是磁带、光盘、录音笔、手机等录音工具，还是会议、访谈、沟通、演唱等场景？是键指如飞的神奇速录师，还是方便快捷的语音转文字AI小工具？
【新智元导读】微软语音识别系统取得最新突破：微软的语音对话研究小组在Switchboard语音识别任务中，将错误率从去年的 5.9% 再一次降低到 5.1%，达到目前最先进水平。 去年，微软的语音与对话研究小组宣布在Switchboard 对话语音识别任务上达到人类水平，实现里程碑式的突破。 微软技术Fellow黄学东在微软官方博客上称，这意味着，他们创造了一种技术，可以在对话中识别词语，且与人类专业的速记员水平相当。 黄学东在博客上说：“在我们的转录系统达到5.9％的错误率之后，其他研究人员进行了自己的研
语音的基本概念 语音是一个复杂的现象。我们基本上不知道它是如何产生和被感知的。我们最基础的认识就是语音是由单词来构成的，然后每个单词是由音素来构成的。但事实与我们的理解大相径庭。语音是一个动态过程，不
语音识别源于 20 世纪 50 年代早期在贝尔实验室所做的研究。早期语音识别系统仅能识别单个讲话者以及只有约十几个单词的词汇量。现代语音识别系统已经取得了很大进步，可以识别多个讲话者，并且拥有识别多种语言的庞大词汇表。 语音识别的首要部分当然是语音。通过麦克风，语音便从物理声音被转换为电信号，然后通过模数转换器转换为数据。一旦被数字化，就可适用若干种模型，将音频转录为文本。 大多数现代语音识别系统都依赖于隐马尔可夫模型（HMM）。其工作原理为：语音信号在非常短的时间尺度上（比如 10 毫秒）可被近似为静止过程，即一个其统计特性不随时间变化的过程。 许多现代语音识别系统会在 HMM 识别之前使用神经网络，通过特征变换和降维的技术来简化语音信号。也可以使用语音活动检测器（VAD）将音频信号减少到可能仅包含语音的部分。 幸运的是，对于 Python 使用者而言，一些语音识别服务可通过 API 在线使用，且其中大部分也提供了 Python SDK。
作者 | Rina Diane Caballar 译者 | Sambodhi 策划 | 刘燕 在程序员群体中，有这样一群特殊的群体 — 盲人程序员。盲人程序员依靠屏幕阅读器、盲文显示器等帮助编写代码。而对于那些患有手部疾病的程序员来说，他们没法用键盘，该怎么编程呢？ 从语音到代码：当今有两种领先的语言编程平台，它们提供了不同的方式来向计算机“朗诵”代码。其中一个叫做 Serenade，有点像数字助理：它允许你描述你正在编写代码的指令，而不要求你必须逐字逐句地口述每条指令；另一个叫做 Talon，它提供了对每
【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。
昨日，百度语音能力引擎论坛在北京召开。在论坛上，百度展示了其在语音技术上的最新成果，并公开了语音专用终端芯片——百度鸿鹄的落地情况。此外，机器之心也采访了百度语音首席架构师贾磊。百度通过本次发布说明，深度学习端到端技术依然大有发展空间，软件驱动专用芯片设计成 AI 落地新打法。
作为人工智能领域的一个重要方向，语音识别近年来在深度学习（Deep Learning）的推动下取得了重大的突破，为人机语音交互应用的开发奠定了技术基础。语音识别技术演进及实现方法、效果，既是语音识别从业者需要系统掌握的知识，也是智能化应用开发者应当了解的内容。日前，微软研究院首席研究员、《解析深度学习-语音识别实践》第一作者俞栋接受CSDN专访，深入解析了基于深度学习的语音识别的最新技术方向，和微软团队的实践心得，并对微软开源的深度学习工具CNTK的迭代思路做了介绍。 俞栋介绍了deep CNN、LFMMI
