创建百度Ai认识AI语音领域名词 4-2

最新推荐文章于 2023-06-29 08:56:27 发布
最新推荐文章于 2023-06-29 08:56:27 发布
阅读量566 收藏
点赞数
分类专栏： kotlin Android AI语音项目 文章标签： 语音识别 android android studio
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_16555461/article/details/113848437
版权

TTS/发音

ASR/语义识别

WakeUp/唤醒

百度AI/https://ai.baidu.com/

1.在线语音合成Andriod SDK

简介

本文档是百度在线语音合成Andriod SDK的用户指南（无离线合成功能，需要离线合成请使用离线合成SDK）。

在线合成SDK下载

在线语音合成SDK的策略是边下载边播放。区别于Rest Api一次性下载整个录音文件。

语言

目前只有中英文混合这一种语言，优先中文发音。

示例：

  • ” I bought 3 books” 发音 “three”;
  • “我们买了 3 books” 发音“三”

标注发音

该功能适用于多音字或特殊名词的发音设置，仅在线合成适用。

如： 重(chong2)报集团, “重”发音 chong第二声

在线和离线判别

在线合成SDK仅支持纯在线模式，如需使用离线模式请选使用离线合成sdk

纯在线模式 ： WIFI 4G 3G 2G 都会尝试连接百度服务器。如果百度服务器失败，那么合成失败。

建议使用场景： 使用WIFI或者网络稳定的场所场景中，若存在网络信号不稳定(频繁断网）的情况，您可以使用百度提供的离线合成sdk。

发音

在线时支持9种发音

  • 普通音库：普通女声 普通男声 特别男声 情感男声<度逍遥> 情感儿童声<度丫丫>
  • 精品音库： 度小宇 度小美 度逍遥 度丫丫

合成效果

通过对PARAM_SPEAKER（发音人）、PARAM_PITCH（音调）、PARAM_VOLUME（音量）和PARAM_SPEED（语速）参数的调整，可以获得不同的发声效果，更好满足您业务场景中的播报需求。 如音调越高，声音听起来会显得越年轻。

合成和播放

synthesize 方法直接合成。不播放。 开发者可以通过onSynthesizeDataArrived 获取音频数据，自行处理。

speak 方法先合成为音频，之后立即播放。等同调用 synthesize方法，再调用系统播放器。

在SDK内部中有队列，可以不断调用synthesize或者speak方法，将合成的文本添加到队列中。

其它事项

  1. 每次合成的文本不超过120 GBK字节，即60个汉字或者字母数字。
  2. 合成的耗时同文本长度成正比。对合成速度敏感的话，请自行按照标点切分成短句。
  3. 多音字可以通过标注自行定义发音。格式如：重(chong2)报集团。

2.语音唤醒

概述

语音唤醒是打包在语音识别离在线融合SDK（Android/iOS）中的子功能。

名词解释

唤醒词： 唤醒词即识别“关键词”。唤醒词是本地功能，正常使用时无需联网。唤醒词共分为2大类，预定义唤醒词和自定义唤醒词

预定义唤醒词 预定义唤醒词是指已经确认语音唤醒效果的词汇，在唤醒词评估工具中均可导出，目前，已经支持的唤醒词有：

  1. 相机类：拍照、茄子
  2. 音乐类：增大音量、减小音量、播放、停止、暂停、上一首、下一首
  3. 电灯类：打开电灯、关闭电灯、增大亮度、减小亮度
  4. 手电筒类：打开手电筒、关闭手电筒

自定义唤醒词 在 http://ai.baidu.com/tech/speech/wake 页面进行唤醒词评估，自定义唤醒词可支持导出4星、5星的唤醒词

使用步骤

唤醒使用步骤如下：

  1. SDK下载：选择下载语音识别 [离在线融合SDK（Android/iOS）]，测试DEMO中的唤醒词功能
  2. 唤醒词导出：在 [语音唤醒]页面下载唤醒词WakeUp.bin文件，详见下方唤醒词下载
  3. 唤醒词使用：替换DEMO中的同名文件，详见下方唤醒词在SDK中的使用

3.短语音识别极速版

产品概述

将60秒以内的完整音频文件识别为文字，专有GPU服务集群，识别响应速度较标准版API提升2倍及识别准确率提升15%。适用于近场短语音交互，如手机语音搜索、聊天输入等场景。 支持上传完整的录音文件，录音文件时长不超过60秒。实时返回识别结果

