你或许会说，语音识别和机器翻译——没错，传统的语音翻译通常采用语音识别和机器翻译级联的方式实现，对输入语音先进行语音识别得到文本结果，然后再基于文本进行机器翻译，这也是当前语音翻译采用的主流方法。
最近在研究语音识别方向，看了很多的语音识别的资料和文章，了解了一下语音识别的前世今生，其中包含了很多算法的演变，目前来说最流行的语音识别算法主要是依赖于深度学习的神经网络算法，其中RNN扮演了非常重要的作用，深度学习的应用真正让语音识别达到了商用级别。然后我想动手自己做一个语音识别系统，从GitHub上下载了两个流行的开源项目MASR和ASRT来进行复现，发现语音识别的效果没有写的那么好，其中如果要从零来训练自己的语言模型势必会非常耗时。
对于多数C端消费者而言，教育机器人仅仅培养编程能力是不能够满足需求的。 1996年，恽为民博士率先提出了“教育机器人”的理念。如今历时20多年，形态各异的教育机器人越来越多的走进大众的视野。而按照不同的划分标准，我们可以把教育机器人分为不同的种类。 比如以“教育内容”的不同来划分：一种是以乐高为代表的“硬件技术”派，专注于机器人本身的构造和组装；一种是“软件技术”派，偏重于机器人的教育功能，将机器人硬件与学习软件相结合，培养学习兴趣等等。而这次我们要说的是后者，按照教学方式或者说教育内容偏重的不同，后者也可
3月22日，在语音搜索媒体开放日活动上，百度宣布2015年其语音搜索需求总数增长了3倍，粘性用户则有60%的需求通过语音表达。语音搜索正在从极客用户的小众玩法，升级为大众用户的通用工具。百度副总裁王海峰在活动提到智能语音搜索的未来，能听会说，未来将要消灭键盘。语音未来会取代键盘吗？或许会。但我认为，语音的价值将远远超过键盘，它将是人和机器最核心的交互方式。 语音搜索取代键盘只是时间问题 百度认为语音会取代键盘，更多是从搜索角度来谈。 键盘在搜索中的价值主要是输入文字，在移动时代，使用智能手机进行文字输入，
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
自1962年IBM推出第一台语音识别机器以来，语音识别科学已经走了很长一段路。这已经不是什么秘密了。
新年刚过，身在老家的我就接到了这样一个电话。电话对方明显是一个对话机器人，我们在用时不到一分钟的时间里完成了下面这几轮对话：
对话式AI是一种基于自动语音识别（Automatic Speech Recognition，ASR）、文字转语音（Text To Speech，TTS）以及自然语言理解（Natural Language Understanding，NLU）等技术的复杂人工智能系统，能够人机之间实现类似于真人的交互。对话式AI系统能够识别语音和文本、识别语言习惯，并能够以适当的自然语言做出回应。
最近Bot这种虚拟机器人成为了国际新热点，但于有些人而言，它们已经做了十几年。 席卷全球的Bots风让语义识别渐渐浮出水面 长期以来，语音交互领域的公司，我们对语音识别的公司（诸如科大讯飞，云之声，思必驰）非常熟悉，但对于只专注于其背后更深一个层次的语义识别公司却知之甚少，当然这并不是我们孤陋寡闻，而是语义识别的属性决定它会更多地躲在背后干实事。 以本次在贵阳数博会发布2.0平台的小i机器人CEO袁晖的比方为例，“当用户对Siri讲一句话时，语音识别分析出这句话说的是什么，语义识别分析出这句话是什么意思。语
在构建一个复杂的语音 AI 机器人系统时，从接受自然语言命令到安全地与环境和周围的人实时交互，开发人员很容易被其复杂性吓倒。但事实上，利用开发工具，今天的语音 AI 机器人系统可以将任务执行到以前机器无法实现的水平。 国外一个开发者，将Jetson AGX Orin开发套件装到一个机器狗上，让它摇身一变，变成一款支持语音 AI 的机器人，可以自行取饮料。为了轻松添加语音 AI 技能，例如自动语音识别(ASR) 或文本转语音 (TTS)，许多开发人员在构建复杂的机器人系统时会利用更简单的低代码构建块。 让我们
一个月之前，微软发布了基于深度神经网络的文本到语音（text-to-speech，TTS）系统，并且做为 Azure 认知服务中的一项，提供面向客户的预览版本。