前言：本文作者@焦糖玛奇朵，是我们“AI产品经理大本营”早期成员，下面是她分享的第1篇文章，欢迎更多有兴趣“主动输出”的朋友们一起加入、共同进步：） 📷 音频由公众号“闪电配音”提供 媒体和AI巨头们乐于给大众描绘一幅幅精彩的未来生活蓝图：人工智能可以化身为你的爱车，在沙漠、森林或小巷中风驰电掣；可以是智慧公正的交警，控制红绿灯、缓解交通的拥挤；还可以是给人以贴心照顾的小助理，熟悉你生活中的每一处小怪癖。 在看到这些美妙的畅想之后，作为一个严谨认真的AI产品经理，我不禁想去探索上述美好未来的实现路径；今天，
自主性是人类正常生活的精髓，目前已经有很多辅助设备帮助有肢体残疾的人实现着一点。但大部分设备的使用都需要用户有一定的上肢力量，例如，要求用户按下手持式遥控器上的按钮。这就使得手无力的人无法使用此类设备
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
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）。
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
可用于开发人工智能项目的程序编程语言列表，包括Python，POP-11，C ++，MATLAB，Java，Lisp和Wolfram语言。在本文中，你会了解Java程序编程如何与人工智能配合使用。
AI 科技评论按：语音到文字的转换是语音研究领域的重要课题。自引入神经网络的方法以来，语音识别正确率有了长足的进展，也为苹果 Siri、亚马逊 Echo、科大讯飞语音输入法等等实际产品提供了生长的土壤。面对算法识别总还是比人类要差一些的现状，微软刚刚发布一篇博文公布了自己的最新成果，达到人类水平已经不是梦想。AI 科技评论编译如下。 2016年，微软语音和对话研究团队对外公布了一则里程碑性的消息，他们在 Switchboard 数据库的对话语音识别任务中达到了人类的一致性水平，这意味着他们的系统识别对话中文
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
在众多生物识别技术中，除了早已使用多年的指纹识别、虹膜识别，近期兴起的人脸识别技术被用于公司打卡、软件系统登录、家庭或公共场所的安防等多个场景，而语音识别技术的用途更是广泛，机器人、智能家居产品、无人车等等。 随着相关算法的精进，以上生物识别技术的准确率已经可以与人类相媲美。而在这些识别技术愈加成熟之时，越来越多的人将目光放在另外一种生物识别技术上——声纹识别。 什么是声纹识别技术？ 声纹识别，也称作说话人识别，是一种通过声音判别说话人身份的技术。人在讲话时使用的发声器官舌、牙齿、喉头、肺、鼻腔在尺寸和形态
【新智元导读】 现在的AI发展到什么水平了？我们总说“超越人类水平”，有没有一个量化的标准，来让我们理性的认识AI发展水平，刺破火热AI的迷雾？电子前沿基金会 EFF正在致力于这一方向研究。从近期微软宣布语音识别错误率降至5.1%，与人类水平相当谈起，这篇文章将介绍目前AI领域最为知名的发展水平衡量标准，涉及计算机视觉、文本理解、语音识别、翻译、游戏等多个方向。包括ImageNet、CIFAR-10、COCO等多个近年来受到广泛关注的数据集以及取得最好成绩的模型的介绍。 微软上周宣布，在语音转文字上，他们的
“人工智能前沿讲习班”（AIDL）由中国人工智能学会主办，旨在短时间内集中学习某一领域的基础理论、最新进展和落地方向，并促进产、学、研相关从业人员的相互交流。对于硕士、博士、青年教师、企事业单位相关从业者、预期转行AI领域的爱好者均具有重要的意义。2018年AIDL活动正在筹备，敬请关注公众号获取最新消息。
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：
