语音识别论文笔记

python 视频剪辑软件_用Python玩转视频剪辑，秀的飞起！

1前言半个月前，后台有个小伙伴问我，如何将视频中的音频提取出来，并且将声音转成文字写入到word中，正好接下来的文章要用到百度的语音识别接口。
卜可卜言·2023-11-05 12:56

【whisper】在python中调用whisper提取字幕或翻译字幕到文本

其中有需要将视频提取字幕的需求，在我们实现过程中分为两步：先将音频分离，然后就用到了whisper来进行语音识别或者翻译。
w7h1te·2023-11-05 10:27

META-LEARNING WITH ATTENTION FOR IMPROVED FEW-SHOT LEARNING论文笔记

好久没看到这么好的论文了,这才是论文嘛~普林斯顿大学的ZejiangHou(没找到中文名可能是侯泽江?)论文主要就是在MAML的基础上添加了三个部分,一个是和L2F类似的用额外网络通过输入中间变量或梯度信息计算一个权重来动态调整模型参数达到task-specific的效果,另一个是一种特殊线性分类器构造方法用于作分类器,最后一个是在inner_loop中按无监督手段把queryset里数据视为无标
李耕_嘿嘿嘿黑龙江哈哈哈哈尔滨·2023-11-05 07:37

android 语音评价,Android 轻松实现语音识别

/**Copyright(C)2008TheAndroidOpenSourceProject**LicensedundertheApacheLicense,Version2.0(the"License");*youmaynotusethisfileexceptincompliancewiththeLicense.*YoumayobtainacopyoftheLicenseat**http://ww
Nate Hillick·2023-11-05 06:00

英语语音识别_英语 语音识别_英语语音识别软件 - 云+社区 - 腾讯云

腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式，满足不同类型开发者需求...语音识别简介腾讯云语音识别为企业提供极具性价比的语音识别服务被微信王者荣耀腾讯视频等大量内部业务使用外部落地录音质检会议实时转写法庭审讯记录语音输入法等多个场景产品文档产品视
编程大乐趣·2023-11-05 06:26

以语音评测的PC端demo代码为例，讲解口语评测如何实现

腾讯智慧教育概述腾讯云智聆口语评测（英文版）（SmartOralEvaluation-English，SOE-E）是腾讯云推出的语音评测产品，是基于英语口语类教育培训场景和腾讯云的语音处理技术，应用特征提取、声学模型和语音识别算法
腾讯云开发者·2023-11-05 06:54

英语语音识别，语言评测，语音打分实践与代码实现

项目在这：couldn/speech-evaluation-of-english详细的可查看项目内的md文档
couldn·2023-11-05 06:21

[论文笔记] SegAN: Adversarial Network with Multi-scale L1 Loss for Medical Image Segmentation

文章于2017年6月提交到Arxiv，投稿于Neuroinformatics(2018)，Publishedonline:3May2018作者单位：DepartmentofComputerScienceandEngineering,LehighUniversity文章截止2019.3.25的引用量为50文章代码见github这篇文章主要的创新点在于不同于之前的公式化loss，作者设计了一个可以进行
hellopipu·2023-11-05 05:40

AI：51-基于深度学习的电影评价

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-04 22:24

speech开源框架_iOS 10 的 Speech 框架实现语音识别 (Swift)

什么都不说先上效果早在2011年iPhone4s的上,iOS5系统就有了语音识别.但有以下缺陷需要-弹出键盘只支持实时语音无法自定义录音单一的输出结果不开放在2016年的WWDC上，Apple终于开放了语音识别
weixin_39522927·2023-11-04 21:28

Speech 框架构建语音转文本应用详解

在2016年的WWDC上，Apple介绍了一个十分有用的语音识别API，那就是Speech框架。事实上，Siri的语音识别正是由SpeechKit提供支持。
qq_32506555·2023-11-04 21:54

Scaled-YOLOv4: Scaling Cross Stage Partial Network 论文笔记

Scaled-YOLOv4:ScalingCrossStagePartialNetwork论文链接：https://arxiv.org/abs/2011.08036一、ProblemStatementCSPNet的作者用其CSPNet的方法分别从网络的深度，宽度，结构和输入图像的分辨率改善YOLOV4。二、Direction作者发现在RegNet中，CNN最优的深度为60左右，且当bottlene
Tianchao龙虾·2023-11-04 20:37