◆ 人机交互是指借助计算机外接硬件设备，以有效的方式实现人与计算机对话的技术。在人机交互（Human-Computer Interaction）中，人通过输入设备给机器输入相关信号，这些信号包括语音、文本、图像、触控等的一种或多种模态，机器通过输出或显示设备给人提供相关反馈信号。
【新智元导读】Nuance美国昨日官方宣布与中国人工智能机器人系统公司ROOBO达成战略合作，将其作为全球AI、Robotics以及IOT领域的服务集成商和发行商，共同将Nuance的Multi-Language ASR, TTS以及Mix NLU等服务与机器人系统整合，向全球机器人、智能硬件设备和开发者提供多语言的语音识别和NLU高级开放平台接口。 Nuance 通讯公司11月17日宣布，ROOBO 将利用 Nuance Mix NLU 开发平台提供的语音和自然语言（NLU）能力，为全球的机器人和设备开发
ChatGPT是一款基于人工智能的语言模型，它可以自动地生成文本，回答问题，完成翻译等任务。ChatGPT是由OpenAI公司开发的，使用了神经网络和深度学习技术。它可以帮助用户自动生成文本，以及模拟人类语言表达的思维模式。
智能客服机器人用于解决重复性客服问题，降低客服人员工作量和劳动强度，并且能够通过与客户的交互式多轮对话自动积累客服知识。
做个比较，当机器的“脑子”里想到了一段内容时，或者是看到了一段话时，知道哪些字应该怎么读：
CCF-腾讯犀牛鸟基金由腾讯与中国计算机学会联合发起，旨在通过搭建产学合作平台，连接产业实践问题与学术科研问题，支持海内外优秀青年学者开展与产业结合的前沿科研工作。 2018年CCF-腾讯犀牛鸟基金共涵盖机器学习、计算机视觉及模式识别、语音技术、自然语言处理、大数据技术、区块链等6个重点技术领域，涉及31项研究命题。 上一期，我们介绍了机器学习、计算机视觉与模式识别两个申报主题，这期我们将介绍语音技术专题和自然语言处理技术专题。欢迎青年学者关注了解，希望大家可以从中找到适合自己的申报命题。 三、语音技
通讯、感知与行动是现代人工智能的三个关键能力，在这里我们将根据这些能力/应用对这三个技术领域进行介绍：
以前，人们习惯于通过键盘和触控屏操控智能设备。未来三到五年，人们或许可以随时给身边智能设备、机器人下达指令，帮助订餐、订票，乃至端茶递水。过去，机器对语音识别度不高，对自然语言的语义更难以理解，阻碍了语音交互的应用。随着降噪技术、方言识别、远场识别、全双工交互、机器学习等技术的发展，使语音和语义识别理解有了大幅提升，让机器准确理解并执行人类指令成为可能。
本期谈谈 《虚拟私人助理》相关的内容。 我们先大致看下人工智能10大细分行业的典型应用： 1、深度学习／机器学习： 预测数据模型与分析数据的软件平台； 垃圾邮件检测； 金融诈骗检测； 2、自然语言处理： 语音识别； 智能客服； 智能化软件帮助系统； 智能化知识管理系统； 智能企业形象代表； 智能导游； 智能查询系统； 3、计算机视觉／图像识别： 面部识别软件； 基于内容的图片检索； 智能交通； 医疗计算机视觉和医学图像处理； 军事探测和导弹制导； 无人驾驶环境检测； 4、手势控制： 电脑手势指令系统； 游
INTERFACE 分享者：陈伟、李健涛 机器之心报道 参与：李泽南 3 月 12 日，搜狗正式在线上平台发布了「旅行翻译宝」。这款随身翻译设备结合了搜狗神经网络机器翻译、语音识别、图像识别等多项技术，不仅支持语音、图像翻译等多种翻译模式，还提供中英日韩俄德等 18 种语言互译。 在深度学习快速发展的今天，机器翻译系统的能力究竟达到了什么样的水平？机器翻译是否已经可以代替人类翻译？3 月 17 日，机器之心与搜狗共同举办的 INTERFACE 线下分享中，搜狗语音交互技术中心研发总监陈伟、搜狗 IOT 事
如今，似乎整个科技行业都因赶着“bot”热潮而异常热闹。我和我的一些联合创始人就经常会讨论一些“bot”公司的商业模式。Chirag Jog一直对机器人浪潮充满希望，而我一直很不看好 -- 特别是一些有关于B2C的机器人。当然，我们应该考虑更多类型的“机器人” 譬如：聊天机器人、语音机器人、AI助手、机器人过程自动化（RPA）、应用程序或网站中的对话代理等等。
