语音识别技术对比分析

已于 2023-03-06 13:53:22 修改
阅读量3.2k 收藏 7
点赞数 3
分类专栏： 其他 文章标签： 语音识别 人工智能 ChatGPT
于 2023-03-01 22:15:03 首次发布
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/weixin_47061482/article/details/129290833
版权

文章目录

一、语音识别产品对比

近二十年来，语音识别技术取得显著进步。人工智能的新宠ChatGPT聊天机器人模型更进一步推动了语音识别技术的发展。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。

当你的业务场景想要音频转文字、语音转文字，比如直播、字幕识别等等，这时候就要用到语音识别技术了，这里我们先针对市面上目前相对通用的百度、华为、阿里云、科大讯飞、有道等几款语音识别产品的技术对接方案、套餐、价格、超时后费用、直接购买还是预付费、官网说明、业务场景等进行简单比对：

上述为个人结合自身业务场景调研结果，可供参考。

调研业务背景：实现脚本视频跟拍功能，处理音频流、视频流、以及语音识别为字幕等。

二、百度语音识别产品

1、套餐及价格：

名称：实时语音识别套餐内：实时语音识别1000小时50路并发，超出部分1小时最高3元额外加并发100元/路/月
套餐价格：1800元/年
特点：是支持预付费，也支持后付费

2、官网

https://ai.baidu.com/tech/speech?track=cp:ainsem|pf:pc|pp:878-chanpin-yuyinjishu|pu:yuyinshibie|ci:|kw:10521656

3、调研结果

测试后识别率低、有乱码

三、华为语音识别产品

调研结果由于深度绑定华为云，无法单独购买，暂时不考虑。

四、阿里云语音识别产品

1、套餐及价格：

名称：录音文件识别极速版
套餐内：实时语音识别1000小时
10路并发，超出部分1小时最高3.3元额外加并发200元/路/月
套餐价格：1560元/年

超出后价格：

2、官网地址

https://ai.aliyun.com/nls/trans?spm=5176.21213303.8115314850.1.6cfd53c978f7Ri&scm=20140722.S_card@@%E5%95%86%E5%93%81@@591326.S_cardgbdt.ID_card@@%E5%95%86%E5%93%81@@591326-RL_%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99-OR_ser-V_2-P0_0

3、调研结果

测试识别率高，响应速度快

五、腾讯云语音识别产品

1、套餐及价格

名称：录音文件识别极速版
功能：对用户上传的五小时之内的录音文件进行识别；可应用于呼叫中心语音质检、视频字幕生成，会议语音资料转写等场景。
套餐内：预付费1500元/年，1000小时。后付费梯度计费，超出部分按识别时长梯度计费，1000小时为2.3，最高3.1元。
录音文件识别极速版并发叠加包200元/路/月
套餐价格：
特点：腾讯云语音识别 ASR 提供预付费和后付费两种计费模式，开通服务后默认使用后付费的计费模式

