Speech Recognition

Представьте: вы приказываете своему умному динамику включить любимый трек в стиле синтвэйв, но вместо этого он начинает читать Достоевского на польском языке. Мы все бывали в такой ситуации, правда? Голосовые интерфейсы превратили нас в случайных полиглотов и импровизированных дирижёров электронных оркестров. Но как на самом деле работают эти цифровые слушатели под капотом? Давайте построим собственную систему с голосовым управлением, которая не будет путать «включи биты» с «проанализируй свёклу». Основные технологии, лежащие в основе голосовых интерфейсов Голосовые интерфейсы работают благодаря совокупности технологий:...

Шептание кода: как заставить машины слушать Распознавание речи кажется современным волшебством — вы говорите, а машины послушно транскрибируют ваши слова. Но вместо волшебных палочек у нас есть DeepSpeech — движок Mozilla с открытым исходным кодом для преобразования речи в текст, который превращает звуковые волны в читаемый текст. Давайте создадим систему, которая будет слушать внимательнее, чем моя собака, когда слышит, как открывают банку с лакомствами. Что внутри DeepSpeech DeepSpeech использует сквозное глубокое обучение для прямого преобразования аудио в текст, пропуская промежуточные представления, такие как фонемы....

Что такое DeepSpeech? DeepSpeech — это механизм распознавания речи с открытым исходным кодом, который произвёл фурор в сообществе машинного обучения, особенно среди тех, кто увлечён волшебством преобразования произнесённых слов в письменный текст. Разработанный Mozilla и основанный на новаторской исследовательской работе Baidu «Глубокая речь: расширение масштабов распознавания речи от начала до конца», DeepSpeech предлагает надёжный и доступный способ создания систем автоматического распознавания речи. Происхождение и философия Первоначальное предложение для DeepSpeech было простым, но революционным: создать систему распознавания речи, полностью основанную на глубоком обучении....

Магия голосовых пользовательских интерфейсов В эпоху умных домов, виртуальных помощников и всего, что работает без помощи рук, голосовые пользовательские интерфейсы (ГПУИ) стали неотъемлемой частью нашей повседневной жизни. Но задумывались ли вы когда-нибудь о том, что нужно для создания этих волшебных интерфейсов, которые понимают наши голосовые команды и реагируют на них? Давайте погрузимся в мир распознавания речи и узнаем, как создавать эти голосовые пользовательские интерфейсы. Основные компоненты ГПУИ ГПУИ — это не просто функция; это сложная система, которая опирается на несколько ключевых компонентов для бесперебойной работы....