随着人工智能技术的不断发展，语音识别技术越来越成熟，语音技术的应用也越来越广泛。智能客服是其中一个应用领域，它通过语音识别技术，将用户的语音输入转换为文本，并通过自然语言处理技术，解决用户的问题。本文将详细介绍语音识别的智能客服。
随着人工智能产品在生活中的渗透率越来越高，其中技术的发展也成为了众人关心的重点所在。作为人机自然交互的基本途径之一，近期以来，语音识别的发展不可谓不快速。 当下，诸如科大讯飞、百度等多家企业声称，其研发的语音识别技术已经达到了97%的准确率。而在日前，谷歌研究员公开表示其语音识别的错误率（将一个词语从语音转录成为文字时的错误率）自2012年以来已经降低了30%以上……纵观过去的2016年，谷歌、苹果和微软等多家科技巨头都公布了自己在语音识别上的进展和突破，而在接下来的时间里，语音识别也将是2017年的发展重
就在苹果秋季发布会的前一天，近20家中国科技企业在北京召开发布会，其中最受关注的是一年一度的“百度世界”。百度世界大会对标苹果的WWDC或Google I/O，向开发者、合作伙伴和用户传递百度在技术等方面的研究成果，因此每一年都会展出一些黑科技，2014年令外界印象最深刻的是“筷搜”，由百度CEO李彦宏亲自发布。今年李彦宏推出了名为“度秘”的秘书式机器人，并演示了一个惊艳的DEMO（DEMO看看就好，最新版手机百度已上线该功能）。这个度秘跟筷搜一样具有科技含量，不过相对于处于概念性阶段的筷搜而言，更具实用价
特定场景进行特定培训，这是打造更连贯、更自然的人机语音交互的一个解决途径。 “iPhone的市场占有率是多少？” —“目前80%。” “那华为的呢？” —“怎么都喜欢华为？” 以上是发生在镁客君与某一语音交互机器人之间的对话。 你来我往之间 那些令人“头痛”的瞬间 在日常生活中，通过语音交互技术，我们能够与机器人进行交流，比如苹果的Siri亚马逊的Alexa，或者是让机器人实时控制一些家居产品，比如智能音响；在办公时间，借助于语音交互技术，我们也能够直接口头交代语音助理一些工作，从而提升工作效率，比如微软的
CCF-腾讯犀牛鸟基金由腾讯与中国计算机学会联合发起，旨在通过搭建产学合作平台，连接产业实践问题与学术科研问题，支持海内外优秀青年学者开展与产业结合的前沿科研工作。 2018年CCF-腾讯犀牛鸟基金共涵盖机器学习、计算机视觉及模式识别、语音技术、自然语言处理、大数据技术、区块链等6个重点技术领域，涉及31项研究命题。 上一期，我们介绍了机器学习、计算机视觉与模式识别两个申报主题，这期我们将介绍语音技术专题和自然语言处理技术专题。欢迎青年学者关注了解，希望大家可以从中找到适合自己的申报命题。 三、语音技术专
日前，继在江苏卫视《最强大脑》第四季“人机大战”首轮任务跨年龄人脸识别竞赛中击败人类顶级选手后，在上周五晚上，百度的小度机器人再次在声纹识别任务上迎战名人堂选手——11岁的“听音神童”孙亦廷，双方最终以1:1打成平手。被称为“鬼才之眼”的水哥（王昱珩）宣布再度出山，将在下周的第三轮比赛中与“小度”在图像识别方面一决高下。 本轮题目规则为：从“千里眼”到“顺风耳”，节目组将第二场比赛范围划定在“听”的领域，策划出高难度选题《不能说的秘密》，由周杰伦化身出题人，从21位性别相同、年龄相仿、声线极为相似的专业合
倪捷，腾讯云高级产品经理。北京邮电大学硕士。现在腾讯云大数据与人工智能产品中心AI应用产品组担任高级产品经理，负责智能语音相关AI产品，拥有互联网、金融等行业人工智能落地的丰富经验。本文来自倪捷在“2018携程技术峰会”上的分享。
随着人工智能和机器学习技术在互联网的各个领域的广泛应用，其受攻击的可能性，以及其是否具备强抗打击能力一直是安全界一直关注的。之前关于机器学习模型攻击的探讨常常局限于对训练数据的污染。由于其模型经常趋向于封闭式的部署，该手段在真实的情况中并不实际可行。在GeekPwn2016硅谷分会场上，来自北美工业界和学术界的顶尖安全专家们针对当前流行的图形对象识别、语音识别的场景，为大家揭示了如何通过构造对抗性攻击数据，要么让其与源数据的差别细微到人类无法通过感官辨识到，要么该差别对人类感知没有本质变化，而机器学习模型可