套餐详情：

2、官网

https://cloud.tencent.com/document/product/1093/35686

3、调研结果

测试识别率高，响应速度快，但对于使用量无法预估场景，后付费方式相对业务量小时会费用较高。所以更适合使用量可以准确评估，然后预付费方式使用。

六、科大讯飞语音识别产品

我们知道科大讯飞在语音识别领域做的比较成熟，比较有名了，所以也相对比较贵。

1、套餐及价格：

名称：极速语音转写
套餐内：实时语音识别1000小时
20路并发，超出部分收费未明示
套餐价格：5070元/年


2、官网

https://www.xfyun.cn/services/fast_lfasr

3、调研结果

测试识别率高，识别响应时间长

七、有道语音识别产品

1、套餐及价格

2、官网

https://ai.youdao.com/doc.s#docs

3、调研结果

只有短语音识别，字符计费，与当前业务不匹配

八、结论

在这里插入图片描述
请结合自身业务参选择。

一只IT攻城狮
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
语速对科大讯飞，百度，思必驰，云知声的语音引擎识别结果影响对比
语音测评君的博客
04-03 9671
大家好，时间过得真快，转眼进入到四月份了，语音测评君又给大家带来了新一期语音相关的测评报告。结合现在语音算法公司越来越多的情况，本次小君针对当前市场份额较大的几家算法公司，分别测试了语速对语音引擎识别结果的影响。这几家公司分别是科大讯飞，百度，思必驰信息科技和云知声信息科技有限公司。每个公司都有自己的开发平台，给广大语音开发爱好者提供的开源的开发接口，给大家提供了相关的SDK和开发文档。 本次测评...
Google，微软，科大讯飞的语音识别引擎对比
热门推荐
yylsheng的专栏
12-21 4万+
—Google提供了一个在线语音识别的API接口，通过该API可以进行中文、英文等语言的识别。  API地址：http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1 —参数解释  xjerr：错误标准  client： 客户端类型  lang：待识别语言类型
解析深度学习：语音识别实践
07-02
1 简介1 1.1 自动语音识别：更好的沟通之桥 1 1.1.1 人类之间的交流 2 1.1.2 人机交流 2 1.2 语音识别系统的基本结构 4 1.3 全书结构 6 1.3.1 第一部分：传统声学模型6 1.3.2 第二部分：深度神经网络6 1.3.3 第三部分：语音识别中的DNN-HMM 混合系统7 1.3.4 第四部分：深度神经网络中的特征表示学习 7 1.3.5 第五部分：高级的深度模型 7 第一部分传统声学模型9 2 混合高斯模型10 2.1 随机变量10 2.2 高斯分布和混合高斯随机变量11 2.3 参数估计13 2.4 采用混合高斯分布对语音特征建模 15 3 隐马尔可夫模型及其变体17 3.1 介绍17 3.2 马尔可夫链19 3.3 序列与模型 20 3.3.1 隐马尔可夫模型的性质21 3.3.2 隐马尔可夫模型的仿真22 3.3.3 隐马尔可夫模型似然度的计算22 3.3.4 计算似然度的高效算法24 3.3.5 前向与后向递归式的证明25 3.4 期望zui大化算法及其在学习HMM 参数中的应用 26 3.4.1 期望zui大化算法介绍 26 3.4.2 使用EM 算法来学习HMM 参数——Baum-Welch 算法 28 3.5 用于解码HMM 状态序列的维特比算法32 3.5.1 动态规划和维特比算法32 3.5.2 用于解码HMM 状态的动态规划算法33 3.6 隐马尔可夫模型和生成语音识别模型的变体35 3.6.1 用于语音识别的GMM-HMM 模型 36 3.6.2 基于轨迹和隐藏动态模型的语音建模和识别37 3.6.3 使用生成模型HMM 及其变体解决语音识别问题 38 第二部分深度神经网络41 4 深度神经网络42 4.1 深度神经网络框架42 4.2 使用误差反向传播来进行参数训练 45 4.2.1 训练准则 45 4.2.2 训练算法46 4.3 实际应用50 4.3.1 数据预处理51 4.3.2 模型初始化52 4.3.3 权重衰减52 4.3.4 丢弃法 53 4.3.5 批量块大小的选择55 4.3.6 取样随机化56 4.3.7 惯性系数 57 4.3.8 学习率和停止准则58 4.3.9 网络结构59 4.3.10 可复现性与可重启性 59 5 高级模型初始化技术61 5.1 受限玻尔兹曼机61 5.1.1 受限玻尔兹曼机的属性63 5.1.2 受限玻尔兹曼机参数学习66 5.2 深度置信网络预训练 69 5.3 降噪自动编码器预训练71 5.4 鉴别性预训练74 5.5 混合预训练75 5.6 采用丢弃法的预训练 75 第三部分语音识别中的深度神经网络–隐马尔可夫混合模型77 6 深度神经网络–隐马尔可夫模型混合系统78 6.1 DNN-HMM 