全志R528核心板和开发板

板载WIFI和BT模块，具备在线语音识别/控制和无线音频输入功能；同时提供丰富的外设接口支持，如RGB/MIPI/LVDS显示屏、RMII以太网、USB、SDIO、UART、
lu968968·2023-11-04 20:53

02:智能视频分段加速,视频延时慢放 03:智能给视频加字幕,语音识别加字幕 04:给视频去水印功能,裁剪遮挡去字幕 05:视频加水印,图片水印,漂

02:智能视频分段加速,视频延时慢放03:智能给视频加字幕,语音识别加字幕04:给视频去水印功能,裁剪遮挡去字幕www.shipinshanshan.com05:视频加水印,图片水印,漂浮水印,文字水印
视频闪闪·2023-11-04 19:39

【VSLAM系列】三：Vins-Mono论文笔记

VINs-Mono论文1.VINS-Mono的特点：1.未知初始状态的鲁棒性初始化过程2.带imu-camera外参校准和imu校准的紧耦合，基于非线性优化的单目VIO系统3.在线重定位和四个自由度的全局姿态图优化。4.姿态图可以保存，加载，并和局部姿态图进行合并。2.传感器数据处理摄像头和imu数据融合方法：1.松耦合法，imu是独立于摄像头的模块，常使用EKF算法，imu数据此时用于状态传播，
塞拉摩·2023-11-04 19:06

语音识别学习

给自己挖了个坑，一个课程论文突然让我看起了语音识别TAT1.https://blog.csdn.net/lukabruce/article/details/82380511隐马尔可夫模型（HMM）mark
桉豆子·2023-11-04 18:38

论文笔记 | TIMESNET: TEMPORAL 2D-VARIATION MODELING FOR GENERAL TIME SERIES ANALYSIS 时序数据1D-2D

文章目录一、==*ThesisKeyMessages*==二、==*KeyPoints*==2.1、==*1D-2D*==2.2、==*TimesBlock*==三、==*ArticleReflection*==1、Motivations2、解决方案的关键3、论文工作成果四、总结与讨论CSDN欲寄：https://blog.csdn.net/qq_62631255一、ThesisKeyMessag
欲寄·2023-11-04 17:26

论文笔记：TIMESNET: TEMPORAL 2D-VARIATION MODELINGFOR GENERAL TIME SERIES ANALYSIS

ICLR20231intro时间序列一般是连续记录的，每个时刻只会记录一些标量之前的很多工作着眼于时间维度的变化，以捕捉时间依赖关系——>可以反映出、提取出时间序列的很多内在特征，比如连续性、趋势、周期性等但是现实时间序列数据中的时间序列通常是由很复杂的时间特征组成，不同的时间维度上的变化会糅杂在一起，使得建模时间维度的变化异常困难在深度学习领域，很多模型有很强的建模非线性的能力，因而可以捕获时间
UQI-LIUWJ·2023-11-04 17:54

yolo v1论文笔记

yolov1参考这篇文章https://zhuanlan.zhihu.com/p/46691043摘要weframeobjectdetectionasaregressionproblemtospatiallyseparatedboundingboxesandassociatedclassprobabilities.作者将目标检测问题变成一个回归问题，包括boundingboxes的计算和目标类别的
红鲤鱼遇绿鲤鱼·2023-11-04 13:58

YOLO学习笔记之YOLO v1 论文笔记1（超详细：翻译+理解）

前言一、Abstract（概括）二、Introduction（介绍）三、UnifiedDetection（统一检测）1、NetworkDesign（网络设计）2、Training（训练）3、Inference（推论）4、LimitationsofYOLO（YOLO的局限性）前言看过很多的YOLO中文版学习笔记，干货比较多，但是，有点干，对于很多想要入门的童鞋来说，看着很难理解，一些概念晦涩难懂，一
bufengzj·2023-11-04 13:17

初学者也能看懂的隐马尔科夫模型介绍

隐马尔可夫模型（hiddenMarkovmodel，HMM）是时间序列的概率模型，常用于词性标注，语音识别，文本分析等领域。HMM是基于马尔科夫链进行标注的，我们对已经观察的数据序列O进行标
小白学视觉·2023-11-04 11:37

TensorFlow什么意思？TensorFlow是什么？

Google开源深度学习系统TensorFlow在很多地方可以应用，如语音识别，自然语言理解，计算机视觉，广告等等。
AI小菜鸡一个·2023-11-04 09:08