产品价格

短语音识别极速版支持按调用量后付费及次数包。按用量后付费按每月累计调用量阶梯计价。次数包为预付费，一年内有效，价格更优惠。详情见产品定价文档

语音识别模型

百度短语音极速版提供极速版输入法模型1个模型（暂时不支持其他方言及英语）。识别速度更快，识别效果更好。支持智能标点，可以识别简单的常用英语语句。

可通过设置dev_pid参数选择模型。点击查看详细参数

语音识别模型自训练

如果您在应用语音识别能力时，有行业专有名词，如金融、医疗、餐饮、地产、制造等行业术语，无法准确识别。推荐使用语音自训练平台，可以上传词汇和长文本进行模型训练，以及根据业务发展迭代不断训练。

平台使用手册

调用短语音识别极速版API，添加训练模型ID即可生效。

调用流程

  1. 鉴权认证：使用appKey secretKey 访问 https://openapi.baidu.com 换取 token ，详细见[鉴权认证机制]
  2. 确认请求方式：选择一种HTTP POST 请求格式，参见下一节 请求方式
  3. 填写参数：详细见 参数说明

适用范围及demo下载

任意操作系统，任意编程语言，只要可以对百度语音服务器发起http请求的，均可以使用本接口。

示例Demo代码见： https://github.com/Baidu-AIP/speech-demo

浏览器由于无法跨域请求百度语音服务器的域名，因此无法直接使用本接口。需从服务器端发起调用。

语音识别极速版调用地址：https://vop.baidu.com/pro_api

语音格式

格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）、m4a（压缩格式，仅支持极速版模型，m4a格式输入适用于微信小程序的录音文件，详见格式说明）。推荐pcm 采样率 ：16000 固定值。 编码：16bit 位深的单声道。

百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr、m4a会有额外的转换耗时。

音频文件格式转换可以使用音频软件进行。批量音频格式转换，可使用开源ffmpeg格式转换工具文档【点击查看音频文件转码工具文档】。

超过60秒音频可使用VAD切分工具进行切分。【点击查看VAD切分工具文档】

小程序m4a格式设置

  • 参数format改为m4a
  1. 仅支持单声道
  2. 采样率仅支持16000
  3. CBR bitrates 24000-96000，推荐48000
  4. 仅支持AAC-LC， 不支持 例如HE-AAC ，LD，ELD等
  5. brand 仅支持 mp42:0, mini Version 0 ,不支持 M4A

微信小程序录音参数，请重点关注并设置以下必填字段：

属性类型默认值必填说明
durationnumber60000否百度语音restapi最大支持 60s，即这个值不能超过60000
sampleRatenumber16000是必须设为 16000
numberOfChannelsnumber1是比如设为1，单声道
encodeBitRatenumber48000否默认值即可，建议48000，可设为24000-96000。该值越大的话，生成文件越大
formatstringaac否默认值即可，只支持aac，不支持mp3
    

 

5.创建ai应用

 

 

 

 

 

 

 