1 产品介绍 YIYA是一个语音助手，根据用户输入语音内容，进行对应的操作或返回对应的结果，比如询问天气，返回所在地的天气结果。目前使用在微桌面及TOS手表中。 1 语音识别测试介绍 1.1 人工测试 语音测试，先要识别准确， 在这条路上，测试尝试了各种各样的方法； 1. 建立一套可行完善的评测方法，输出各种评测报告，从客户端语音输入开始，到出现识别结果整个过程有很多节点可以进行专项测试； Ø VAD（语音端点检测）监测灵敏度评测: 可以从录音识别准确性、不同机器的灵敏度上来验证VAD是否达到预期； Ø
随着科学技术的发展和社会的需要，移动机器人技术得到了迅速发展，正在渗透到各行各业中，使人们的生活更加便利。现今以单片机为核心的移动机器人存在处理数据量有限、控制系统速度低、人机交互机制单一等缺点，不能满足机器人多任务的要求。系统中增加协处理器的系统结构也得到了广泛应用，虽然可以管理多种传感器，但这种结构却增加了硬件的冗余度和复杂度，见参考文献。为此，提出了以嵌入式处理器S3C2440为核心的多任务机器人控制系统。 1 控制系统硬件设计 控制系统选用两轮独立驱动小车为移动式机器人平台，后轮为一个尼龙万向轮
大数据文摘作品 记者：谭婧 如果说PC时代的搜索引擎成就了谷歌，造就了这家当今世界最大的数据公司，那么随着智能产品的普及，谁先用现象级产品掌握了语音的入口，谁就将成为AI时代的赢家。 而在今天，没有哪个入口能比得上月活用户即将达到10亿的微信。 亚马逊Amazon Echo、苹果Apple HomePod、谷歌Google Home “语音转换文字对（微信）用户来讲是很刚需的场景。”微信智聆技术团队告诉大数据文摘记者。确实，相比用“手”和“眼睛”，以及其他以手机和电脑为媒介的操作，“语言”无疑是人类最自
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。
像这种顶尖赛事，保证音、画质的低延迟本就应该是各大平台的“基本操作”，哪怕一点额外的延迟都是绝对不能忍的。
搜狗公司CEO王小川在2016年最后一期《一站到底》结束时为大家留下的悬念：“我会让搜狗的机器人来替我‘报仇’的!” 依约，王小川“派来”的搜狗问答机器人汪仔登陆了新年全新改版《一站到底》。在人类获胜
1 新智元推荐1 来源：微软研究院AI头条 【新智元导读】继 9月13日微软将对话语音识别错误率降至6.3%的记录后，前天再次宣布进一步将错误率降至 5.9%，首次达成与专业速记员持平且优于绝大多数人的表现。该成功归功于他们采用了一种神经语言模型，该模型在空间中被表现为连续的向量，计算机能通过该模型得知比如“fast”和“quick”是具有紧密联系的近义词。 一个月前，2016年9月14日，微软的对话语音识别技术在产业标准Switchboard语音识别基准测试中实现了词错率（word error rate
【新智元导读】 微软语音识别研究团队在黄学东的带领下，去年将语音识别的单词错误率降至5.9%，又在最近降至5.1%。在本次专访中，我们讨论了语音识别错误率百分之几的小数点在研究和实际应用上的意义。黄学东认为，从研究角度来说，这个意义十分重大，即便是0.1%的差距，无论是运算量还是时间，耗费都是巨大的。 达到人类水平，超越人类水平，人工智能研究领域的突破性进展。 以上赞誉被给予了微软最近的语音识别研究成果：其语音识别研究团队在黄学东的带领下，去年将语音识别的单词错误率降至5.9%，又在最近降至5.1%。 从研
随着互联网时代的进步，智能产品逐渐配备了更加多元化的功能应用、更加丰富的内容资源,用户在使用语音相关的功能时，越来越多的需求需要向智能产品用户提供更便捷的操作体验，语音转换成文本，语音识别是人工智能领域极为重要的前沿技术，实现快速、高效、准确的语音识别及控制，实现智能行业内全新的便捷操作模式。
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
