语音识别开放化开发平台有哪些

语音识别开发平台有很多,具体总结如下:1.商业化的语音交互平台1)微软Speech API微软的Speech API(简称为SAPI)是微软推出的包含语音识别(SR)和语音合成(SS)引擎的应用编程接口(API),在Windows下应用 广泛。
目前,微软已发布了多个SAPI版本(最新的是SAPI 5.4版),这些版本要么作为于Speech SDK开发包发布,要么直接被包含在windows 操作系统中发布。
SAPI支持多种语言的识别和朗读,包括英文、中文、日文等。
2).IBM viaVoiceIBM是较早开始语音识别方面的研究的机构之一,早在20世纪50年代末期,IBM就开始了语音识别的研究,计算机被设计用来检测特定的语言 模式并得出声音和它对应的文字之间的统计相关性。
1999年,IBM发布了VoiceType的一个免费版。
2003年,IBM授权ScanSoft公司拥有基于ViaVoice的桌面产品的全球独家经销权,随后ScanSoft与Nuance合并,如今viaVoice早已淡出人们的视线,取而代之的是Nuance。
3)NuanceNuance通讯是一家跨国计算机软件技术公司,总部设在美国马萨诸塞州伯灵顿,主要提供语音和图像方面的解决方案和应用。
目前的业务集中 在服务器和嵌入式语音识别,电话转向系统,自动电话目录服务等。
Nuance语音技术除了语音识别技术外,还包扩语音合成、声纹识别等技术。
世界语音技术市场,有超过80%的语音识别是采用Nuance识别引擎技术, 其名下有超过1000个专利技术,公司研发的语音产品可以支持超过50种语言,在全球拥有超过20亿用户。
苹果的iPhone 4S的Siri语音识别中就应用了Nuance的语音识别服务。
4)科大讯飞科大讯飞作为中国最大的智能语音技术提供商,在智能语音技术领域有着长期的研究积累,并在中文语音合成、语音识别、口语评测等多项 技术上拥有国际领先的成果。
占有中文语音技术市场60%以上市场份额,语音合成产品市场份额达到70%以上。
5)其他其他的影响力较大商用语音交互平台有谷歌的语音搜索(Google Voice Search),百度和搜狗的语音输入法等等。
2.开源的语音交互平台1)CMU-SphinxCMU-Sphinx也简称为Sphinx(狮身人面像),是卡内基 – 梅隆大学( Carnegie Mellon University,CMU)开发的一款开源的语音识别系统, 它包括一系列的语音识别器和声学模型训练工具。
最早的Sphinx-I 由@李开复 (Kai-Fu Lee)于1987年左右开发,使用了固定的HMM模型(含3个大小为256的codebook),它被号称为第一个高性能的连续语音识别 系统(在Resource Management数据库上准确率达到了90%+)。
最新的Sphinx语音识别系统包含如下软件包: Pocketsphinx — recognizer library written in C. Sphinxbase — support library required by Pocketsphinx Sphinx4 — adjustable, modifiable recognizer written in Java CMUclmtk — language model tools Sphinxtrain — acoustic model training tools这些软件包的可执行文件和源代码在sourceforge上都可以免费下载得到。
2)HTKHTK是Hidden Markov Model Toolkit(隐马尔科夫模型工具包)的简称,HTK主要用于语音识别研究,最初是由剑桥大学工程学院(Cambridge University Engineering Department ,CUED)的机器智能实验室(前语音视觉及机器人组) 于1989年开发的,它被用来构建CUED的大词汇量的语音识别系统。
HTK的最新版本是09年发布的3.4.1版,关于HTK的实现原理和各个工具的使用方法可以参看HTK的文档HTKBook。
3)JuliusJulius是一个高性能、双通道的大词汇量连续语音识别(large vocabulary continues speech recognition,LVCSR)的开源项目, 适合于广大的研究人员和开发人员。
它使用3-gram及上下文相关的HMM,在当前的PC机上能够实现实时的语音识别,单词量达到60k个。
4)RWTH ASR该工具箱包含最新的自动语音识别技术的算法实现,它由 RWTH Aachen 大学的Human Language Technology and Pattern Recognition Group 开发。
RWTH ASR工具箱包括声学模型的构建、解析器等重要部分,还包括说话人自适应组件、说话人自适应训练组件、非监督训练组件、个性化 训练和单词词根处理组件等。

语音识别开放化开发平台有哪些?

非特定人语音识别开发

非特定人语音识别可以看下NRK10这款离线式的语音芯片。
NRK10语音识别芯片为广州九芯电子自主研发的一款高性能、低成本的离线语音识别芯片,具有语音识别及播报功能,需要外挂 SPI-Flash,存储词条或者语音播内容。
他具有识别率高,工业级性能、简单易用,更新词条方便等优势。
广泛应用在智能家居、AI人工智能、玩具等多种领域。

最后修改日期: 2021年11月3日

作者

留言

撰写回覆或留言

发布留言必须填写的电子邮件地址不会公开。