使用OpenAI的Whisper 模型进行语音识别
本文将解释用于训练的数据集的种类以及模型的训练方法，以及如何使用Whisper
人工智能：通过Python实现语音合成的案例
今天给大家介绍一下基于百度的AI语音技术SDK实现语音合成的案例，编程语言采用Python，希望对大家能有所帮助！
MS-TTS：免费微软TTS语音合成工具（一键合成导出MP3音频）
免费微软TTS语音合成工具（一键合成导出MP3音频）
从视频到音频：使用VIT进行音频分类
在本文中，我们将利用ViT - Vision Transformer的是一个Pytorch实现在音频分类数据集GTZAN数据集-音乐类型分类上训练它。
语音识别之Kaldi学习GMM-HMM
kaldi语音识别理论与实践课程学习。前面的博客介绍了语音识别的基础知识及原理。现在开始学习实战。以Kaldi框架为基础。Kaldi是一个有全套的语音识别代码的工具，由Dan Povey博士和捷克的BUT大学联合开发，最早发布于2011年，底层代码使用C++编写，接口采用shell和python，覆
人工智能：语音识别技术介绍
就是语音识别技术中的识别过程，根据输入的语音信号，然后和训练好的HMM声学模型、语言模型、发音字典建立一个搜索空间，根据搜索算法找到最合适的路径。特征提取：把要分析的信号从最原始信号提取出来，这个阶段主要是对语音的幅度标准化、频响校正、分帧、加窗、始末端点检测等预处理操作，为声学模型提供需要特征向量
ROS学习笔记17： ROS语音交互功能
到科大讯飞开放平台下载语音交互的功能包 在文件夹下执行编译命令编译，如果出现以下报错：则执行如下命令安装：，再次进行编译会出现如下警告，不必理会。2.运行语音转文字例程 在bin文件夹下会生成一个，我们运行看看这个例程。运行例程时会报错如下：解决方法是把文件复制到文件夹下： 复制完后重新运行会
基于梅尔频谱的音频信号分类识别(Pytorch)
音频信号分类识别(Pytorch)本项目将使用Pytorch，实现一个简单的的音频信号分类器，可应用于机械信号分类识别，鸟叫声信号识别等应用场景源代码：1. 项目结构2. 环境配置使用pip命令安装libsora和pyaudiopip install librosapip install pyaud
谷歌AudioLM :通过歌曲片段生成后续的音乐
AudioLM 是 Google 的新模型，能够生成与提示风格相同的音乐。该模型还能够生成复杂的声音，例如钢琴音乐或人的对话。结果是它似乎与原版没有区别，这是十分让人惊讶的。
Jetson Nano python中文语音播报数字距离 基于pyttsx3
Jetson Nano 中文语音播报
分享本周所学——人工智能语音识别模型CTC、RNN-T、LAS详解
本人是一名人工智能初学者，最近一周学了一下AI语音识别的原理和三种比较早期的语音识别的人工智能模型，就想把自己学到的这些东西都分享给大家，一方面想用浅显易懂的语言让大家对这几个模型有所了解，另一方面也想让大家能够避免我所遇到的一些问题。然后因为我也只是一名小白，所以有错误的地方还希望大佬们多多指正。
(含源码和训练数据集)在Python中使用PyTorch Lightning构建自动语音识别(ASR)模型
人工智能正在推动第四次工业革命，机器可以听、看、理解、分析，然后在超人的水平上做出明智的决定。 然而，人工智能的有效性取决于底层模型的质量。 因此，无论您是学术研究人员还是数据科学家，您都希望快速构建具有各种参数的模型，并为您的解决方案确定最有效的模型。在这篇文章中，我将介绍使用 PyTorch L
python_视频中语音识别转出文本
注意：没有“stepladder”的同学建议不要看啦1. 安装需要的包1.1 安装SpeechRecognition包pip install SpeechRecognition1.2 安装 PockSphinx包在线装总是失败，采用本地安装https://www.lfd.uci.edu/~gohlk
深度学习100例 | 第41天-卷积神经网络（CNN）：UrbanSound8K音频分类（语音识别）
🔗 运行环境：python3🚩 作者：K同学啊🥇 选自专栏：《深度学习100例》🔥 精选专栏：《新手入门深度学习》📚 推荐专栏：《Matplotlib教程》🧿 优秀专栏：《Python入门100题》🚀 我的环境：语言环境：Python3.6.5编译器：jupyter notebook
使用 Python 实现一个简单的智能聊天机器人
Python100行代码实现简单的智能聊天机器人
TensorFlow和Pytorch中的音频增强
本文将介绍TF和Pytorch这两个非常流行的深度学习框架中进行音频数据增强的方法
Python实现文字合成音频文件
Python技术哪家强？从此我是段子王！1. 创建应用2. 测试语音合成是否可用3. 工具人的觉悟——调个包，造个轮儿？4. 找段子素材合成音频（百度AI版本）5. 整个简单的——pyttsx3版本我将月亮缝入躯体，葬自我于山谷，如果那一天野花疯长，那便是我在讲最近正好有朋友找我问能不能把他的面试题
音频数据建模全流程代码示例：通过讲话人的声音进行年龄预测
从EDA、音频预处理到特征工程和数据建模的完整源代码演示
服务机器人语音对话的实现
基于语音的人机交互是服务机器人交互的最主要表现形式之一，它主要解决以语音作为信息载体，让机器人具有像人一样的“能听会说”的能力，降低使用门槛，且能够解放双手双眼的问题。所以把对话交互功能做好，是服务机器人的基础。交互功能实现步骤包括：麦克风数据采集、麦克风音频降噪和定向、功放声音回馈、关键词唤醒、语
