Алгоритмы распознавания речи

Студия Samplab выпустила бесплатный одноимённый плагин, позволяющий изменять отдельные ноты в любых аудиофайлах. По словам разработчиков, инструмент работает на основе алгоритмов искусственного интеллекта, позволяющих точно определять ноты в полифонических аудио, и свободно изменять их высоту.

Улучшенная стратегия обучения нейронных сетей позволила IBM значительно увеличить эффективность средства преобразования речи в текст. Сервис работает на восьми языках и предоставляет рекордно высокую скорость обработки телефонных разговоров.

Опубликован выпуск развиваемого компанией Mozilla движка распознавания речи DeepSpeech 0.9, реализующего одноимённую архитектуру распознавания речи, предложенную исследователями из компании Baidu. Реализация написана на языке Python с использованием платформы машинного обучения TensorFlow и распространяется под свободной лицензией MPL 2.0.

От расшифровки голосовых сообщений до модерации — Большое интервью с директором по исследованиям в области искусственного интеллекта «ВКонтакте»

8 сентября прошел вебинар НТР и HITs TSU о нейронных сетях "Распознавание речи на мобильных устройствах".

Докладчик: Николай Шмырев, CEO, АЦ Технологии

Модуль для распознавания русской речи на Python в режиме оффлайн, без интернета

https://github.com/solkogan/vosktest

При решении задач, связанных с распознаванием (Speech-To-Text) и генерацией (Text-To-Speech) речи важно, чтобы транскрипт соответствовал тому, что произнёс говорящий — то есть реально устной речи. Это означает, что прежде чем письменная речь станет нашим транскриптом, её нужно нормализовать.

Предыдущая часть: Часть 1

1- Введение в распознавание образов

Лекция является введением в теорию распознавания образов. В ней раскрываются вопросы параметризации, нормализации, классификации и т.д.

2- Введение в распознавание речи

Сегодня мы будем эксплуатировать чужие облака.

FAIR опубликовали самый крупный датасет для распознавания речи. Libri-light содержит 60 тысяч часов неразмеченной речи на английском языке. 

Преобразование Фурье – одно из базовых понятий в обработке сигналов и анализе данных. Но что оно означает? Геометрическая интерпретация.

Возьмём классическую задачу – работу со звуком. Теперь добавим конкретики.

Это туториал по использованию библиотеки pocketsphinx на Python. Надеюсь он поможет вам
побыстрее разобраться с этой библиотекой и не наступать на мои грабли.

giphy.com

Федор Беломоев из Санкт-Петербурга изобрел устройство, которое заменяет слепоглухим людям слух и голос.

Из статьи вы узнаете, что такое глубинное обучение. Также статья содержит множество ресурсов, которые вы сможете использовать для освоения этой области.

Издание Harvard Business Review опубликовало колонку создателя подразделения Google Brain и основателя сервиса онлайн-обучения Coursera Эндрю Ына о том, на что способны и не способны современные технологии искусственного интеллекта. Редакция vc.ru публикует адаптированный перевод материала.

Microsoft / Youtube

Компания Microsoft усовершенствовала систему распознавания устной речи, работа которой основана на использовании нейросетей. Теперь система делает меньше ошибок, чем профессиональный специалист по набору текста. Статья ученых, описывающая программу, выложена на сервере препринтов ArXiv.

Введение в распознавание образов

1. Введение в распознавание образов

Лекция является введением в теорию распознавания образов. В ней раскрываются вопросы параметризации, нормализации, классификации и т.д.

2. Введение в распознавание речи