1. Deepspeech各个版本（https://github.com/PaddlePaddle/DeepSpeech） (1) DeepSpeech V1 其中百度研究团队于2014年底发布了第一代深度语音识别系统 Deep Speech 的研究论文，系统采用了端对端的深度学习技术，也就是说，系统不需要人工设计组件对噪声、混响或扬声器波动进行建模，而是直接从语料中
转载
2023-08-11 17:08:01
155阅读
百度智能云文档链接 : https://cloud.baidu.com/doc/SPEECH/index.html1.百度语音合成概念: 顾名思义,就是将你输入的文字合成语音,例如:from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '16027154'
API_KEY = '5a8u0aLf2SxRGRMX3jbZ2VH
随着短视频的写作越来越受欢迎，各种品牌的宣传也从电视屏幕转向了新闻媒体软件。任何自媒体账号都可以接收广告配音。你想成为一名广告配音员吗？想知道广告配音语音制作软件哪个好？那我给大家推荐几款！软件一：悦音配音推荐指数★★★★☆推荐理由：无需自己发声，内置百种拟人音色类型。它是一款提供一站式服务的专业配音软件。它的功能多样、操作简便，能够实现文字与语音的快速转换，它拥有百多位拟人主播可以任意挑选，且
CONLP自己开发的一个自然语言处理java库，大多数算法由我自己实现。 项目地址：https://github.com/colin0000007/CONLPCONLP v2.0更新注意:由于GitHub单个文件限制100m，所以部分模型的文件我放到了网盘中,https://pan.baidu.com/s/1QYz5CariADx4jRIbPiRiDg1.前言很不幸的是这个项目基本算是停止了，当初
开源语音识别软件
2009-02-24 9:47
开源语音识别软件simon的第一个测试版已经发布，simon用Julius作实际的语音识别处理引擎，HTK toolkit作为主要的语言模型。这些组件被一个易于使用的图形用户界面连接在一起。simon能够直接输入wiktionary（维基百科的子项目）词典，或者是将个人文本转换成HADIFIX或HTK格式和文法结构后导入。它还提
转载
2023-12-28 16:10:16
27阅读
参考： 略删改。语音合成跟语音识别，自然语音理解，作为人机交互的基础模块，加上对话管理器，形成人机语音对话系统。语音合成原理语音合成（Text to Speech，TTS）是指将文本通过一系列的信号处理转换为“人造”语音（声学波形）。与简单的录音播放不同，机器进行语音合成时，往往并没有这些文本的人声录音，而是通过音节拼接与参数调整来生成尽可能接近人声的合成语音。语音合成一般会经过文本与韵律分析、声
一些实用的NLP开源项目1. 综合型开源工具（1）Natural Language Toolkit (NLTK)
NLTK是用于构建Python程序以处理人类语言数据的领先平台。它为超过50个语料库和词汇资源(如WordNet)提供了易于使用的接口，以及一套用于分类、标记化、词干、标记、解析和语义推理的文本处理库，用于工业强度NLP库的包装器，以及一个活跃的讨论论坛。由于介绍了编程基础知识
转载
2023-05-26 01:53:35
479阅读
大家好，我是对白。在本文中，我列出了当今最常用的 NLP 库，并对其进行简要说明。它们在不同的用例中都有特定的优势和劣势，因此它们都可以作为专门从事 NLP 的优秀数据科学家备选方案。每个库的描述都是从它们的 GitHub 中提取的。NLP库以下是顶级库的列表，排序方式是在GitHub上的星数倒序。 1. Hugging Face Transformers57.1k
1.funNLP地址: https://github.com/fighting41love/funNLP涉及内容包括： 中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、手机号抽取、名字推断性别、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典、词汇情感值、停用词、反动词表、暴恐词表、繁简体转换、英文模拟中文发音、汪峰歌词生成器、职业名称词库、同义词库、反义词库
转载
2023-12-28 14:28:31
57阅读
一、豆瓣多轮对话数据集1、简介：测试数据包含 1000 个对话上下文，对于每个上下文，创建 10 个响应作为候选。正确的响应意味着响应可以自然地回复给定上下文的消息。每对收到三个标签，大多数标签被视为最终决定。2、数据格式：标签 \t 对话话语（由 \t 分割）\t 响应3、下载https://github.com/MarkWuNLP/MultiTurnResponseSelection二、KdC
转载
2023-09-11 16:49:13
379阅读
