用程序，实时发送翻译到电报。
我已经在本教程中实现了Google语音到文本API：。
这是很好的，但识别往往不够准确。在Google中，是否可以添加带有转录的音频文件，以便能够了解说话人的输出？我们总是同一个说话者，所以如果我能让谷歌‘了解’扬声器，我认为准确性可以更高。或者有人有另外的想法如何提高准确性？我确实尝试了语音适应性增强()，但这并没有多大帮助。
浏览 10提问于2022-05-16得票数 4
1回答
我正在努力去除背景，只留下身体与Kinect V2和c#/WPF的实时。移除背景效果很好，但是身体的边缘非常粗糙，边缘上有。
我需要实时平滑边缘(每秒30帧)。对此我将非常感谢您的建议。
我可以选择边缘(类似于Photoshop的魔术棒)。我试着使用像高斯模糊这样的东西，但对于实时应用程序来说似乎太慢了。也许我遗漏了一些东西，因为它似乎是许多应用程序的标准问题，如游戏等。谢谢！
浏览 1提问于2016-11-13得票数 1
我正在从事一个项目，其中使用谷歌语音API在iOS项目。该项目涉及语音输入，以识别许多术语，这些术语基本上是行话。Google speech API无法很好地识别这些行话的语音输入。
有没有办法训练谷歌语音应用程序接口来学习这些术语，并在移动iOS应用程序中提供语音输入时轻松识别它们？
浏览 0提问于2018-06-12得票数 0
2回答
我想开始学习中的语音识别和语音合成有人告诉我使用微软语音服务器(sdk等等)
有了这些，我该如何编写应用程序，以及使用哪种编程语言(开发环境？)？
有人使用过asterisk或SVOX吗？
我需要做的是：
语音识别语音合成
我不一定要成为一个很好的语音识别专家--我认为30 -50个单词对于一开始就足够了。我正在使用windows。
提前感谢
浏览 16提问于2010-10-07得票数 0
回答已采纳
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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