IT 傻白甜
关注
专栏目录
【AI】NVIDIA CUDA-X AI名词解释
郭老二
04-20 499
NVIDIA CUDA-X AI是一套完整的深度学习软件官网：https://developer.nvidia.com/deep-learning-softwarehttps://github.com/NVIDIA：NVIDIA产品、演示、示例、入门教程。
人工智能-基础篇04篇-人工智能中名词LLM、NLP和GLM介绍
最新发布
GIS摆渡人
10-12 1290
这些任务的目标是使计算机能够理解和处理自然语言，从而实现更智能的应用，如智能助手、智能翻译、智能客服等。随着深度学习和大数据的发展，NLP在各个领域的应用越来越广泛，对人们的生活和工作产生了重要影响。NLP是研究和应用自然语言的学科，其中包括了对语言模型的研究和应用。在人工智能的研究和应用中，出现了许多重要的概念和技术，其中包括LLM、NLP和GLM。根据具体的问题和数据类型，选择合适的分析方法非常重要。而GLM则是一种统计模型，可以用于分析和预测因变量与自变量之间的关系，为人工智能中的各种任务提供支持。
基于Python+百度语音识别API开发语音识别控制系统
云度
12-09 2512
前言： 这篇文章主要介绍了通过Python+百度语音识别API实现开发语音识别控制系统，能利用语音识别识别说出来的文字，根据文字的内容来控制图形移动，感兴趣的朋友可以关注一下。 利用语音识别识别说出来的文字，根据文字的内容来控制图形移动，例如说向上，识别出文字后，画布上的图形就会向上移动。本文使用的是百度识别API（因为免费），流程图如下： 基于Python+百度语音识别API创建语音识别控制系统 直接开始程序设计，首先登录百度云，创建应用： 基于Pyth...
Python实现语音识别（基于百度语音识别）
qq_36973838的博客
12-26 2万+
我是一名16级电子信息工程的学生，这是第一次发博客，因为经常在这里查资料 ，自己也应该贡献一点经验吧，也可以当是记录自己学习的过程吧。 最近在自学Python def LuYin(Time,filename): CHUNK = 1024 #wav文件是由若干个CHUNK组成的，CHUNK我们就理解成数据包或者数据片段。 FORMAT = pyaudio.p...
使用百度API实现语音转文字
住在明天的春天
02-29 7537
1.在百度云创建一个语音产品 百度云 在->产品->人工智能->语音技术(选择任何一个创建一个功能包) 也可参考百度开发者教程 创建完成之后你将在你的全局，产品服务中看到自己的语音技术 其中包括 应用名称 AppID API Key Secret Key 还有创建时间····· 其中AppId、API Key、Secret Key都很关键这是，在后面接入百度API的凭证，我将在...
Python调用百度API实现语音识别
qq_15821487的博客
07-29 5546
Python调用百度API实现语音识别（一）前言上篇文章介绍了下如何用 Python 剪辑视频，想回顾的同学可以拉到文章最下面，有历史链接。有了上篇文章野狼disco的音频，今天就来带大家玩一下百度的API，如何借用百度 API 的语音识别功能，将我们的音频转为文字。最终落地到 word 中。当然，转为文字后，也为之前语音机器人做了铺垫，转换的文字可以写入到程序中，后续机器人朗读声音而用。百度 API 官网准备工作搜索开放能力 -> 语音技术 -> 语音识别可以看到这里有三种语音类型，点哪个都行
百度语音识别
YT_blog的博客
11-10 1527
概述 Python实现实时语音识别+控制, 录制语音指令,识别语音指令,执行语音指令(模拟web页面滚动) 详细 Python实时语音识别控制 概述 本文中的语音识别功能采用 百度语音识别库 ，首先利用 PyAudio 库录制语音指令，保存为受支持的 wav 音频文件，然后利用 百度语音识别库 提供的方法实现语音识别，最后检测识别结果，利用 PyUserInput 库提供的方法模拟控制web页面滚...
人工智能-语音识别-自然语言理解中名词多义词辨析及在智能仪器中的应用.pdf
06-28
人工智能-语音识别-自然语言理解中名词多义词辨析及在智能仪器中的应用.pdf
【AI智能助手】一文阐发何为下一代人工智能技术
等风来
06-29 7703
智能助手是一种基于人工智能技术的应用程序或设备，旨在帮助用户完成各种任务、提供信息和服务。智能助手通常具备语音识别自然语言处理和机器学习等技术，使其能够理解和解释用户的指令问题或请求，并以相应的方式作出回应。智能助手可以运行在智能手机、智能音箱、智能手表等设备上，我们日常接触的 Siri、小度、小布都是 AI智能助手小布助手简称小布，也叫Breeno，是OPPO智能手机和IoT设备上内置的AI助手，包含语音、建议、指令、识屏和扫一扫5大能力模块。小布助手以机智有趣温暖为理念，
基于百度、阿里、openai的中文语音识别研究测试报告
weixin_45901142的博客
05-29 1919
基于百度、阿里、openai的中文语音识别研究测试报告
基于Python的语音识别控制系统
weixin_45973679的博客
12-04 1万+
