ASR 极简之述

最新推荐文章于 2025-07-27 19:21:47 发布
最新推荐文章于 2025-07-27 19:21:47 发布
阅读量567 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： ASR
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39011425/article/details/109486497

ASR极简之述

注意：这里的语言模型和声乐模型都是ASR特有的，不是所有的语言模型和声学模型都是这个功能

  1. 传统 （有状态和音素）

    1. 编码
      • 声学模型识别状态 (DNN，需要用GMM进行对齐（对齐文本标签和音频））
    • 解码（WFST）：
      • 语言模型(HMM) + 选择路径算法(Viterbi) （状态to音素）
      • 字典 （音素to文字）
        • 包含：G2P（grapheme-to-phoneme）单元：处理集外词（out of vocabulary，OOV）

  2. 纯端到端 （不再需要状态、音素或者声韵母）

    1. DNN + CTC loss 直接输出文本 beam search （集成了简单版本的语言模型）
自动语音识别（ASR）：研究综述【传统语音识别：基于贝叶斯公式，对联合概率P(X|W)·P(W)进行建模（语音识别结果=声学模型×语言模型）】【端到端语音识别：直接对条件概率 P(W|X)进行建模 】
u013250861的博客
03-09 7730
一、传统语音识别基本原理（基于贝叶斯公式） 设一段语音信号经过特征提取得到特征向量序列为 X=[x1, x2, …, xN], 其中 xi 是一帧的特征向量, i=1, 2, …,N, N 为特征向量的数目. 该段语音对应的文本序列设为 W=[w1, w2, …, wM], 其中 wi 为基本组成单元, 如音素、单词、字符, i=1, 2, …, M, M 为文本序列的维度. 从贝叶斯角度, 语音识别的目标就是从所有可能产生特征向量X的文本序列中找到概率最大的W*, 可以用公式表示为式 (1) 优化问题:
AI原生应用领域与自然语言处理的深度融合
AI天才研究院
07-06 951
你有没有想过，为什么现在的AI应用越来越“懂你”？以前用手机App，我们得按按钮、点菜单，像教一个“笨学生”做事；现在对着智能音箱说“明天8点提醒我开会”，它立刻就能记下；给AI代码助手发一句“帮我写个Python函数计算斐波那契数列”，几秒钟就能拿到可用的代码。这背后，是“AI原生应用”与“自然语言处理”的深度结合在悄悄改变一切。搞懂AI原生应用到底是什么（它和我们以前用的App有啥不一样？明白自然语言处理（NLP）为什么是AI原生应用的“灵魂”（没有NLP，AI原生应用会变成“哑巴”吗？学会。
自动语音识别（ASR）研究综述
kuxingseng123的博客
01-10 6558
慢慢的降语音识别，全部都研究透彻。研究彻底都行啦的理由与打算。
ASR和TTS技术简单总结
qq_28576837的博客
05-15 1410
近年来，语音技术在人工智能领域的发展极为迅速，语音识别（ASR）和文本转语音（TTS）作为两项重要的核心技术，被广泛应用于智能助手、客户服务系统、翻译设备以及教育平台等多个领域。这两种技术各自解决了语音交互中的不同问题，共同助力于实现自然、流畅的人机对话。
【语音识别】自动语音识别（ASR）研究综述
qq_33934427的博客
07-04 7656
自动语音识别（ASR）综述
自动语音识别（ASR）自监督方法研究综述
Paper weekly
09-14 3334
©作者|蔡杰单位|北京大学硕士生研究方向|QA语音 AI 作为人工智能的应用技术之一，近年来正逐渐从实验室研究，越来越多地走向实际应用和价值创造的新阶段。其中的 ASR（Auto...
基础课4——语音识别技术ASR
2202_75469062的博客
10-17 1953
ASR 是自动语音识别（Automatic Speech Recognition）的缩写，是一种将人类语音转换为文本的技术。ASR 系统可以处理实时音频流或已录制的音频文件，并将其转换为文本。它是一种自然语言处理技术，广泛应用于许多领域，包括电话语音助手、语音转文本、语音搜索等。
某电商平台的元宇宙营销增长：AI架构设计中的私域流量运营
最新发布
AI天才研究院
07-27 787
元宇宙营销是指在“持久的、共享的、三维虚拟世界”中，通过沉浸式体验、数字资产、社交互动实现品牌与用户连接的营销范式。空间沉浸性：用户通过VR/AR设备进入三维虚拟空间，获得“在场感”（如虚拟商场的货架高度、灯光氛围与线下一致）。身份数字化：每个用户拥有独立的虚拟形象（Avatar），可自定义外观、服饰、动作，形象数据成为用户身份的延伸。行为多模态：用户行为数据涵盖空间坐标（如在虚拟鞋店的行走轨迹）、生物特征（如佩戴VR设备时的眼球转动角度）、社交互动（如与其他用户的虚拟击掌）等非结构化数据。
目标检测语音输入
03-22
RepVGG 是一种极简架构，在训练阶段采用复杂的多分支结构而在推理阶段将其转换为单路径卷积网络，从而显著提高运行效率[^3]。 #### 语音输入技术简介 语音输入涉及自然语言处理(NLP)技术和自动语音识别(ASR)系统。...
2024年最值得关注的10大语音识别技术趋势
AGI×大数据，开启智能时代的认知跃迁；解码AGI，赋能数据驱动的智能革命。
07-04 650