混合系统 78 6.1.1 结构78 6.1.2 用CD-DNN-HMM 解码80 6.1.3 CD-DNN-HMM 训练过程81 6.1.4 上下文窗口的影响83 6.2 CD-DNN-HMM 的关键模块及分析 85 6.2.1 进行比较和分析的数据集和实验85 6.2.2 对单音素或者三音素的状态进行建模 87 6.2.3 越深越好88 6.2.4 利用相邻的语音帧89 6.2.5 预训练 90 6.2.6 训练数据的标注质量的影响 90 6.2.7 调整转移概率 91 6.3 基于KL 距离的隐马尔可夫模型91 7 训练和解码的加速93 7.1 训练加速93 7.1.1 使用多GPU 流水线反向传播94 7.1.2 异步随机梯度下降97 7.1.3 增广拉格朗日算法及乘子方向交替算法100 7.1.4 减小模型规模 101 7.1.5 其他方法102 7.2 加速解码103 7.2.1 并行计算103 7.2.2 稀疏网络105 7.2.3 低秩近似107 7.2.4 用大尺寸DNN 训练小尺寸DNN108 7.2.5 多帧DNN 109 8 深度神经网络序列鉴别性训练111 8.1 序列鉴别性训练准则 111 8.1.1 zui大相互信息 112 8.1.2 增强型MMI 113 8.1.3 zui小音素错误/状态级zui小贝叶斯风险114 8.1.4 统一的公式115 8.2 具体实现中的考量116 8.2.1 词图产生116 8.2.2 词图补偿117 8.2.3 帧平滑 119 8.2.4 学习率调整119 8.2.5 训练准则选择 120 8.2.6 其他考量120 8.3 噪声对比估计 121 8.3.1 将概率密度估计问题转换为二分类设计问题121 8.3.2 拓展到未归一化的模型123 8.3.3 在深度学习网络训练中应用噪声对比估计算法 124 第四部分深度神经网络中的特征表示学习127 9 深度神经网络中的特征表示学习128 9.1 特征和分类器的联合学习128 9.2 特征层级129 9.3 使用随意输入特征的灵活性 133 9.4 特征的鲁棒性 134 9.4.1 对说话人变化的鲁棒性134 9.4.2 对环境变化的鲁棒性 135 9.5 对环境的鲁棒性137 9.5.1 对噪声的鲁棒性138 9.5.2 对语速变化的鲁棒性 140 9.6 缺乏严重信号失真情况下的推广能力141 10 深度神经网络和混合高斯模型的融合144 10.1 在GMM-HMM 系统中使用由DNN 衍生的特征144 10.1.1 使用Tandem 和瓶颈特征的GMM-HMM 模型144 10.1.2 DNN-HMM 混合系统与采用深度特征的GMM-HMM 系统的比较147 10.2 识别结果融合技术149 10.2.1 识别错误票选降低技术（ROVER） 149 10.2.2 分段条件随机场（SCARF） 151 10.2.3 zui小贝叶斯风险词图融合153 10.3 帧级别的声学分数融合153 10.4 多流语音识别 154 11 深度神经网络的自适应技术157 11.1 深度神经网络中的自适应问题157 11.2 线性变换159 11.2.1 线性输入网络.159 11.2.2 线性输出网络 159 11.3 线性隐层网络 161 11.4 保守训练162 11.4.1 L2 正则项163 11.4.2 KL 距离正则项163 11.4.3 减少每个说话人的模型开销 165 11.5 子空间方法167 11.5.1 通过主成分分析构建子空间 167 11.5.2 噪声感知、说话人感知及设备感知训练168 11.5.3 张量172 11.6 DNN 说话人自适应的效果172 11.6.1 基于KL 距离的正则化方法 173 11.6.2 说话人感知训练174 第五部分先进的深度学习模型177 12 深度神经网络中的表征共享和迁移178 12.1 多任务和迁移学习178 12.1.1 多任务学习 178 12.1.2 迁移学习180 12.2 多语言和跨语言语音识别180 12.2.1 基于Tandem 或瓶颈特征的跨语言语音识别181 12.2.2 共享隐层的多语言深度神经网络182 12.2.3 跨语言模型迁移185 12.3 语音识别中深度神经网络的多目标学习188 12.3.1 使用多任务学习的鲁棒语音识别188 12.3.2 使用多任务学习改善音素识别189 12.3.3 同时识别音素和字素（graphemes） 190 12.4 使用视听信息的鲁棒语音识别 190 13 循环神经网络及相关模型192 13.1 介绍192 13.2 基本循环神经网络中的状态-空间公式194 13.3 沿时反向传播学习算法195 13.3.1 zui小化目标函数 196 13.3.2 误差项的递归计算196 13.3.3 循环神经网络权重的更新197 13.4 一种用于学习循环神经网络的原始对偶技术199 13.4.1 循环神经网络学习的难点199 13.4.2 回声状态（Echo-State）性质及其充分条件 199 13.4.3 将循环神经网络的学习转化为带约束的优化问题 