去百度 DuerOS (度秘)面人工智能（有些噱头成分）产品岗。 HR 说要面试到年后，断断续续要面试一个月，加上三个月实习要到5月份才能实习完。 又要负责黑客马拉松举办，不如等到暑假实习。 目测实习要鸽。 语音交互界面（Voice User Interface，VUI）、手势、动作、表情交互，甚至脑机接口，都属于自然用户界面（NUI）。 一.DuerOS 相关 ---- DuerOS 是一个对话式人工智能操作系统，为相关语音交互设备提供一个解决方案，类似于最佳实践。 一开始还是以为 TO C ，
近日，阿里达摩院机器智能实验室开源了新一代语音识别模型DFSMN，基于世界最大的免费语音识别数据库LibriSpeech，该模型将全球语音识别准确率纪录提高至96.04%。
Skype前几天推出了实时语音翻译的预览版，让用户可以跨越语言的障碍畅快交流。今天我们就来聊聊微软是如何做到这一点的。 Skype 的翻译系统主要分三步：首先，把你的实时语音转换成文字；然后，再把文字翻译成另一种语言的文字；最后，把文字转换成语音。其中，识别实时语音并转换成文字一直是最棘手的部分。 图像处理和语音识别是深度学习发展的两个主要方向。近几年来，由于深度学习的进步，语音识别依靠深度神经网络（deep neural networks）也取得了不少进展。神经网络在八十年代就已出现，但真正开始焕发光芒
【新智元导读】微软语音识别技术24年老将黄学东近日被评为“微软全球技术院士”，成功摘下这一微软技术的“桂冠”。 黄学东于1993年加入微软。1995年，黄学东最终把洪小文也拉入微软。黄学东还曾在Bing工作，一直跟随沈向洋博士。接受新智元的专访时，他谈到了去年微软对话语音识别词错率低至5.9%背后的故事。 同时，黄学东认为语音识别的下一个大难关是语义理解，目前看来最有希望的路线是 LSTM + Attention。 黄学东，微软语音识别技术 24 年老将，IEEE/ACM 双科院士，微软深度学习工具包CNT
2012 年，在深度学习技术的帮助下，语音识别研究有了极大进展，很多产品开始采用这项技术，如谷歌的语音搜索。这也开启了该领域的变革：之后每一年都会出现进一步提高语音识别质量的新架构，如深度神经网络、循环神经网络、长短期记忆网络、卷积神经网络等等。然而，延迟仍然是重中之重：自动语音助手对请求能够提供快速及时的反应，会让人感觉更有帮助。
AI科技评论按：距离苹果Siri的推出已经快6年了，期间很多智能手机厂商也纷纷将语音助手列为卖点之一，但是其使用率一直不高，究其原因，还是语音助手的功能有限。不过随着深度学习带来的技术进展，以及亚马逊
继推出维吾尔语、粤语识别，近期，捷通华声联合中国民族语文翻译局，推出藏、彝、蒙、朝鲜语语音识别技术，为藏族、彝族、蒙古族、朝鲜族同胞的日常办公、沟通交流提供语音识别服务。 民族语言识别 为企事业单位办公、民众交流提供便利 灵云语音识别技术，已广泛应用于国内的企事业单位会议、公检法、医疗等领域。 通过应用灵云藏、彝、蒙、朝鲜语语音识别技术，少数民族企事业单位可以应用语音识别技术，识别日常工作会议发言，快速生成会议记录;地区公安、检察、法院等政法机构可以应用语音识别来转写办案过程中的讯问发言，快速生成办案笔录;
在人工智能产业中，应用层是一个极大的部分，是人工智能技术最终的目的地。除了机器人、无人机和无人驾驶等硬件产品之外，人工智能的软件应用在单独商业化的同时，也在为这些硬件产品提供服务，像智能家居的语音控制
作者 | 陈孝良 责编 | 胡永波 目前来看，语音识别的精度和速度比较取决于实际应用环境，在安静环境、标准口音、常见词汇上的语音识别率已经超过95%，完全达到了可用状态，这也是当前语音识别比较火热的原因。 随着技术的发展，现在口音、方言、噪声等场景下的语音识别也达到了可用状态，但是对于强噪声、超远场、强干扰、多语种、大词汇等场景下的语音识别还需要很大的提升。当然，多人语音识别和离线语音识别也是当前需要重点解决的问题。 学术界探讨了很多语音识别的技术趋势，有两个思路是非常值得关注的，一个是就是端到端的语音识别
