百度语音识别离在线融合SDK(IOS)开发文档_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
百度语音识别离在线融合SDK(IOS)开发文档
上传于||文档简介
&&百​度​语​音​开​放​平​台​,​提​供​业​界​首​创​的​离​在​线​融​合​语​音​识​别​S​D​K​,​本​地​+​云​端​双​引​擎​,​同​时​实​现​省​流​量​、​速​度​快​和​高​精​度​识​别
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
下载文档到电脑，查找使用更方便
还剩26页未读，继续阅读
你可能喜欢吴恩达说百度的深度学习已超越苹果和谷歌，那到底神在哪里？
虎嗅注：百度深度学习今日出现了里程碑性的突破，有关该项技术的信息目前披露较少，虎嗅两位作者罗超与嗅科技提供了可供了解的线索，本文对两位作者的投稿进行了摘编整合。去年，在离苹果总部不远的加州库比蒂诺，百度悄然发布了专注于深度学习研究的前沿实验室。深度学习寻求通过模拟人脑运行机制来大规模提升计算任务处理，是人工智能的一个分支领域。从那之后的数月，深度学习通过很多方式得到广泛拓展。百度首席科学家吴恩达今日（12月19日）表示，百度在深度学习领域的发展已经超过了谷歌与苹果，如果这项技术真具有划时代的革命意义，那么百度就此开启并且引领了语音2.0时代，也即是人工智能时代的一个重要分支，改变搜索，更改变交互。&百度大脑与数据链相结合√ 首先自然是依靠百度自身的搜索引擎所带来的海量数据请求。这些数据请求代表了百度用户在宏观层面上的真实信息，通过将特定信息分类并整理，百度大脑将获得一条较为宏观的稳定数据链。比如曾经在电视上出现的“春运地图”就是这种数据链的代表。当然，单纯依靠互联网搜索所带来的数据链是不足以支撑百度大脑的数据需求的。来自搜索的数据链虽然内容丰富，但是精准不足。√ 对于需要更贴近“人性”的百度大脑深度学习计划而言，个体的数据链来源对于百度大脑将会更有意义。因此，对于来自地图的用户数据对于百度大脑来说，也是一条相当稳定的重要的数据链。比如它可以通过对个体的分析，学习到在堵车情况下，人是如何在现实中选择路径的。√ 第三条数据链将会来自移动端。作为人类个体的物理标记物，来自移动端的数据链将会成为百度大脑最好的行为模式分析样本。通过大数据归类，人们在手机上的各种行为都可成为百度大脑的参考对象，接下来百度大脑也许可以学习到，为什么在我电话联系不到一个人的时候，什么情况下我会发短信，什么时候我会发微信，什么时候我用手机QQ。这条来自于移动端的数据链规模大小将完全取决于百度在移动端的影响力。√ 还有一条数据链将来自于百度智能家居。通过电视盒子，空气盒子或是其他一些家电产品获得的用户动作数据将会为百度大脑提供“个人人类在小规模社交环境中的行为思维模式”参照以及“小规模群体行为思维模式”参照。借助于此学会诸如“三口之家在看电视问题上谁做主，为什么？”一类的高端思维方式。这条数据链的规模将会取决于百度在智能家居方面的发展速度和深入能力。如果联系到百度不久之前所发布的“baidu inside”计划，其提前为数据链打造渠道的目的就非常明显了。“我们想要的机器是可以利用所有数据的，这就需要更好的无监督学习“，专注于无监督学习研究的蒙特利尔大学的Yoshua Bengio这样表示。世界上大多数的数据是无法标记的，而且标记他们会非常昂贵。百度找到吴恩达，正式要找出更好的方法来让机器自己学习可以提高人工智能的经济效益，并且为消费者带来更好的应用程序。语音识别2.0技术：大幅提升抗噪能力&Siri掀起的语音交互风暴一直还在蔓延。微软Cortana、Google Now、百度语音助手，大量的独立语音助手面世。不少智能设备包括智能手机、智能电视、智能家居、车联网，语音交互也已成为标配。Google、微软、百度等巨头已经将语音识别能力通过API开放出来，大家都在想办法用语音来取代键鼠或者触摸屏这两种最常见的交互方式，尤其是在移动、家居、汽车等特别场景之下。&不过，语音技术包括诸多方面，最核心的几大技术就包括语音识别、语音合成和语义理解。最基础的自然是语音识别，要让机器能“听”之后它才会想、才会说。而语音识别当前存在的几大难题就包括：识别率不高、难以应对噪声环境、无法支持远场识别以及对方言的支持不够强大等等。尤其是抗噪能力更是阻碍了语音交互在车内、移动和商场等典型场景的普及。&百度最新的技术称之为深度语音识别，是深度学习这项通用基础技术在语音上的应用。