基于speech-commands迁移模型完成语音轮播图

最新推荐文章于 2024-03-06 10:08:09 发布
最新推荐文章于 2024-03-06 10:08:09 发布
阅读量485 收藏 2
点赞数 1
分类专栏： tensorflow 文章标签： javascript tensorflow
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/sillyyijia/article/details/108690177
版权

基于迁移模型，利用tensorflow.js在浏览器完成语音识别轮播图。
1、需要用到的npm包

"@tensorflow-models/speech-commands": "^0.4.2", "@tensorflow/tfjs": "^1.7.4",
"@tensorflow/tfjs-node": "^1.2.9",
"@tensorflow/tfjs-vis": "^1.4.3",
"core-js": "^3.6.5",
"element-ui": "^2.13.2",
"vue": "^2.6.11"

2、基本步骤
（1）引入speech-commands迁移模型包
（2）创建createTransfer
（3）用collectExample收集声音样本数据
（4）用样本进行训练，生成可视化训图表
（5）开始预测
（6）将预测结果与轮播图结合

语音控制轮播图-演示

代码下载地址

在这里插入图片描述

yijiacode
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
谷歌语音识别官方speech_commands(audio_recognition)的使用指南（四）
c2c2c2aa的博客
03-21 1146
好吧，菜鸟博主又一次回来了。 昨天成功转化的tf文件还是不能移植到安卓，大胆的我又开始了新的想法。 使用ml文件训练模型 还是原来的配方 (要将gennerator中代码修改为这样) python train.py -data_dir=data/train 好的，我们已经拥有了.hd5文件，现在把它先转化为.pb文件 cmd中运行 python convert_keras_to_quantize...
谷歌语音识别官方speech_commands(audio_recognition)的使用指南
c2c2c2aa的博客
03-20 7797
我大概的确是只菜鸡喽。 google的官方例程，我居然跑了两天才运行成功，问题是代码还不需要我自己来亲自修改，我修改的只是文件路径，不过还是成功了，哈哈哈，还是蛮开心。 简单的来说吧，就是因为我直接使用官方例程，数据集下载不了 python train.py 我一怒之下就自己去下载了，但是自己 下载之后，运行代码，它就是报错，比如它找不到标签什么的，它中途停止了什么的 Compressed fi...
[深度学习进阶 - 实操笔记] 语音识别speech_commands数据集
iamfishman
06-10 5412
语音识别 训练过程 前几天简单学了下语音识别的基础知识。（语音识别基础知识）理解了深度学习如何处理语音数据，并且识别语音。所以我就尝试着用学习时候的网络（如下）跑Speech-commands数据集。从里面挑了十个语音类别。但是效果并不好。 # 只用到了卷积 对频谱图进行训练 class Net(torch.nn.Module): def __init__(self): super().__init__() self.seq = torch.nn.Sequentia
谷歌语音识别官方speech_commands(audio_recognition)的使用指南（三）
c2c2c2aa的博客
03-20 1392
有了pb文件，那我们必须把它转化为tf文件啊 import tensorflow as tf graph_def_file = "E:/mian/tflllll/my_frozen_graph.pb" input_arrays = ["Reshape_1"] output_arrays = ["add_2"] converter = tf.lite.TFLiteConverter.from_f...
迁移学习在语音命令识别中的实践
禅与计算机程序设计艺术
12-31 818
1.背景介绍 语音命令识别(Speech Command Recognition，SCR)是一种自然语言处理(NLP)技术，它旨在识别人类的语音命令并将其转换为计算机可理解的形式。这项技术在智能家居、无人驾驶汽车、语音助手等领域具有广泛的应用。 迁移学习(Transfer Learning)是一种深度学习技术，它允许我们在已经训练好的模型上进行微调，以解决与原始任务相关但不完全相同的新任务。这...
voice-commands-based-LED-scrooling-display
04-17
【标题】"voice-commands-based-LED-scrooling-display"是一个项目，旨在实现通过语音命令控制的LED滚动显示屏。在现代科技中，人机交互方式不断进化，语音识别技术已经广泛应用，结合LED显示技术，可以创建出一种...
Laravel开发-user-commands
08-28
在这个`Laravel5-User-Commands-master`项目中，开发者已经预先创建了处理用户和角色的命令。 1. **创建自定义命令**： 要创建一个自定义命令，你需要在`app/Console/Commands`目录下创建一个新的PHP类，继承自`...
Speech-Recognition.rar_robot_speech
07-15
Design & Implementation of a Person Authenticating & Commands Following Robot
基于深度学习的语音关键词识别（KWS）Python训练代码 带模型文件 res15 res8
08-06
# 基于深度学习的语音关键词识别（KWS）Python训练代码 带模型文件 res15 res8 1. 使用pytorch实现了语音关键词识别网络，包括res15, res8等多个SOTA模型； 2. 包含训练和评测代码，训练在google speech commands...
Speech Commands for SARGE-开源
04-28
提供SARGE（搜索和救援游戏环境）的口头命令界面