语音识别是人工智能领域的一个重要方向，现在已逐渐发展为一个具有广阔前景的高新技术产业，许多企业在语音识别技术上潜精研思。例如，百度借助自己的人工智能生态平台，推出了智能行车助手CoDriver；科大讯飞与奇瑞等汽车制造商合作，推出了飞鱼汽车助理；搜狗与四维图新合作，推出了飞歌导航；云知声、思必驰在导航、平视显示器等车载应用方面推出了多款智能语控车载产品……在如今的语音技术市场中，大量产品被人们开发出来并运用到实处上，语音识别技术的发展前景如火如荼。
广义上来讲智能语音技术有各种各样的定义，以上是常见的一些热门的场景。语音识别，刚才罗老师也分享了部分内容。语音合成是文字变成语音，这部分我们后面会详细展开。再往后看，声纹识别，在智能车里面有很多的功能需要人的发音媒介来控制命令的时候声纹就很重要。开一个车门，车上有一个小孩，突然哭闹，下一个不合适的指令，你区别不出来这个人，对语音控制来说不合适的。或者有一些不当的操作，可以通过声纹来做，通过声音来做对人的识别和认证的过程。声纹识别其实在未来的应用场景比较热门，实际应用当中遇到大的挑战点是什么？很多其他的生物识别靠人脸或指纹这类比较稳定的特征，可是声纹不稳定，人高兴的时候，第一天晚上唱了卡拉OK，第二天声音哑了，怎么能够在变化比较明显的生物特征上做识别是一个很大的挑战。
【新智元导读】国际知名市场研究公司Research and Markets 2016年5月4日发布报告《全球及中国语音产业报告，2015-2020》的修订版本。报告认为，随着语音在智能产业的应用不断加深，全球，以及中国的语音市场在接下来的5年当中仍将维持显著地增长，到2020年，全球语音市场规模预计将达到191.7亿美元。报告数据显示，尽管领头羊Nuance仍然占据着三成的市场份额，但是已经出现明显下滑趋势，其他科技巨头谷歌、微软、苹果和科大讯飞则获得了迅速的增长，全球市场份额分别为20.7%、13.4%、
编辑导语 近日，腾讯云正式上线智能语音服务。智能语音是由腾讯微信AI团队自主研发的语音处理技术，可以满足语音识别、语音合成、声纹识别等需求。 这是继微信支付提速、微信公众号CDN加速、微信公众号安全护航等一系列动作之后，腾讯云联合微信发布的又一重大举措。腾讯云智能语音服务将以强大的垂直领域定制化服务，打造专业高效的语音大脑。 一、识别率行业领先云端+嵌入式开放 语音作为继键盘、鼠标、触屏之后人机交互的新体验，其识别技术被广泛应用在呼叫中心、网络搜索、智能终端、移动应用、人工智能等各大领域。 腾讯云平台联合微
在刚刚落幕的IWSLT（International Workshop on Spoken Language Translation）国际顶级口语机器翻译评测大赛上，中国公司搜狗，一举夺魁。
今年5月，MarTech概念创始人Scott Brinker团队发布2022年全球「Martech Map」。疫情间接推动了Martech行业的发展，入选的全球MarTech服务商数量达到9932家，相较于2011年的150家，增长率达到了惊人的6521%。
在温正棋看来，鉴于开源等原因，智能语音的核心技术已经不存在太大差别，而他们相比之下的优势更多集中在业务服务能力及闭环技术的应用层面。 前段时间，亚马逊智能音箱Echo时而抽风的怪笑声令消费者“震惊”，虽然到底是什么原因造成的，我们目前尚不清楚。不过，我们可以确定的是，语音交互已经成为了人们智能生活中不可或缺的一个因素。 选择极限元 他的初衷就是把研究转化为产品应用到市场 “我自己是中科院自动化所模式识别国家重点实验室的副研究员，就想把研究做成产品运用到市场上，这是我当初加入极限元的初衷。”极限元CEO温正
想一下未来50年或者100年，您的孙子或者孙子的孙子，是否还会花费人生中十几年甚至几十年的时间学习一门外语，甚至还学不好？