人工智能的应用与发展趋势

人工智能技术的应用范围广泛，包括自然语言处理、机器视觉、语音识别、智能推荐、自动驾驶、智能医疗等领域。
泰海科技志胜·2023-11-04 07:11

whisper部署与使用

Whisper的核心功能是语音识别，对应生活中可以有很多应用场景。虽然效果显著，但是其核心仅仅简单粗暴的使用了Transformer。具体细节这里不展开，可以通过阅读论文或源码的方式了解。
alberic_k·2023-11-04 07:56

AI：53-基于机器学习的字母识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-04 06:43

如何实现语音识别功能

native嵌套H5实现语音识别功能？看图说话，我采用的是mui框架所自带的功能！代码附上：语音识别语音识别：mui.min.css文件：/*!
Rkatsiteli·2023-11-04 05:36

openai-whisper

whisper[博客][论文][模型卡][Colab示例]Whisper是一种通用语音识别模型。它是在大量不同音频数据集上进行训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。
sanbaofengs·2023-11-04 05:35

开放词汇视觉定位 OV-VG: A Benchmark for Open-Vocabulary Visual Grounding 论文笔记

开放词汇视觉定位OV-VG:ABenchmarkforOpen-VocabularyVisualGrounding论文笔记一、Abstract二、Abstract三、相关工作A、视觉定位B、短语定位C、
乄洛尘·2023-11-04 04:28

观点｜我离开AI行业的5个理由

从图像识别、语音识别，到自然语言生成、内容创作、自动驾驶等，AI貌似已经无处不在，尤其是深度学习算法的出现，让AI进一步融入了人类生活。但是，如今的AI真实可信吗？
Tom Hardy·2023-11-03 21:13

CoCa论文笔记

摘要计算机视觉任务中，探索大规模预训练基础模型具有重要意义，因为这些模型可以可以极快地迁移到下游任务中。本文提出的CoCa（ContrastiveCaptioner），一个极简设计，结合对比损失和captioning损失预训练一个image-textencoder-decoder基础模型，该模型包含对比方法，如CLIP，和生成方法，如SimVLM，的学习能力。与基本的encoder-decoder
hello_dear_you·2023-11-03 18:28

探索“声音驱动唇形”技术的工作原理

语音合成技术是指将文字信息转换为人类可以理解的语音，它广泛应用于语音识别、虚拟人物的声音合成、游戏中的语音交互等领域。
小文智能·2023-11-03 16:05

酷雷曼多种AI数字人形象，打造科技感VR虚拟展厅

△AI数字人导览如你所见，像上述全景作品中这种整合了动作驱动、唇形驱动技术、智能语音识别等众多人工智能技术的可视化虚拟人物，就是我们所说的AI数字人。再说简单点，所有
酷雷曼VR全景·2023-11-03 16:34

AI：49-基于深度学习的杂草识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-03 10:34

坚持记录博客NO：1------------------＞论文笔记：深度学习

1.词汇学习paradigm：典范；样式；引申为课题hierarchical：分层的；等级体系的2.小知识扩展：百度创始人李宏彦创办的第一个研究所就是深度学习研究所3.重点知识：（1）什么是机器学习？答：机器学习机器就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测.（2）BP算法？答：BP算法是人工神经网络的反向传播算法（BackPropgation）利用B
红心柚大果·2023-11-03 02:14

AI：46-基于深度学习的垃圾邮件识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-03 02:40

【论文笔记】U-BERT: Pre-training User Representations for Improved Recommendation

原文作者：ZhaopengQiu,XianWu,JingyueGao,WeiFan原文标题：U-BERT:Pre-trainingUserRepresentationsforImprovedRecommendation原文来源：AAAI2021原文链接：https://www.aaai.org/AAAI21Papers/AAAI-2116.QiuZ.pdfU-BERT:Pre-trainingUs
BodyCsoulN·2023-11-02 22:58

RNN神经网络适用于什么,RNN神经网络基本原理

然而，样本出现的时间顺序对于自然语言处理、语音识别、手写体识别等应用非常重要。对了适应这种需求，就出现了另一种神经网络结构——循环神经网络RNN。
「已注销」·2023-11-02 21:32

AI：48-基于卷积神经网络的气象图像识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-02 16:55