基于Python的语音识别控制系统 2021.12.03：本人是一名大三学生，学习人工智能的时候老师发布了一个语音识别控制图形移动的任务，参考了许多内容，写了一个小的程序，写出来分享给大家，如果能帮到你，倍感荣幸，祝你学习愉快！
百度AI 开放平台 >>> 智能语音识别
原谅我这一生不羁放纵爱自由
12-15 3856
一、前言 最近在做课程设计，想用一下语音识别，于是了解到百度AI 开放平台提供这一功能，且语音识别极速版 API一共可以调用5w次，对我来说完全够用了。最重要的是，可以直接用http 的post 请求进行api 调用，实在是太方便了，那就选择百度吧！ 在正式开始之前，大家需要先注册一个百度开发者账号。 二、开始 首先直接看语音识别极速版 API文档说明。 我们可提取以下关键信息点： 音频文件需要...
人工智能第一篇--语音识别和语音合成
04-16 2389
1.什么是人工智能? 　　顾名思义就是由人创造的"智慧能力",具备听说看理解等能力. 　　听 ==语音识别 　　说 ==语音合成 　　看 ==图像视频文字识别 　　理解 ==语言(文字)图像视频理解等逻辑处理 　　思考 ==理解后的逻辑处理 2.目前人工智能做了什么? 　　语音识别:小米的小爱同学,苹果 的siri,微软的Cortana 　　语音合成:小米的小爱同学,苹...
语音识别功能_微信小程序待办清单任务
ansui0780的博客
04-07 462
　　最近想给自己的待办清单任务微信小程序想加个语音识别识别功能，废话不多说，直接说重点，语音识别使用的是百度语音识别api，因为微信小程序的录音输入文件目前只能是mp3或aac 但是百度语音识别不支持这两种（百度api接口文档上有说明），所以需要把音频格式转换一下，我这边使用的是Alvas.Audio.dll转换的，目前没发现什么问题。 百度云账号地址：https://login.bc...
python调用百度语音api_python通过调用百度api实现语音识别（超详细）
weixin_35400275的博客
01-14 1225
最近在学习python，做一些python练习题github上几年前的练习题有一题是这样的：使用 Python 实现：对着电脑吼一声,自动打开浏览器中的默认网站。例如，对着笔记本电脑吼一声“百度”，浏览器自动打开百度首页。然后开始search相应的功能需要的模块(windows10)，理一下思路：本地录音上传录音，获得返回结果组一个map，根据结果打开相应的网页所需模块：PyAudio：录音接口w...
top 和cpu 负载不同_详解Linux性能分析十个命令--cpu，进程，内存，磁盘和网络
weixin_39523887的博客
11-23 326
概述虽然很多人都有针对这个60秒性能分析的翻译，不过这里还是要重写一遍，主要做备忘！下面先介绍10个命令列表上述的10个命令基本涵盖了cpu，内存，硬盘，网络以及内核错误等多个方面，能在短时间内快速评估系统以及进程的运行状态。这些命令需要安装sysstat包。如果你记不住命令，可以用下图的宏观模式来辅助记忆，此图摘自另外一个强人RiboseYim：01uptimeuptime gives a on...
控制算法之PID算法 | 从入门到理解到应用 （一发入魂）
热门推荐
weixin_42881419的博客
05-13 3万+
目录：一、简介二、二位式控制算法三、位置式PID算法1. P算法2. I 算法3. D算法四、增量式PID算法五、几种增量式PID算法的变形 一、简介 将偏差的 比例（Proportion）、积分（Integral） 和 微分（Differential） 通过线性组合构成控制量，用这一控制量对被控对象进行控制，这样的控制器称PID控制器。 二、二位式控制算法 三、位置式PID算法 1. P算法 2...
百度语音接口调用详解以及案例
灰太狼
11-22 2794
1.获取的API Key及Secret Key 1.1 在控制台中选择语音 1.2 进入到如下界面进行创建应用(“接口选择”这一项不用填写) 2.调用接口 2.1 pycharm中新建一个python文件(voice.py)，输入以下代码。 from aip import AipSpeech """ 你的 APPID AK SK """ APP_ID = '#' API...
百度AI语音语义一体化技术 识别的同时进行语义分析
q6q6q的专栏
10-27 1494
7月4日，百度AI开发者大会（Baidu Create 2018）盛大召开，在下午的百度大脑论坛上，百度语音技术部总监高亮公布了百度基于远场的语音语义一体化技术的三项重大突破，包括基于远场的语音语义一体化、多语种混合声学建模、以及融合拼接与WaveNet技术的全新语音合成技术等。此外，远场语音技术低成本解决方案“度小云”正式发布，将百度顶尖的合成、识别、交互、远程、唤醒等各项技术，全面开放给开发者...
山东大学人工智能导论知识点精编：简答与名词解释总结
在山东大学软件学院人工智能导论课程的学习中，本资料对关键知识点进行了整理，有助于备考的学生理解和掌握核心概念。以下是部分重点内容的详细解析： 1. **思维类型**: - 逻辑思维（抽象思维）：强调逻辑推理，...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值