总第235篇 2018年 第27篇 随着数字化时代的到来，外卖市场近年来发展非常迅猛。对外卖物流系统而言，配送效率和用户体验至关重要。而实际配送过程是由配送员（骑手）最终完成的，因此，想要真正提升配送效率，不但要在智能调度系统（订单指派、路径规划、ETA）上下功夫，还要不断提升配送员的“附加”能力，让他们越送越“熟”，越送越“顺”，越送越“快”。以此为出发点，美团点评研发团队设计了骑手智能助手，全面提升骑手的各方面能力。 在 1月份的 AICon全球人工智能与机器学习技术大会上，美团点评配送人工智能方向负
李根 发自 芳草地 量子位 报道 | 公众号 QbitAI △ 出门问问创始人李志飞 “起了大早，赶了晚集？” 这是出门问问创始人李志飞推出智能音箱时的说法。此时，距离这家语音交互为核心业务的公司创立
王小新 编译整理 量子位 出品 | 公众号 QbitAI 学习人工智能相关技术该读什么书？这是量子位各个微信群中出现频率极高的问题。 今天，我们就从Dev-books搬来了一份有理有据的精选书单。 D
中国大数据应用大会的举办地并不是“常规选项”北上深，而是位于中国国家战略“一带一路”节点之上的四川成都。在过着“安逸巴适”的生活的同时，四川已经拥有了各类产业园区184个，321家世界五百强企业也已在此落户，而省内还配套出台了健康医疗大数据产业发展的政策措施，建成了一批省级健康服务产业的聚集区，现在的规模已经达到1万亿。 与四川在数据产业与人工智能上的努力相同，本次大数据峰会的主题就是“大数据，大智能，大健康”。 本届大会于7月13日至14日举行，总计呈现了八十余场精彩的嘉宾演讲及圆桌对话，前来参会的听众多
在MWC2019大会现场，PC王者也站上移动世界发布台，并在首款AR眼镜Hololens发布4年后，推出迭代款：Hololens 2。
智能机器人电话销售又叫电销机器人。电销机器人简单来说，就是帮你录制好真人话术，把你需要拨打的数据导入后台，机器人就会按照你的话术拨打给客户，然后筛选出可跟踪的意向客户直接推送到你的微信上，你这边及时跟踪就行了。
2023年11月6日，人工智能行业龙头OpenAI发布了GPT-4 Turbo模型。
作为人工智能第一股，在技术研发方面，科大讯飞一直走在前沿，尤其讯飞语音一直是这家公司的王牌业务。
小米智能音箱肩负重要使命，人们要如何面对时刻“监听”你谈话的机器
越来越多程序员也涌入大数据行业，但是仔细问一些从业人员什么是大数据?鲜有人知道?就算知道的，最常引用Victor的4V理论，大量(Volume)，快速(Velocity)，种类多(Variety)，价
五个生成式 AI 推理平台，可使用开放式 LLM，如 Llama 3、Mistral 和 Gemma。有些还支持针对视觉的模型。
AI 研习社按：人工智能当前正处于爆发阶段，语音交互作为人工智能的重要组成部分正在各行业全面的落地，在人机进行语音交互的过程中，机器需要通过耳朵实现听觉的作用。
最近，美国专利商标局 (USPTO) 一份文件显示：OpenAI 于 7 月 18 日提交了「GPT-5」的商标申请，并且已经被 USPTO Office 接收（满足最低申请要求），后续将由审查人员进一步审批。
导读：什么是大数据?最常引用Victor的4V理论，大量(Volume)，快速(Velocity)，种类多(Variety)，价值(Value)，但究竟多大是大?多快是快?几种算种类多?每个人都有自己
Gartner2021年度《Magic Quadrant for Cloud AI Developer Services》研究报告最新出炉： 腾讯云成为唯一两年连续入围的中国厂商！ 其中，腾讯云AI在“执行能力”（产品、服务、销售等）维度的位次位居国内厂商第一。 腾讯很早就开始在AI技术领域的布局和研究，并基于游戏、社交、移动支付等领域的优势地位，逐渐在计算机视觉服务、自然语言处理以及市场影响力等层面在AI开发者群体中形成了强大的技术影响力。 计算机视觉 依托腾讯优图实验室，腾讯云输出超过100
是什么支撑王小川走下去？和孩子做朋友。 昨天，搜狗的旅行翻译宝和速记翻译笔正式在京东首发。搜狗旅行翻译宝定价为1498元，搜狗速记翻译笔定价为299元。 这大概是王小川在去年10月份搜狗上市后，又一件开心的事情。他的孩子又长大了，虽然长的慢了点，但是步伐很稳健。对于搜狗，王小川展示出了柔软而坚定的母性光辉。 王小川在微博上表示，这是他和张朝阳共振的结果。搜狗旅行翻译宝也是搜狗AI战略落地的首款产品，结合了搜狗多年研发的神经网络机器翻译、语音识别、麦克风阵列、图像识别等多项技术，并支持18中语言，同时支持文
AI 研习社按：互联网影响着社会的方方面面，作为 O2O 和共享经济的代表，美团外卖经过几年高速发展，以每天配送超过千万份订单、几十万骑手的规模，成为世界上最大的配送平台。实际上，看上去劳动密集型的外卖行业，其实背后蕴藏着大数据、云计算、物联网、人工智能等高新技术，是这些高科技，使美团外卖能够在激烈竞争中逐渐脱颖而出。