200 13.4.4 一种用于学习RNN 的原始对偶方法201 13.5 结合长短时记忆单元（LSTM）的循环神经网络203 13.5.1 动机与应用203 13.5.2 长短时记忆单元的神经元架构204 13.5.3 LSTM-RNN 的训练205 13.6 循环神经网络的对比分析205 13.6.1 信息流方向的对比：自上而下还是自下而上 206 13.6.2 信息表征的对比：集中式还是分布式208 13.6.3 解释能力的对比：隐含层推断还是端到端学习209 13.6.4 参数化方式的对比：吝啬参数集合还是大规模参数矩阵 209 13.6.5 模型学习方法的对比：变分推理还是梯度下降210 13.6.6 识别正确率的比较211 13.7 讨论212 14 计算型网络214 14.1 计算型网络214 14.2 前向计算215 14.3 模型训练 218 14.4 典型的计算节点222 14.4.1 无操作数的计算节点 223 14.4.2 含一个操作数的计算节点223 14.4.3 含两个操作数的计算节点228 14.4.4 用来计算统计量的计算节点类型235 14.5 卷积神经网络 236 14.6 循环连接 239 14.6.1 只在循环中一个接一个地处理样本240 14.6.2 同时处理多个句子242 14.6.3 创建任意的循环神经网络243 15 总结及未来研究方向245 15.1 路线图 245 15.1.1 语音识别中的深度神经网络启蒙245 15.1.2 深度神经网络训练和解码加速248 15.1.3 序列鉴别性训练248 15.1.4 特征处理249 15.1.5 自适应 250 15.1.6 多任务和迁移学习251 15.1.7 卷积神经网络 251 15.1.8 循环神经网络和长短时记忆神经网络251 15.1.9 其他深度模型 252 15.2 技术前沿和未来方向 252 15.2.1 技术前沿简析252 15.2.2 未来方向253
RFID技术中的灰关联分析与语音/音乐信号识别
12-10
摘要：将灰关联分析方法应用于语音/音乐信号的分类和识别，并给出了对音频信号进行灰关联分析的方法和步骤。利用语音和音乐信号的短时能量均方根的概率统计特征建立目标的参考数据和比较数据，进行语音和音乐信号的灰关联分析，确定目标识别与分类的判据，并对两类信号进行识别。仿真结果表明灰关联分析方法应用于音频信号分类和识别具有一定的可行性。 关键词：灰关联分析 特征 语音和音乐识别 仿真语音和音乐是两类最重要的音频数据，语音和音乐的自动分类在基于内容的音频检索、视频的摘要以及语音识别等众多领域都有重要的应用价值。目前，国内外语音信号识别多采用基于感觉特征（例如响度、音调、谐度等）和过零率、功率谱、MF
基于单片机的智能语音识别系统设计毕业设计论文
01-09
本文设计一个让机器通过识别和理解过程把语音信号转变为相应的文本或命令 的高技术的语音识别系统。本语音识别系统以 LD3320语音识别芯片为核心部件，主 控 MCU选用 STC10L08XE 。主控 MCU通过控制 LD3320内部寄存器以及 SPI flash 实现 语音识别和对话。通过麦克风将声音信息输入 LD3320进行频谱分析，分析后将提取 到的语音特征和关键词语列表中的关键词语进行对比匹配，找出得分最高的关键词 语作为识别结果输出给 MCU ，MCU针对不同的语音输入情况通过继电器对语音命令所 对应的电器实现控制。同时也可以通过对寄存器中语音片段的调用，实现人机对话。 设计中，电源模块采用 3.3V 供电，主要控制及识别部分采用 LM1117-3.3 稳压 芯片，语音播放及继电器部分采用 7812 为其提供稳定的电流电压。寄存器采用一片 华邦 SPI flash 芯片 W25Q40AVSNIG ，大小为 512Kbyte 。系统声音接收模块采用的传 感器为一小型麦克风——驻极体话筒，在它接收到声音信号后会产生微弱的电压信 号并送给 MCU 。另外系统还采用单片机产生不同的频率信
实时语音识别选型的初步调研
刘大洋的专栏
12-23 325
近期项目和产品上有语音识别和语音合成的需求，语音合成免费的有百度或其他家API随便用，语音识别有两种形式，一种是上传60秒内的音频等待识别结果返回文字，另一种是与服务器建立连接进行实时语音识别，以下要讲解的是实时语音识别，也叫实时语音转写。 调研了市面上有的第一梯队的实时语音识别服务，讯飞、百度、阿里、腾讯、华为、图谱科技（CEO是腾讯出来的），下面做分别介绍： 讯飞： 没有免费时长，只有试用，1...
智能电话机器人可私有化部署，阿里达摩院开源ASR(语音识别)
最新发布
w519021660
04-19 310
按照分钟或者按次付费，之前开源ASR效果太差不具备商用的条件，随着 阿里达摩院发布了大量开源数据集或者海量工业数据训练的模型，识别效果已经和商用ASR差距非常小，完全具备了很多场景代替商用ASR的能力。识别速度快，在线ASR高峰时期用户太多，识别超时频发，本地化部署ASR，可以根据业务情况预先配置好服务器资源，不用担心超并发的情况。支持热词识别， 支持每次识别设置热词（可以把每次回答的关键词，设置为热词），大大提高识别准确度。支持中英文混合识别，阿里达摩院还发布了很多小语种的识别模型，可以实现方言识别。
