回答情况：
提问时间：
问题标签：
我正在研究自动语音识别系统的端到端架构。 RNN换能器(RNN-T)是一种流行的端到端方法，但训练难度大。因此，我正在寻找一个框架或工具包，它可以帮助我轻松地实现基线模型，然后根据我的意愿进行修改。 提前感谢！
浏览 23修改于2020-11-30得票数 0
0回答
liveroom有回声怎么解决？
云直播、移动直播
liveroom:我是大主播端，然后连麦小主播，大主播接受了推流语音，然后又把该语音推流给小主播和其他用户了，怎么解决的呢
浏览 273提问于2019-01-09
我试图在一个函数调用中有一个定制的演说，它利用自定义的声音和语言模型。SpeechFactory::FromSubscription我已经用自定义语言和声学数据模型
浏览 1提问于2018-07-10得票数 0
在这些设备中，我们正在构建计算机视觉功能，以进一步执行对象跟踪、多对象识别和语音拾取(STT)。这是以前在TF Lite社区中出现过的问题吗？
浏览 1提问于2020-10-26得票数 0
微软似乎提供了相当多的语音识别产品，我想知道它们之间的区别。
然后是 (或桌面SAPI)、 (或Server )和。但我猜想它们是基于HMM的旧的语音识别模型，也不是神经网络模型，这三种模型都可以脱机使用，不需要互联网连接，对吗？对于Azure语音服务
浏览 3修改于2021-05-24得票数 10
回答已采纳
遵循以下步骤
构建自定义语音服务后，使用( )示例代码测试自定义语音模型。当测试获得异常失败时，登录错误详细信息作为“传输错误”。有没有办法在windows应用程序中测试自定义语音模型？
浏览 0修改于2018-07-15得票数 0
首先，我在iOS上开发一个支持俄罗斯语音识别的应用程序。我使用的引擎是pocketspinx，它使用的是BSD许可证，所以一切都很好。我试图在我的应用程序中使用一个在GPLV2下发布的语音识别声学模型。模型来自VoxForge。一个声学模型有点像一个脚本，告诉应用程序如何运行。http://www.repository.voxforge1.org/downloads/Russian/Trunk/AcousticModels/
我的理解，
浏览 0提问于2015-11-11得票数 1
我们有一个web应用程序，它使用Three.js在浏览器中加载一个Three.js 3D模型(在MAYA中构建)。我需要添加以下内容，
我在谷歌上搜索了一下，找到了。在亚马逊苏美尔语中，我们有一个叫做苏美尔主机的特性，但它有预定义的模型。因此，我的问题是，是否有可能将TTS与语音标记集成，使用AmazonPollyfor3
浏览 1修改于2018-10-04得票数 1
我正在做一些语音到文本和文本到语音的开发，我发现应用程序接口非常有用。
这个基于的应用程序接口的原理是，它使用语言模型来映射iPhone设备收听的语音。因此，我决定寻找一个大型英语语言模型来为API语音识别器引擎提供支持。但是我不能理解OpenEars使用的voxfourge英语数据模型的格式。
浏览 4修改于2016-07-21得票数 17
回答已采纳
应用程序调用Bing语音API来识别语音。(客户端发出POST请求，服务器对每个请求调用Bing语音API )。
只有服务器调用Bing语音API。现在，在Azure仪表板上，我看到了很多对Bing语音API的调用，没有请求到我的服务器，我不知道它是谁或者什么。我重新生成了Bing语音API键，但没有帮助。必应的语音数量有限，因此它是一个大而昂贵的问题。
已超出配额：谢谢
浏览 7提问于2017-05-26得票数 0
回答已采纳
当我在Alexa中设计交互模型时，Alexa的语音识别似乎与语言模型的变化相适应。
对于Google (我在这里使用的是对话框)，任何语言模型的更改都无助于语音识别。它似乎利用谷歌的第一直觉将语音分解为文本。
浏览 1提问于2018-07-27得票数 0
我需要帮助做一个java语言的程序，这是一个语音识别程序我有一个经过训练的声学模型我想问你，我如何在我的程序中使用这个经过训练的声学模型我是语音识别平台的新手，我想在netbeans编辑器中工作，所以请给我指令来测试我的声学模型，如果我输入与model中使用的音频相同的音频，那么它应该播放model中存储的音频希望您能理解我的问题，我正在研究阿拉伯语语音到语音识别plz请尽快帮助我谢谢
浏览 6提问于2013-08-27得票数 1
可以在Voice上训练Azure模型吗？我正在处理一个呼叫中心用例，其中当客户根据描述打电话投诉时，ML模型应该能够预测和分类客户投诉 实际上，我能够训练“两类增强决策树”模型，使用特征散列技术对基于文本的投诉进行训练，但专门针对语音来训练模型will服务将接受语音输入问题描述，并应提供语音/文本输出客户投诉 我们希望用数据训练ML模型，并将其部署为web服务。THis方式当消费者呼叫有问题时，他们不需要拨打选项1,2,3而是模型</
浏览 18修改于2020-01-30得票数 0
我有一个训练有素的TF模型，其结构如下：word_a，单热表示法，语音大小：50000输出：该网络由嵌入矩阵的word_a但是，我还需要将模型分解为两个子模型，其输入和输出如下：投入：输出：
dense_word_a：由嵌入矩阵(1x100)查找的密集字嵌入word_b，单热表示法，语音大小：50 (1x
浏览 0修改于2019-06-17得票数 1
嗨，伙计们，我搜索了voicexml和google语音识别，但是我不明白google语音识别模型是否基于voicexml模型。谢谢
浏览 0提问于2015-04-20得票数 1
回答已采纳
我已经为watson创建了一个自定义转录和声学模型，并且它正确地绑定到我的语音代理，但是当语音代理通过电话连接到时，我如何确保使用它？现在它似乎只使用基础代理，而不启动自定义模型。我已经成功地创建了模型，包括文本转录和声学。两者都更新了窄带美国语言模型。使用curl，我可以在系统中看到它们，并且当我手动调用它们时，它们可以工作。当语音代理通过SIP电话连接时，我不知道如何确保它们被调用
浏览 17提问于2019-07-21得票数 0
0回答
GPT-SoV的模型，转化成bin文件格式，有偿求助？
gpt、模型、软件、语音
GPT-SoV的模型，生成的模型文件，可不可以转换成bin格式的文件，我现在使用一个AI语音克隆的软件，需要把GPT克隆好的模型.ckpt和pth文件转换.为bin的格式，或者有没有别的语音克隆软件，直接输出模型为
浏览 62修改于2025-03-31
我正在阅读上的这份指南，其中提到我需要三个项目来进行语音识别:声学模型、语言模型和语音字典。http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%
浏览 0提问于2012-12-01得票数 5
回答已采纳
谷歌云有一个WaveNet模型，在我看来，它的输出听起来比标准语音要好得多。此模型可以在对话流代理(设置>语音>文本到语音)中使用，这会导致生成的语音包含在中。
浏览 0提问于2019-03-06得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号