11月14日，华硕联手腾讯在北京举行新产品发布会，共同发布家庭智能机器人Zenbo Qrobot（小布），它集合了华硕和腾讯两家的技术优势，内置腾讯云小微智能语音系统，可以完成家庭服务、儿童陪伴、学习辅助功能。 据了解，Zenbo Qrobot小布内含计算机视觉及人工智能技术，通过3D深度感知摄像头对人的身体和脸部进行追踪和计算，并进行处理和计算。包括超声波技术、红外技术、视觉避障等技术内置其中，让小布能够在复杂的家居环境下轻松移动智能跟随。 作为一款针对儿童使用的AI机器人，小布的程序设计功能充
人工智能行业龙头OpenAI的历史首届开发者大会揭幕。OpenAI首席执行官山姆·奥特曼在接近45分钟的开幕演讲中，向全球开发者和ChatGPT用户展示了AI龙头即将推出的一系列产品更新。
6月24日下午，钛媒体和杉数科技主办的2017 AI 大师论坛在京举行，论坛邀请了五位算法优化、机器学习领域的顶尖教授、学者出席并发表学术演讲，他们分别是斯坦福大学李国鼎工程讲座教授叶荫宇，佐治亚理工
作者 | DavidZh 当地时间 3 月 27 日，英伟达在美国圣克拉的 GTC 大会上推出多款产品。 ▌显卡扩容，史上最强的 DGX-2 发布 打头阵的是搭载英伟达 RTX（Real-Time Ray Tracing）技术的工作站显卡 Quadro GV100。 它通过并联两块 Quadro GPU 将内存扩展到了 64GB，可提供每秒 7.4 万亿次浮点运算的双精度性能，深度学习浮点运算性能每秒可达 118.5 万亿次，还支持实时的 AI 去噪。 英伟达还将 Tesla V100 的内存容量升级到
腾讯云语音识别API：腾讯云提供了一系列的语音识别API，包括语音识别、语音转换、语音唤醒等。小程序可以通过调用腾讯云提供的API来实现语音识别功能。
语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。 语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。语音识别技术车联网也得到了充分的引用，例如在翼卡车联网中，只需按一键通客服人员口述即可设置目的地直接导航，安全、便捷。
在今天我们发布的这篇文章中，作者 Sonam Srivastava 介绍了金融中的三种深度学习用例及这些模型优劣的证据。 我们跟随 Sonam Srivastava 的分析，并展望深度学习在金融领域的
语音识别是一项非常重要的技术，它可以将人类的语音转化为计算机可以理解的形式。深度学习是一种非常强大的机器学习技术，它在语音识别方面也有广泛的应用。本文将详细介绍深度学习在语音识别方面的应用。
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。
在人工智能的辉煌进程中，语音识别技术无疑占据了一个至关重要的地位。从最初的简单命令识别到今日能理解复杂语境的智能助手，语音识别技术已经深入人类生活的各个角落。它不仅改变了我们与机器交流的方式，更开启了一个全新的互动时代。
选自Awni 机器之心编译 参与：Nurhachu Null、路雪 深度学习应用到语音识别领域之后，词错率有了显著降低。但是语音识别并未达到人类水平，仍然存在多个亟待解决的问题。本文从口音、噪声、多说话人、语境、部署等多个方面介绍了语音识别中尚未解决的问题。 深度学习被应用在语音识别领域之后，词错率有了显著地降低。然而，尽管你已经读到了很多这类的论文，但是我们仍然没有实现人类水平的语音识别。语音识别器有很多失效的模式。认识到这些问题并且采取措施去解决它们则是语音识别能够取得进步的关键。这是把自动语音识别（
语音识别（Speech Recognition）技术是指将口述或语音信号转化为文本或命令的自动化过程。随着深度学习技术的快速发展，语音识别取得了长足的进步，成为人机交互、智能助理和语音控制等领域的核心技术之一。本文将详细介绍语音识别技术的发展历程，重点介绍了深度学习、端到端建模以及多模态融合等技术在语音识别领域的应用，并展望了未来的发展趋势。
对应的便是“耳”、“脑”、“口”的工作，机器要听懂人类说话，就离不开语音识别技术（ASR）。
摘要：10年之后我们还能做什么？ 根据耶鲁大学和牛津大学的研究人员对 352 位人工智能专家进行了采访，人工智能到2060 年前后有 50%的概率完全超过人类。这份研究预测在 10 年内，人工智能将会在以 下领域超过人类：翻译领域（2024），高中水平的写作（2026），驾驶卡车（2027）。 在这份报告里，我们着重分析四种人工智能技术（语音，图像，自然语言处理，机器人） 对五个行业（安防，互联网电商/广告，消费电子，汽车，医疗）的影响（图表 2）。 从技术角度来看： 语音技术成熟但应用场景有
iOS10系统是一个较有突破性的系统，其在Message，Notification等方面都开放了很多实用性的开发接口。本篇博客将主要探讨iOS10中新引入的SpeechFramework框架。有个这个框架，开发者可以十分容易的为自己的App添加语音识别功能，不需要再依赖于其他第三方的语音识别服务，并且，Apple的Siri应用的强大也证明了Apple的语音服务是足够强大的，不通过第三方，也大大增强了用户的安全性。