想象一下：早上被智能闹钟用你家乡的方言叫醒，开车时语音助手准确识别你带口音的导航指令，和外国朋友聊天时手机实时把你的普通话翻译成对方的母语……这些场景的背后，都是语音识别技术在默默工作。本文的目的，就是带大家看清2024年语音识别技术会朝哪些方向发展，这些发展又会给我们的生活、工作带来哪些变化。我们会从技术原理、实际应用到未来挑战，全面拆解10大核心趋势。文章先从“什么是语音识别”讲起，帮大家打好基础；然后重点介绍2024年的10大技术趋势，每个趋势都用生活例子、技术原理、应用场景三步讲透；
雷朋 Meta 眼镜视觉识别功能开放测试；Ultravox 新版语音模型 ：语音理解超 GPT-4o 和 Gemini
声网的博客
02-12 822
我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。素材来源官方媒体/网络新闻。
asr_SDK.rar
08-07
调用科大讯飞的语音听写SDK以及web API，使用`python`实现实时录音与语音转换文字
asr综述：入门论文
stephen147的博客
07-02 546
通过包括 SFT → 上下文 SFT → RL 的阶段性训练流程，我们得到了 Seed-ASR (CN) 模型。在上述综合评估集上，我们观察到 Seed-ASR (CN) 模型在不同训练阶段具备了某些能力的提升。这里，我们提供了每个阶段效果的详细消融研究，结果如表 9 所示。首先，引入 RL 阶段带来了大多数评估集的改进，如多领域、多源视频、多方言、难案例和代码切换。在口音测试集上的轻微退化可能是由于训练数据比例的问题。
ASR自动语音识别技术
热门推荐
语音博客知识
07-24 4万+
自动语音识别技术（Automatic Speech Recognition）是一种将人的语音转换为文本的技术。语音识别是一个多学科交叉的领域，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性，语音识别系统只能在一定的限制条件下获得满意的性能，或者说只能应用于某些特定的场合。语音识别系统的性能大致取决于以下4类因素：1. 识别词汇
自动语音识别（ASR）技术详解
DengCaixiang2021的博客
03-26 6739
自动语音识别技术经过多年的发展，已经从早期简陋的模板匹配系统演进为今天复杂而精巧的深度学习模型。在原理层面，ASR将声音信号转为文本所涉及的每一步都凝聚了大量研究者的智慧；在应用层面，ASR正悄然改变着人机交互的方式，让语音成为与计算机交流的自然手段。展望未来，ASR研究仍在继续：如何让机器听懂更多语言、在嘈杂人群中分辨每个声音、用更少的数据学会新语种，以及更贴近地模仿人类听觉的鲁棒性。这些挑战伴随着机遇——随着大模型和自监督学习的兴起，我们离“机器像人一样听懂语言”已经越来越近。
ASR-LLM-TTS：一款集语音识别、对话理解与语音合成于一体的AI交互工具
gitblog_01198的博客
04-08 1171
ASR-LLM-TTS：一款集语音识别、对话理解与语音合成于一体的AI交互工具 项目介绍 ASR-LLM-TTS是一款开源的AI交互项目，它集成了语音识别（ASR）、大型语言模型对话理解（LLM）和语音合成（TTS）功能。项目基于Python环境，利用深度学习技术，实现了从语音到文本、再到语音的完整转换过程，提供了实时、智能的人机交互体验。 项目技术分析 ASR-LLM-TTS项目采用了一系列前沿...
简话A S R （持续更新）
一碗白开水一
09-26 1405
概要 语音预处理 不管是进行什么参数分析以及采用什么分析方法，都需要一些预先的处理，如语音信号的数字化、语音信号的端点检测、预加重、加窗和分帧等，这些也是不可忽视的语音信号分析的关键技术。贯穿于语音分析全过程的是“短时分析技术”。 语音识别中的端点检测（VAD） 语音活动端点检测（VAD）已经是一个古老的话题，用于分离信号中语音信号和非语音信号，首先我们讲述VAD的三种做法：1，通过分帧，判断一帧...
语音识别（ASR）基础介绍第四篇——当今流行做法与CTC-阿里云开发者社区
q6q6q的专栏
10-27 2094
本篇开始，就进入到了asr当前的流行做法。 这里单独提到了CTC算法。 这个算法对当前asr使用deep learning的方法有重大影响。总体感觉，写到本篇，工作量反而变得很小。因为进入deep learning时代后，神经网络模型基本都是那么几种，已经不再需要挨个详细介绍。而且看图就能理解的很明白。 所以本篇后半部分基本就是贴图了。。:D一、CTC在CTC之前，训练语料要配合上一篇中提到的方...
【AI语音基础】ASR基本知识
AI_Gump的博客
04-28 9033
带入上面公式，S表示将Hyp转化为Ref时发生的替换数量，D表示将Hyp转化为Ref时发生的替换数量，I代表将Hypo转化为Ref时发生的插入数量，N代表Ref句子中总的字数或者英文单词数。定义：为了使识别出来的词序列和标准的词序列之间保持一致，需要进行替换、删除或者插入某些词，这些插入、替换或删除的词的总个数，除以标准的词序列中词的总个数的百分比，即为WER。因为英文语句中句子的最小单位是单词，而中文语句中的最小单位是汉字，因此在中文语音转文本任务或中文语音识别任务中使用。
ASR6501芯片开发文档全集发布
ASR芯片是一种广泛应用在通信、物联网、智能家居等领域的专用集成电路（ASIC），也称为应用特定集成电路。在通信领域，ASR芯片能够提供高速、高效的数据处理能力，以支持设备与设备之间的通信。ASR6501作为该系列...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值