为音频内容添加字幕不仅对听障人士非常重要,也可以为所有观众提供便利。日常生活中,有多种情况是需要关掉声音看视频的,如你在乘坐公共交通工具、会议中、床上,或者身边孩子已熟睡时。研究表明,有字幕的视频会更有吸引力,使用户观看时长延长近40%。然…

最新声浪
查看全部 →本世纪初以来,技术在家居上的应用不断得到发展,现在家中各种电子电器产品或系统都能连上网,可以本地或远程控制,包括恒温器、相机、锁、灯、开关、传感器等等。但因缺乏全行业的连接标准,人们对哪些设备与哪个智能家居生态系统一起工作充满困惑。同时,这…
模型的训练由数据驱动,有些数据是必须要准备的。为了让机器学会将语音转换为文本,首先需要给它提供大量的例子,即语音及其对应的文本,这是原始素材,也最能反映学习目的。这些数据的符号化和结构化则需要一些人类先验知识,包括语言知识和数字信号处理相关…
对语音识别有了大体印象,或许技术流程的细节、原理仍不是太清晰,此时大可以花些时间先行将每个知识点逐一弄明白,等到面面俱到了,这才出山,并期望有了一整套理论加持便能快速地实现一个语音识别系统。这样的线性思维适合一些考试,只要把教材的知识点摸得…
语音识别的全称是自动语音识别(Automatic Speech Recognition,ASR),说得多了, 就把“自动”省去了,认为“自动”是理所当然的了。语音识别属于序列转换技术,它将语音序列转换为文本序列。大体来说,这是一次搬运,是把…
从最起初的一声巨响,到梵音天籁,到耳旁的窃窃私语,到妈妈喊我回家吃饭,总离不开声音。声音是这个世界存在并运动着的证据。 1.1大音希声 假设我们已经知道了声音是什么。 我们可以找到很多描述声音的词语,如“抑扬顿挫”、“余音绕梁”。当我们在脑…
1.AP-OLR Challenge 2020 Baseline Recipe发布 上次推送的语种比赛,baseline已经发布。 论文地址:https://arxiv.org/pdf/2006.03473; 地址:https://gith…
kaldi官方正式合并了基于HI-MIA数据集的唤醒recipe方案。此唤醒的recipe方案由北京希尔贝壳科技,西北工业大学音频语音与语言处理研究组,AISHELL Foundation合作完成。 此recipe方案基于北京希尔贝壳科技在…
近日,freewym(Yiming Wang)在kaldi的master分支合并了Wake-word detection #3467。 此前,出门问问团队在openslr上上传了数据,地址:https://www.openslr.org/8…
由中国工信出版集团,电子工业出版社,由陈果果,都家宇,那兴宇,张俊博四位同学合著的kaldi 语音识别实战这本书终于预售了。欢迎大家前去购买。地址在阅读原文里。