语音识别技术，也被称为自动语音识别Automatic Speech Recognition (ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
最近自己想接触下语音识别，经过一番了解和摸索，实现了对语音识别API的简单调用，正好写文章记录下。目前搜到的帖子里，有现成的调用百度语音API来对音频文件进行识别的；也有通过谷歌语音服务来实现了实时语音识别的。由于我这谷歌语音一直调用不成功，就将二者结合，简单实现了通过百度语音API来进行实时语音识别。
对于想进入语音识别领域的学习者来说，了解语音识别系统的一些基本概念，会有助于更快的进入这个行业的交流平台，本文对语音识别系统的一些常见概念做了整理，希望能对刚开始接触语音学习的人有所帮助。
人工智能技术中，语音识别与图像识别最先实现商业化。不过，照目前情况看来，不管是语音识别还是图像识别，C端似乎都是其商业化进程中难以触碰的一个点。 就在昨天，谷歌的社交软件Allo被爆出将在本周上线，值
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
自从2014年亚马逊发布Echo，智能音箱已成为国内科技圈最热门的风口之一。国内顶尖互联网公司悉数加入到这场智能音箱的狂欢盛宴之中，而中国智能音箱市场有望成为全球第二大市场。
随着物联网技术和智能设备技术的快速发展，人与机器的交互，不再仅依赖于鼠标和键盘，更有可能的是直接采用语音。 这其中的关键技术就是自动语音识别（Automatic Speech Recognition，ASR）。其所要完成的工作，简单地说，就是在与机器进行语音交流时，能够让机器听懂你在说什么。 但语音识别技术的发展日新月异，新的理论和方案不断出现，读者除了掌握基本原理，也亟须了解语音识别最新的前沿技术，例如加权有限状态转换器（WFST）、端到端（E2E）语音识别等。 本次博文视点学院公开课，我们特邀厦门大
⚫ 加窗：分帧后，每一帧的开始和结束都会出现间断。因此分割的帧越多，与原始信号的误差就越大， 加窗就是为了解决这个问题，使成帧后的信号变得连续，并且每一帧都会表现出周期函数的特性。
近日，阿里巴巴达摩院机器智能实验室语音识别团队，推出了新一代语音识别模型—— DFSMN，不仅被谷歌等国外巨头在论文中重点引用，更将全球语音识别准确率纪录提高至 96.04%（基于世界最大的免费语音识别数据库LibriSpeech）。
今年 2 月，中国人工智能公司出门问问联合西北工业大学推出了全球首个面向产品和工业界的端到端语音识别开源工具 ——WeNet。
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。
【导读】语音识别自半个世纪前诞生以来，一直处于不温不火的状态，直到 2009 年深度学习技术的长足发展才使得语音识别的精度大大提高，虽然还无法进行无限制领域、无限制人群的应用，但也在大多数场景中提供了一种便利高效的沟通方式。本篇文章将从技术和产业两个角度来回顾一下语音识别发展的历程和现状，并分析一些未来趋势，希望能帮助更多年轻技术人员了解语音行业，并能产生兴趣投身于这个行业。
▊《人工智能：语音识别理解与实践》 俞栋 邓力 俞凯 钱彦旻 著 电子书售价：79.5元 2020年11月出版 本书是全面且深入介绍语音识别及理解相关技术细节的专著。 与我们在2014年出版的《解析深度学习：语音识别实践》相比，《人工智能出版工程 人工智能：语音识别理解与实践》在它的基础上做了大量改写，并对内容有大幅补充，详细总结了新的语音识别算法及应用技术以及在口语对话系统研究中基于深度学习的自然语言处理技术。 本书首先概要介绍语音识别、口语理解和人机对话的基本概念与理论：接着全面深入地依次详述传统声学模
Google日前正式发布旗下云端语音识别API，支持80多种语言，也能辨识正体中文。而新版API加强了长版音频档的转录精准度，也新增支持WAV、Opus和Speex文件格式，且Google也宣称，新版
随着自然语言处理（NLP）技术的不断发展，它的应用范围逐渐扩展到了语音识别领域。语音识别是一项重要的技术，可以将人类语音转换为文本，为语音交互系统、智能助手等提供支持。本文将深入探讨NLP在语音识别中的应用，探讨其原理、技术方法以及面临的挑战。
语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
6月12日晚上，距离世界杯开幕只有两天时间，作为本届世界杯赞助商之一的vivo在上海发布重量级新机型vivoNEX。这款新机是今年2月底在MWC上展示的vivo APEX概念机的量产版，集成了不少黑科技——NEX对于vivo的价值有点像MIX对于小米的价值，大幅提升了手机品牌的科技感。
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
对象存储
实时音视频
即时通信 IM
