AI智能语音识别模块（二）——基于Arduino的语音控制MP3播放器
在前面一篇文章里我们对AI智能语音识别模块进行了介绍，并对离线语音模组下载固件的过程进行了一个简单描述，不知道大家还记不记得，这篇文章也是鸽了好久，，本文将用这个语音控制模块结合前面介绍的DFPlayer Mini MP3模块来做一个有趣的应用，在上一期文章中，我们只是简单的做了一个只用语音控制模块
如何使用 Rask AI 进行视频本地化
Rask AI 提供多种功能，你可以根据需要选择。总体而言，Rask AI 是一个强大的视频本地化工具，可以帮助你将视频翻译成多种语言。该服务易于使用，并提供多种功能，可以满足你的不同需求。Rask AI 是一个强大的视频本地化工具，可以帮助你将视频翻译成多种语言。该服务易于使用，并提供多种功能，可
听懂未来：AI语音识别技术的进步与实战
本文全面探索了语音识别技术，从其历史起源、关键技术发展到广泛的实际应用案例，揭示了这一领域的快速进步和深远影响。文章深入分析了语音识别在日常生活及各行业中的变革作用，展望了其未来发展趋势。
音频特征提取
它表示音频信号频谱的复杂程度或不确定性，可以用于识别音频中的不同声音，例如不同乐器的音色。谱熵特征通常与其他特征（如MFCC、零交叉率、能量、谱滚降点和谱通量）结合使用，以提高音频处理任务的性能。色度特征通常与其他特征（如MFCC、零交叉率、能量、谱滚降点、谱通量和谱熵）结合使用，以提高音频处理任务
数字人系列一：10分钟打造AI对话数字人（平台提供数字人和问答库）
Motionverse是一款面向开发者的业务中台，利用AI技术，提供多模态实时驱动虚拟数字人的解决方案。它通过SDK和管理后台，解决产品和终端的虚拟数字人驱动问题。在元宇宙世界中，Motionverse能满足大量虚拟数字人的动作表情需求，通过各种输入情况，智能实时生成所需的动作表情和口型。作为中台产
Spectron: 谷歌的新模型将语音识别与语言模型结合进行端到端的训练
Spectron是谷歌Research和Verily AI开发的新的模型。与传统的语言模型不同，Spectron直接处理频谱图作为输入和输出。该模型消除归纳偏差，增强表征保真度，提高音频生成质量。
CTC-Loss
CTC-Loss
基于达摩院modelscope语音模型， 实现20句话声音克隆合成
基于达摩院modelscope语音模型， 实现20句话声音克隆合成
AI 语音 - 人物音色训练
太多坑了，一不小心就会栽进去的，这东西没办法高谈阔论的，必须事必躬亲，不过一般完整走一遍流程基本就掌握了，我现在还没有那么想熟悉代码，gpu 碎片回收机制，代码优化还有很多可以做的，不过这次倒不急，及也急不来的。对于学习人工智能的小朋友们，虽说研究生阶段一般实验室会配备算力设备并且可以报销，但是自己
智能文字识别技术——AI赋能古彝文保护
合合信息前期在甲骨文、金文中所作的研究，让古彝文识别成为一件“水到渠成”的事情。此次合合信息与上海大学联合开启的“贵州古彝文图像识别及数字化校对项目”校企合作，将填补当前国内外研究的空白，也将成为合合信息智能文字识别技术赋能小语种保护及古文化传承的重要里程碑事件。未来，合合信息还将重点关注自然语言处
【人工智能】大模型之编码器基础知识
序列数据输入：编码器接收输入序列数据，并将其存储在内存中。自注意力机制：编码器使用自注意力机制来提取序列中的信息，以使模型能够更好地理解序列中的不同部分。编码器输出：编码器通过将输入序列和其对应的输出向量相减来实现对序列数据的预测。编码器是神经网络中的一个重要组件，它的主要作用是将输入序列数据编码成
让照片开口讲话，让视频人物对口型
一张图片，一个音频，让照片开口说话，让视频中的人物对口型。
【ResNet18】on IEMOCAP—语音情感识别（预处理篇）
具体就是：IEMOCAP有10个人，1/2/3/4/5/6/7/8-th person做训练集（80%），9/10-th做测试集（20%）；1/2/3/4/5/6/9/10-th person做训练集（80%），7/8-th做测试集（20%）；1/2/3/4/7/8/9/10-th person做训
Python 实现语音转文本
Python可以使用多种方式来实现语音转文本，下面介绍其中两种。
whisper 语音识别AI 声音To文字
是一个由 OpenAI 训练并开源的，功能是语音识别,能把转换为,在英语语音识别方面的稳健性和准确性接近人类水平。1、Whisper支持语音转录和翻译两项功能并接受各种语音格式，模型中、英、法、德、意、日等主流语言上取得85%以上的准确率，完全符合工业准确率标准，未来有望打开商业化空间；2、Whis
真实免费易用！推荐一款AI文本转语音工具：一点红语音合成
推荐一款体积小，免安装，易用，而且免费无广告的文本转语音软件
【通信原理】通信系统概念、组成、分类、度量的分析与研究
在当今信息高速发展的信息化社会，信息和通信已经成为现代社会的关键存在，通信技术对人们的生活方式和社会发展产生了重大影响。本文将从通信系统概念、组成、分类、度量几个方面来展开学习。本文将从通信系统概念、组成、分类、度量几个方面来介绍了一下通信系统的基本知识，对通信系统有了一个的了解，知道如何去度量详细
原神人物语音包AI合成
分享一个原神人物语音包AI合成的网站，可以自行输入文字合成想要人物的语音~
百度飞桨paddlespeech实现小程序实时语音流识别
启动小程序后不要用电脑的麦克直接测试，因为小程序录音接口不支持PC。可以采用微信小程序真机调试 （手机网络在wifi局域网中），用手机去测试录音识别即可达到视频中的效果。哈哈，这是我2023年4月份的公司作业。如果仅仅是简单的语音识别倒也没什么难度，wav文件直接走模型输出结果的事。注意：如果nlp
跟着我学习 AI丨初识 AI
人工智能（AI）是一种模拟人类思维和行为的计算机技术，通过学习、推理和自我修正等方式，使机器能够模拟人类智能，并具有一定的自主决策能力。AI 可以被用于解决各种难题，如自动化、机器人、自动驾驶、语音识别、图像识别、人脸识别、翻译、医疗保健、金融和证券业、游戏、农业和制造业等等。