---- 新智元报道 编辑：Emil、小匀 【新智元导读】数据稀缺以及开发成本高，多语种识别和翻译被认为是机器翻译技术难以跨越的难题。但随着国际交流日益频繁，跨地域、跨文化间的无障碍沟通成为不断增长的刚性需求。近期科大讯飞表示，通过系统性创新，他们将在10年内让机器在70+语言之间实现互通。 下一个十年，人工智能会从「黑盒」变「白盒」吗？ 下一个十年，人机共存时代会真正到来吗？ 下一个十年，哪个学科又会与人工智能深入交叉，引发颠覆式的革新呢？ 人工智能核心技术的逐渐成熟推动智能产品的落地，以语
作为最专业的游戏音频引擎，Audiokinetic公司的Wwise引擎是游戏开发者进行游戏音频设计时的首选方案。游戏多媒体引擎（GME）与Wwise引擎联合开发了独家语音插件，接入过程和Wwise的音效设计过程深度融合，帮助开发者一体化实现游戏音效和语音设计和开发。此插件已上架到Wwise引擎官方网站。
作者介绍：杨剑勇 传感物联网创建人、物联网资深人士、百强科技名人，著有多篇文章被上千媒体转载，著有《物联网为何萎靡不振：不接地气》、《可穿戴设备出路：设计与科技如何完美融合》，长期关注物联网、人工智能
AI科技评论按：众所周知，卡耐基梅隆大学在计算机科学方面的研究名列前茅，而迪士尼有意将计算机科学技术引入动画制作。他们与卡耐基梅隆大学合作建立的实验室近日发表了一篇论文 A Deep Learning Approach for Generalized Speech Animation，利用深度学习的方法，来生成看起来自然的语音动画。这篇论文已被SIGGRAPH 2017收录。 他们引入了一种简单而有效的深度学习方法，来自动生成看起来自然的，能够与输入语音同步的语音动画。这种方法使用滑动窗口预测器，可以学习到
机器之心发布 字节跳动AI Lab机器翻译团队 作者：董倩倩 语言是人类社会最自然、最有效的交流方式之一，是人类文化融合和信息传播的主要工具。随着全球化与信息化时代的到来，国际间的交流以及信息传播呈现爆发式增长，让计算机理解不同语言并实现语言之间的自动翻译成为人类社会的迫切需求。 语音作为一种自然、便捷且传递信息丰富的语言承载形式，是人类与机器交互的理想方式。 道格拉斯・亚当斯在小说《银河系漫游指南》中提到过一种叫做巴别鱼的神奇生物：体型很小，靠接受脑电波为生。人们可以携带它，它从脑电波中吸收精神频率，转化
机器之心独家 作者：李亚洲 微软人工智能首席科学家、IEEE Fellow 邓力向机器之心透露，他已从微软离职，加入对冲基金公司 Citadel 担任首席人工智能官（Chief Artificial-Intelligence Officer）。 他在和机器之心确认 GMIS 2017 大会有关他信息的邮件中写道：「我最近已经离开了微软的岗位，加入了一家新的美国公司 Citadel——世界上最成功的投资公司之一。Citadel 在人工智能创新上的机遇及对增进公司在该领域领导地位的热情让我倍感振奋
2016年4月28日，由工业和信息化部指导，中国语音产业联盟主办，工业和信息化部电子科学技术情报研究所、科大讯飞股份有限公司承办的“2016中国语音产业年会暨中国语音产业高峰论坛”在北京中国科技会堂举
在windows10上运行的测试内容。 Python版本：Python3.6.2。 已经注册并添加了百度的'’语音识别'和'语音合成'应用。 已经注册并创建了图灵机器人的'机器人'。
导语：读书是一生的功课，技术人通过读书实现自我提升，学习优秀知识沉淀。腾讯TEG读书会本期特邀腾讯AI Lab语音识别中心副总监苏丹、腾讯AI医疗中心病理和治疗团队负责人韩骁、腾讯AI Lab专家研究员赵沛霖为大家带来人工智能方向好书推荐第二期。来看看技术大牛在读什么，收藏优质内容，愿本期书单助您更专业。 AI Lab语音识别中心副总监，17年加入公司，从事语音研究多年。 《Pattern Recognition and Machine Learning》 作者：Christopher M. Bi
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