科大讯飞/百度/阿里/腾讯(BAT)智能语音识别(ASR)性能对比选择预计价格分享
lerous的专栏
04-16 1万+
最近在做智能客服的时候需要使用到语音识别，所以了解和对比了各家平台的语音识别对比和分析！ 一、科大讯飞 1、语音听写即在线音识别查看Demo 把语音(≤60秒)转换成对应的文字信息，让机器能够“听懂”人类语言，相当于给机器安装上“耳朵”，使其具备“能听”的功能 可以识别多种方言，识别率高 支持Android，iOS，Windows，Java，Linux 2、语音转写即长语音识别查看Dem...
科大讯飞/百度/阿里/腾讯(BAT)智能语音识别(ASR)性能对比选择预计价格分享 - pytorch中文网...
q6q6q的专栏
10-27 6267
最近在做智能客服的时候需要使用到语音识别，所以了解和对比了各家平台的语音识别对比和分析！一、科大讯飞1、语音听写即在线音识别查看Demo把语音(≤60秒)转换成对应的文字信息，让机器能够“听懂”人类语言，相当于给机器安装上“耳朵”，使其具备“能听”的功能可以识别多种方言，识别率高支持Android，iOS，Windows，Java，Linux2、语音转写即长语音识别查看Demo语音转写（Long ...
语音识别行业技术和市场横向对比
king_audio_video的博客
03-28 6228
语音识别行业技术和市场横向对比 本内容全原创，因作者才疏学浅，偶有纰漏，望不吝指出。本内容由灵声讯音频-语音算法实验室整理创作，转载和使用请与“灵声讯”联系，联系方式：音频/识别/合成算法QQ群（696554058） 公司简称 语音相关产品 核心技术 重点客户 备注 ...
DSP中的基于DSP的汉字语音识别系统
10-19
语音识别是机器通过识别和理解过程把语音信号转变为相应的文本文件或命令的高技术。作为专门的研究领域，语音识别又是一门交叉学科，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密...
语音识别关键技术研究及系统实现
05-28
研究目前三种主流的语音识别算法：动态时间规整(DTW)、隐马尔科夫模型 (HMM)和人工神经网络(ANN)。分析它们的原理、特点及实现过程，对 DTW 的语 音识别进行实验，通过对比分析三种算法的特点，结合本文研究的实际...
语音识别的MATLAB实现
03-03
语音识别的MATLAB实现 声控小车结题报告 小组成员：关世勇 吴庆林 一、 项目要求： 声控小车是科大华为科技制作竞赛命题组的项目，其要求是编写一个语言识别程序并适当改装一个小型机动车，使之在一个预先不知道...
论文研究-基于SystemC和POOSL的语音识别系统的系统级建模与性能分析的对比.pdf
07-22
该方法主要包括了层次化建模方法、TopDown建模方法、面向对象建模技术和YChart建模方法，并采用提出的系统级建模方法，分别使用SystemC语言和POOSL语言成功地对语音识别系统进行了建模；通过模型的仿真进行了...
语音识别技术在幼教软件中的应用研究
12-02
文章介绍了语音识别技术的发展现状和应用领域，分析现有语音识别软件的 特点和交互方式，与其他交互方式相比较，归纳语音识别技术中人机交互的特点。 同时，幼教软件作为本文主要的研究对象，文章从软件设计的角度...
普通话语音情感识别的特征选择技术 (2007年)
05-18
对说话人和文本均无关、说话人相关2组普通话情感语音进行特征选择，然后利用线性判别分析和支持向量机进行实际识别效果的分析比较．特征选择结果表明，基频、对数能量、语速和第一共振峰均值对普通话情感语音具有较...
论文研究-语音情感识别研究进展.pdf
07-22
首先介绍了语音情感识别系统的组成，重点对情感特征和识别算法的研究现状进行了综述，分析了主要的语音情感特征，阐述了代表性的语音情感识别算法以及混合模型，并对其...最后，指出了语音情感识别技术的可能发展趋势。
RFID和语音合成技术的语音导览终端设计
01-19
本设计结合RFID射频识别技术和TTS语音合成技术，提出了一种可自动识别解说对象的语音导览器，并结合USB存储技术，实现各种导览信息的及时更新。 　1 RFID技术、TTS技术及终端功能分析 　RFID(Radio Frequency ...
说话人识别技术与语音年龄性别识别技术的相似性
09-03
说话人识别技术通常需要更高的准确性，因为它需要在不同的语音片段之间进行比较和匹配，而语音年龄性别识别技术则更注重较高的速度和实时性。 ### 回答2： 说话人识别技术和语音年龄性别识别技术都涉及到对语音...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

一只IT攻城狮

你的鼓励将是我创作的最大动力

¥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