大数据文摘作品 大数据文摘记者 刘涵 魏子敏 “自然语言技术的未来，其关键点是“自然”两个字。” 11月最后一天，思必驰联合创始人、首席科学家俞凯博士在清华x-lab主办的人工智能研习社第七课上，如此评价自然语言处理，并与现场听众一起畅想了这一潜力巨大的技术将走向哪里。 图：11月30日，思必驰联合创始人俞凯在清华做了题为《认知型口语对话智能》的讲座。 刘涵 摄 在这场题为《认知型口语对话智能》的讲座上，俞凯认为认知交互面临的最主要的挑战一定不是语音，因为从语音识别的角度上来说，问题明确，只要专门向这个领
如果你是一名前端工程师且维护着多个网站，不妨试试本周榜上有名的 HTML-first 的 Qwik，提升网站访问速度只用一招。除了提升网站加载速度的 Qwik，本周周榜上榜的 Whisper 也是一个神器，可用来快速识别语音输入输出。当然，还有好用的短链接生成工具 Dub 帮你挣脱 Bitly 的“魔爪”，顺便分析一波短链接的访问数据。还有帮你管理日常大小事务的日程安排工具 cal.com 提升时间利用率，以及 git 专属终端让你提交的速度比别人更快一筹。
众所周知，现在国内主流的音频视频传播平台非常多，每个平台都有非常多的用户，每天都会上传无数的音频内容和视频内容，而国家目前对于用户自动上传的内容有非常严格的审核要求，这也导致许多主流网站的审核压力特别大，因为网站一旦涉及传播一些违法内容，不仅会对用户造成影响，还有可能给网站带来损失。人工审核费时费力，而且无法应对海量的内容，所以现在很多网站使用人工智能审核视音频。人工智能审核视音频有什么好处呢？
https://itunes.apple.com/cn/app/id1243368435
AI（Artificial Intelligence）就是人工智能，它是研究人的智能的，并且进行模拟和延伸的新兴科学技术。
语音识别调研报告 一、语音识别：(Automatic Speech Recognition,ASR) - 应用：语音识别是为了让计算机理解自然语言。 - 中文语音识别的关键点：1.句到词的分解，词到音节的分解；2.语音的模糊性，如多音字问题；3.词在不同语境中不同；4.环境噪声的印象。 - 处理的核心步骤： - - 1. 音频处理：消除噪声，让信号更能反映语音的本质特征。 - - 2. 声学特征提取：MFCC、Mel等 - - 3. 建立声学模型和语言模型：语音识别由这两种模型组成。 二、语音识
AI 科技评论按：近日，Facebook 人工智能研究院 ( FAIR ) 宣布开源首个全卷积语音识别工具包 wav2letter++。系统基于全卷积方法进行语音识别，训练语音识别端到端神经网络的速度是其他框架的 2 倍多。他们在博客中对此次开源进行了详细介绍。
据新加坡《联合早报》5 月 28 日报道，欧盟计划研发可上战场杀敌的人工智能机械人，让人类可避免直接杀人，同时争取在军力上摆脱对美国的依赖。
本文对中科院宗成庆、张家俊团队完成、被 AAAI-20 录用的口头报告论文《Synchronous Speech Recognition and Speech-to-Text Translation with Interactive Decoding》进行解读。
允中 假装发自 绿地中心 量子位 报道 | 公众号 QbitAI 罗振宇：有没有人认为罗永浩是一个外行？ 罗永浩：第一代硬件发布会的时候，有人说你懂个屁手机。我不懂人工智能，人家问，我就聊了。有人就说
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
云直播
