语音识别技术

项目中需要利用百度语音接口在Web端实现语音识别功能，采用了这样的技术方案，但实现时遇到了很多问题，发现网上大部分文章都只是在详解官方提供的example示例，对实际开发没有提供什么有价值的建议，而 recorder.js 是无法直接适配百度AI的语音接口的，故本篇将开发中各个细节点记录与此，欢迎指点交流。 一. 技术栈选择 需求 ：利用百度语音接口在Web端实现语音识别功能 技术栈 ： React + recorder-tool.js + recorder.js + Express + Baidu语音识别API recorder.js 项目地址: https://github.com/mattdiamond/Recorderjs 演示效果 ： 二. 前端开发细节 为recorder.js提供一个代理对象 前端的主框架采用 React ，在基本结构和语法上并没有太多问题，为了使用 recorder.js ，我们封装了一个 recorder-tool.js 作为代理，其实现方法较为简单，就是将官方示例中 example 示例中的 html 文件的脚本部分封装成一个单例对象作为 recorder.js 的代理，然后暴露一组 API 供上层调用，大致的结构如下： import Recorder from './recorder-src'; //Singleton var recorder

工欲善其事必先利其器，这也是大部分开发者在日常工作中最重要开发原则。选择与开发内容相匹配的工具，常常会使我们事半功倍。但面对人工智能的多个领域，如：机器学习、深度学习、NLP等等，多样的工具有时也让我们也无从选择。 就在最近，一个基于 javascript 的可视化库 D3js（treemap 可视化）对 json 文件生成的技术图，给开发者提供了详细的各领域工具清单，内容涵盖了 11 种极具潜力的 AI 工具类型，我们将其整理如下，强烈建议大家收藏~ 原文链接：https://github.com/haggaishachar/techmap 目录： Ⅰ、经典机器学习（1-3） Ⅱ、深度学习（4-8） Ⅲ、强化学习（9-12） Ⅳ、自然语言处理（13-18） Ⅴ、语音识别（19-21） Ⅵ、计算机视觉（22-26） Ⅶ、分布式训练（27-31） Ⅷ、自动建模（32-35） Ⅸ、IDEs系统（36-38） Ⅹ、平台（39-41） Ⅺ、评分推理系统（42-43） I . 适用于经典机器学习的工具 一、SciKit-learn  star 39.2k  fork 19.2k scikit-learn 是一种强大的基于 Python 语言的机器学习算法库（https://scikit-learn.org/stable/）。其中，包含了算法预处理，模型参数择优，回归与分类等算法

　　想实现语音识别已经很久了，也尝试了许多次，终究还是失败了，原因很多，识别效果不理想，个人在技术上没有成功实现，种种原因，以至于花费了好多时间在上面。语音识别，我尝试过的有科大讯飞、百度语音，微软系。最终还是喜欢微软系的简洁高效。(勿喷，纯个人感觉) 　　最开始自己的想法是我说一句话(暂且在控制台上做Demo)，控制台程序能识别我说的是什么，然后显示出来，并且根据我说的信息，执行相应的行为.(想法很美好，现实很糟心）初入语音识别，各种错误各种来，徘徊不定的选择哪家公司的api，百度上查找各种语音识别的demo，学习参考，可是真正在.NET平台上运行成功的却是寥寥无几，或许是我查找方向有问题，经历了许多的坑，没一次成功过，心灰且意冷，打了几次退堂鼓，却终究忍受不住想玩语音识别。 　　可以看看我VS中的语音demo 　　 　　第一个是今天的主角-稍后再提。 　　第二个和第三个是微软系的系统自带的System.Speech.dll和看了微软博客里面的一篇文章而去尝试的Microsoft.Speech.dll 可惜文章写的挺好的，我尝试却是失败　　　的，并且发现一个问题，就是英文版的微软语音识别是无效的(Microsoft.Speech.Recognition)，而中文版的语音合成是无效的(Microsoft.Speech.Synthesis).，因　　　　此

语音识别现在有非常广泛的应用场景,如手机的语音助手,智能音响(小爱,叮咚,天猫精灵...)等. 语音识别一般包含三个阶段:热词唤醒,语音录入,识别和逻辑控制阶段. 热词唤醒就是唤醒设备,让设备解析你接下来说的话.通常设备一直在录入周围的声音,但是设备此时不会有任何反应.当通过像「Hi,Siri」这样的唤醒词被唤醒以后，设备就开始处理接下来的声音了。热词唤醒是语音识别的开始。 Snowboy 是比较流行的热词唤醒框架，目前已经被百度收购。Snowboy 对中文支持友好，相对 Pocketsphinx 配置使用较为简单，推荐使用。 snowboy官方文档地址[英文的] http://docs.kitt.ai/snowboy 树莓派原生的音频设备是不支持语音输入的（无法录音），需要在网上购买一支免驱动的 USB音频驱动 ，一般插上即可直接使用。 建议安装下 pulseaudio 软件，减少音频配置的步骤： $ sudo apt-get install pulseaudio 安装 sox 软件测试录音与播放功能： $ sudo apt-get install sox 安装完成后运行 sox -d -d 命令，对着麦克风说话，确认可以听到自己的声音。 安装其他软件依赖 ： 安装 PyAudio： $ sudo apt-get install python3-pyaudio 安装 SWIG（

调用科大讯飞语音听写，使用Python实现语音识别，将实时语音转换为文字。 首先在官网下载了关于语音听写的 SDK ，然后在文件夹内新建了两个 .py 文件，分别是 get_audio.py 和 iat_demo.py ，并且新建了一个存放录音的文件夹 audios ，文件夹内存放录音文件 input.wav ，我的整个文件目录如下： asr_SDK(文件名) ├─ Readme.html ├─ audios │ └─ input.wav（存放音频） ├─ bin │ ├─ gm_continuous_digit.abnf │ ├─ ise_cn │ ├─ ise_en │ ├─ msc │ ├─ msc.dll （因为我是32位的python，所以用的这个动态链接库） │ ├─ msc_x64.dll │ ├─ source.txt │ ├─ userwords.txt │ └─ wav ├─ doc ├─ get_audio.py ├─ iat_demo.py ├─ include ├─ libs ├─ release.txt └─ samples 一、录音 这里使用的是 pyaudio 进行录音，需要下载相关的轮子，具体可参考我的另一篇 博客 。然后根据自己的需要进行了修改， gt_audio.py 全部代码如下： 在学习过程中有什么不懂得可以加我的