AI：50-基于深度学习的柑橘类水果分类

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-02 16:55

介绍 TensorFlow 的基本概念和使用场景。

它可以用来建立深度学习模型，解决各种复杂的机器学习问题，如图像识别、语音识别、自然语言处理等。TensorFlow的基本概念是张量（Tensor），它是一个多维数组。
Stephen_CY666·2023-11-02 14:04

AI智能语音识别模块（二）——基于Arduino的语音控制MP3播放器

文章目录简介离线语音控制模块MiniMP3模块0.96寸OLED模块实验准备安装库接线定义主要程序实验效果注意事项总结简介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
优信电子·2023-11-02 10:14

神经网络与监督式学习

除了我们之前看的预测房价的例子（标准的神经网络）比如图像识别（CNN：卷积神经网络），翻译和语音识别（RNN：循环神经网络），还有自动驾驶（将CNN和RNN结合起来的更定制化的神经网络）。
Ang陈·2023-11-02 09:42

基于深度学习的水果识别 计算机竞赛

/dancheng-senior/postgraduate2开发简介深度学习作为机器学习领域内新兴并且蓬勃发展的一门学科，它不仅改变着传统的机器学习方法，也影响着我们对人类感知的理解，已经在图像识别和语音识别等领域取得广泛的
Mr.D学长·2023-11-02 09:18

一键办公：PDF转换word、OCR识别、语音识别、教学办公一应俱全

前段时间，我在编辑文档时，发现自己电脑自带的word版本太低，打开同事传送过来的文件时，发现格式错乱（比如字体乱码），图片乱飞的情况，万般无奈之下，只好找到这款工具万彩办公大师以解燃眉之急。1.下载该软件最新版压缩包。image2.打开压缩包，在date文件夹里找到后缀为exe的程序，双击运行，也可以解压到桌面运行。image3.安装之后，打开桌面图标，可以看到整个界面清新，无广告，功能介绍也很完
星愿夜读·2023-11-02 07:39

STM32智能小车（循迹、跟随、避障、测速、蓝牙、wife、4g、语音识别）总结

目录1.电机模块开发1.1让小车动起来1.2串口控制小车方向1.3如何进行小车PWM调速1.4PWM方式实现小车转向2.循迹小车2.1循迹模块使用2.2循迹小车原理2.3循迹小车核心代码2.4循迹小车解决转弯平滑问题3.跟随/避障小车3.1红外壁障模块分析编辑3.2跟随小车的原理3.3跟随小车开发和调试代码3.4超声波模块介绍3.5舵机模块介绍3.6摇头避障小车开发和调试代码4.测速小车4.1测速
罗小白的干爹·2023-11-02 06:04

论文笔记之Deep Neural Networks for YouTube Recommendations

DeepNeuralNetworksforYouTubeRecommendations文中把整个推荐过程分成两个步骤：•deepcandidategenerationmodel.即召回部分•deeprankingmodel.即精排部分文中指出YouTube推荐的三个主要挑战：•Scale.YouTube推荐的数据规模大，一些适合处理小规模数据的推荐算法效果不好。•Freshness.YouTube
小弦弦喵喵喵·2023-11-02 01:46

python语音识别库kaldi_Kaldi语音识别库在Linux下的安装和编译

1.介绍Kaldi语音识别工具将HTK比较零碎的各种各样的指令和功能进行整理集合，使用perl脚本调用。
岑依惜·2023-11-02 01:00

kaldi在linux上编译,Kaldi语音识别库linux环境下的安装和编译

介绍：Kaldi语音识别库可以说是，HTK数据库的整理加强版，将HTK比较零碎的各种各样的指令和功能进行整理，使用更加的方便，同时也加入了深度神经网络的分类器(DNN)，本身由原来做HTK开发的人员制作而成
三上酱·2023-11-02 01:30

linux编译aidl接口,ubuntu下安装kaidl实用教程

1.介绍Kaldi语音识别工具将HTK比较零碎的各种各样的指令和功能进行整理集合，使用perl脚本调用。
weixin_39779530·2023-11-02 01:30

ASRT从零搭建并测试

参考文章：从零开始搭建属于自己的语音识别API服务器（ASRT开源项目）_asrt_v0.6.1_志谦的博客-CSDN博客w我是用VM搭建使用的，用的Ubuntu20.04Server1.Server默认没有很多工具
胖多鱼·2023-11-02 01:25
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他