概述近几年由于AI的迅速发展，语音相关的自然语言处理NLP项目也变多了，新的技术也越来越成熟，其中TTS（语音生成）和ASR（语音识别）是NLP中非常重要的环节。 今天我们介绍一个开源的ASR项目vosk，以及vosk的简单应用方法。 Vosk是开源的语音识别工具包。Vosk支持的事情包括： 1. 支持十九种语言 - 中文，英语，印度英语，德语，法语，西班牙语，
1、什么是自然语言处理？自然语言处理（natrual language processing简称nlp）是指计算机理解和生成自然语言的过程。自然语言处理是一个极大的范畴，从自然语言的形式来看，不管是语音还是文本都是自然语言的范畴，但是我们常说的nlp通常是指文本处理，语音的处理我们往往单独拿出来，当做语音处理这个专门的方向来研究。从文本的自然语言处理来看，他通常处理的输入可以是一句话，也可以是一段
转载
2023-08-04 15:31:45
55阅读
整理 | AI 科技大本营（ID:rgznai100）自然语言处理（NLP）被誉为 AI 皇冠上的明珠，传统 NLP 模型制作复杂，耗时耗力，且用途单一，难以复用。预训练语言模型是 NLP 领域的研究热点之一，“预训练+精调”已成为NLP任务的新范式，当前预训练语言模型正在改变局面，有望让语言 AI 走向入可规模化复制的工业时代。今日，阿里巴巴达摩院正式开源预训练语言模型体系 Alice
转载
2023-07-26 14:09:51
193阅读
1、背景 随着 BERT、Megatron、GPT-3 等预训练模型在 NLP 领域获得前瞻的成果，许多多团队也进入超大规模训练中，使得训练模型从亿级别发展到了千亿甚至万亿的规模。首先，模型参数量过大使得训练和推理速度过慢且部署成本极高；其次在很多实际场景中数据量不足的问题仍然制约着大模型在小样本场景中的
转载
2024-01-02 22:10:04
88阅读
前言随着BERT、ERNIE、XLNet等预训练模型的流行，解决NLP问题时不用上预训练模型似乎总显得自己有点过时。但是这显然是不对的。众所周知，无论训练还是推理，预训练模型都会消耗大量的算力，且高度依赖GPU计算资源。然而，有很多的NLP问题实际上仅仅靠字典+规则就可以做到够用，那么这时候强行上笨重的模型无异于高射炮打蚊子，性价比是非常低的。于是小夕就从一个比较疯狂的github repo里为大
转载
2023-12-06 23:41:09
123阅读
语音识别技术简述语音识别的概念语音识别技术都是让智能设备能够听懂人类语言，其实一门涉及数学信号处理、人工智能、语言学、数理统计学、声学、情感学及心理学等多学科交叉的学科。这项技术可以提供比如自动客服、自动语音翻译、命令控制，语音验证码等多项应用。近年来，随着人工智能的兴起，语音识别技术在理论和应用方面都取得大突破，开始从实验室走向市场，已逐渐走进我们的日常生活。现在语音识别己用于许多领域，主要包括
转载
2023-11-12 15:24:33
39阅读
Apache OpenNLP库是一个基于机器学习的自然语言文本处理的开发工具包，它支持自然语言处理中一些共有的任务，例如：标记化、句子分割、词性标注、固有实体提取（指在句子中辨认出专有名词，例如：人名）、浅层分析（句字分块）、语法分析及指代。http://opennlp.apache.org/index.html FudanNLP主要是为中文自然语言处理而开发的工具包，也包含
转载
2023-05-28 15:18:18
175阅读
摘录一1.单模调优：基于PaddleNLP通过预训练模型roberta-wwm-ext-large的微调及基本调参达到单模最高分数为89.22236。确定的较优模型参数为：batch_size = 300，max_seq_length = 48，epochs = 4，seed = 1024；优化器上选择AdamW优化器，learning_rate = 4e-5，weight_decay = 0.0
噪声问题一直是语音识别的一个老大难的问题，在理想的实验室的环境下，识别效果已经非常好了，之前听很多音频算法工程师抱怨，在给识别做降噪时，经常发现WER不降反升，降低了识别率，有点莫名其妙，又无处下手。 刚好，前段时间调到了AIlab部门，有机会接触这块，改善语音识别的噪声问题，虽然在此之前，询问过同行业的朋友，单通道近场下，基本没有太大作用，有时反而起到反作用，但是自己还是想亲身实践一下，至
转载
2023-07-13 21:04:52
45阅读
nlp领域里，语义理解仍然是难题！ 给你一篇文章或者一个句子，人们在理解这些句子时，头脑中会进行上下文的搜索和知识联想。通常情况下，人在理解语义时头脑中会搜寻与之相关的知识。知识图谱的创始人人为，构成这个世界的是实体，而不是字符串，这从根本上改变了过去搜索的体系。语义理解其实是基于知识，概念和这些概念间的关系。人们在解答问题时，往往会讲述与这个问题相关的知识，这是语义理解的过程。这种机制完全
转载
2023-09-02 22:19:13
131阅读