tensorflow_speech_recognition_demo-master_TensorFlow识别_DEMO_语音识别
09-29
这个代码是关于语音识别的，用的是TensorFlow，简单易懂，易上手。
VS2017 使用 tensorflow examples 中 speech_commands，训练自己数据集
J。
04-14 1795
使用 TensorFlow 官方提供的 speech_commands 语音分类模块，训练自己数据集。 详细文档请参考：https://blog.csdn.net/rainhurt/article/details/89097842 ，详解的非常清晰。 编译 准备数据集，由于训练样本数据我们设定的是 1000ms, 所以我们需要将数据都调整成 1000ms 的音频，但实际情况中数据集中的音...
谷歌语音识别官方speech_commands(audio_recognition)的使用指南（二）
c2c2c2aa的博客
03-20 1701
使用train.py训练完成模型后，自然就要转化成pb文件了 python freeze.py --start_checkpoint="E:\mian\speech\speech_commands\speech_commands_train\conv.ckpt-500" --output_file="E:\mian\speech\speech_commands\speech_commands_tr...
实战：基于特征词的语音唤醒
brucexia的专栏
03-06 1860
本章前面介绍了纯理论知识，目的是阐述语音识别的方法。接着搭建了开发环境，让读者可以动手编写代码。下面以识别特定词为例，使用深度学习方法和Python语言实现一个实战项目——基于特征词的语音唤醒。说明：本例的目的是演示一个语音识别的Demo。如果读者已经安装开发环境，可以直接复制代码运行；如果没有，可学习完本章后再回头练习。我们会在本节中详细介绍每一步的操作过程和设计方法。
tensorflow.js 练习语音识别控制轮播图（十二）
qq_35496811的博客
01-21 1999
示例 const $ = require('jquery'); const tf = require('@tensorflow/tfjs'); const tfvis = require('@tensorflow/tfjs-vis'); const speechCommands = require('@tensorflow-models/speech-commands'); const MODEL_PATH = 'http://127.0.0.1:8080'; let transferRecogni
tensorflow.js基本使用 引入语音识别模型（九）
qq_35496811的博客
01-21 2439
示例 import $ from 'jquery'; const tf = require('@tensorflow/tfjs'); const speechCommands = require('@tensorflow-models/speech-commands'); const MODEL_PATH='http://127.0.0.1:8080/speech'; $(async ()=>{ //创建语音识别器 const recognizer=speechCommands.cre
TensorFlow2.8.0代码分析之例子\examples\speech_commands\test_streaming_accuracy之main函数
qqq9668的博客
03-15 1343
函数作用：对一个连续的音频流，使用音频识别模型，生成识别精度的统计数据。 提供你要识别的长音频文件和与声音对应的文字清单文件，统计模型识别有多少错误，匹配的百分比会被分类。 使用此工具的示例如下： bazel run tensorflow/examples/speech_commands:test_streaming_accuracy -- \ --wav=/tmp/streaming_test_bg.wav \ --graph=/tmp/conv_frozen.pb \ --labels=
【一统江湖的大前端（9）】TensorFlow.js 开箱即用的深度学习工具
大史住在大前端
04-18 253
我的github主页：https://github.com/dashnowords 我的新书上架啦，3天即登京东计算机编程语言类排行榜Top1！！！精选30+JavaScript库，从使用方式，设计原则，原理源码，周边知识等等多维度详细讲解，带你玩转前端花花世界，欢迎选购~ 示例代码托管在：http://www.github.com/dashnowords/blogs 博客园地址：《大史住在...
基于TensorRT C++ API 实现 tensorflow examples 中 speech_commands
J。
12-12 557
在TensorRT 中实现 tensorflow examples 中 speech_commands。
print(get_mfcc_simplify(r"C:\Users\Administrator\Desktop\tensorflow-speech-commands\bed\00f0204f_nohash_0,wav").shape)
最新发布
03-30
get_mfcc_simplify函数是一个用于提取音频信号的MFCC特征的函数。它接受一个音频文件路径作为输入，并返回该音频文件的MFCC特征的形状。 在你提供的代码中，print(get_mfcc_simplify(r"C:\Users\Administrator\Desktop\tensorflow-speech-commands\bed\00f0204f_nohash_0,wav").shape)的作用是打印出该音频文件的MFCC特征的形状。 请注意，由于我无法直接运行代码，因此无法提供确切的结果。但是，一般来说，MFCC特征是一个二维数组，其形状可能是（时间步长，MFCC系数）。
评论 2
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

打赏作者

yijiacode

互联网+乞讨

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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