深度语音识别技术大幅提高了准确率，尤其是抗噪能力，百度通过从9600人那里收集了将近7000小时的语料数据，然后在样本中加入了十五种背景噪音比如，餐厅，汽车和地铁，从而将样本扩张到了10000小时的数据，然后百度团队让系统在噪音中去识别这些语音信息。&与传统语音识别使用统计概率+人工干预不同的是，百度深度语音识别技术采用无监督式机器自动学习，背后则是GPU深度学习基础设施在支撑，不仅更准确，识别所需的运算更加快速和经济。最终在识别范围内允许的单词错误率提高10％，优于Google Speech API，Wit.ai, 微软的Bing Speech和Apple的听写服务。&改变搜索更改变交互&移动搜索的特性之一就是无处不在的多元化的输入方式，图像、位置、语音是典型的新型搜索。百度深度语音识别技术被整合到百度各大产品之中，提高语音识别率之后，可以增强用户使用意愿进而提升用户粘性，并且反过来贡献语料提升语音识别能力，就像输入法、图像识别等采取类似识别技术的应用形成的“正循环”一样。&另一方面，百度可以基于新的语音识别技术开发更多新型应用，尤其是在噪声环境中的语音应用。比如汽车内语音因为有车轮、马达、气流、环境音，一直是一个难点，未来百度CarNet便可采取新的语音技术；再比如百度EYE，试图改变商场导购方式的可穿戴设备，有了新的语音识别技术交互便可以很好地解决；还有大家都在使用的百度地图导航，未来很可能会完全基于语音进行，就像对真人问路一样简单。&除了改变百度本身业务之外，深度语音识别还可以改变当前的语音交互叫好不叫座的现状。一个例子是语音控制智能电视，因为电视本身节目声音这种“噪声”人们试用语音需要先终止正在播放的节目才可。有了抗噪能力之后，就可以直接对正在播放节目的电视喊：换台，给我播放《中国好声音》第二季第一集。总而言之，未来的语音交互有更多的可能性，抗噪能力的解决无异于消灭了困住语音的脚镣。&百度对深度学习的野心&深度学习是百度2014年开始围绕百度大脑重点投入的人工智能技术，让机器模拟人的大脑皮质神经元思考。百度为了发展深度学习技术，不只是成立了专门的研究机构，还大力招募全球顶尖技术人才。现在深度学习已经被应用到问答、搜索、翻译和图像等诸多应用，现在终于轮到了语音。&深度语音识别技术这类里程碑事件越来越多，表明了百度的技术投入是非常有价值有效果的，这对百度的业务有巨大的促进作用，同时也让百度在未来的新兴技术竞争中占据一席之地，不改技术驱动型公司的本色。“百度有自己的野心”，李彦宏在前不久百度与Uber战略合作仪式上说过这样一句话，深度语音识别技术超越Google等海外巨头让这个野心不再只是愿景。微博@互联网阿超，微信：罗超（luochaotmt）嗅科技
关注微信公众号虎嗅网（huxiu_com），定时推送，福利互动精彩多
后参与评论
百度你好意思和google、苹果比技术吗
vincent2610
:毕竟吴恩达了解google的技术，说百度深度学习超过google，可能有点夸张，但估计在这个技术上也水平相当了。 不过整体技术来说，当然百度差google还有相当明显的距离。
:众所周知，中美在整体上存在技术差距，百度也不例外。百度积极投资技术，并在某些指标上领先国外，这并不值得嘲讽。
:BAT里面也只有百度敢和goole比技术。。。在搜索引擎方面，百度几乎和google不会伯仲。。不要小瞧李彦宏。。他本人就是搜索引擎这方面的宗师之一。。
吴恩达果然了解国情，只管吹就行
孤单时独自狂欢
:吴恩达也算业界大牛、coursera的创始人，他的机器学习公共课我听过真心受益匪浅，所以我绝对不认为他在吹牛
孤单时独自狂欢
:吴恩达也算业界大牛、coursera的创始人，他的机器学习公共课我听过真心受益匪浅，所以我绝对不认为他在吹牛
吴承恩不写西游记跑去百度干嘛
是学习怎么打广告 买药吗
、qintao1998qintao吴恩达果然了解国情，只管吹就行
小编谈技术
吴恩达，这名字好，第一次我看成了吴孟达，第二次看成了吴承恩。&&&&百度语音识别与语音合成官方demo
百度语音识别与语音合成官方demo
方便学习安卓开发百度语音识别与语音合成的官方实例，使用的时候一定要注意要把lib中的所有文件放到新建的工程中，把新建工程中的lib删掉，还有就是语音识别和语音合成中的lib中的文件有重复的，把重复的删掉就行。
若举报审核通过，可奖励20下载分
被举报人：
peng2hui1314
举报的资源分：
请选择类型
资源无法下载
资源无法使用
标题与实际内容不符
含有危害国家安全内容
含有反动色情等内容
含广告内容
版权问题，侵犯个人或公司的版权
*详细原因：
VIP下载&&免积分60元/年（1200次）
您可能还需要
移动开发下载排行百度语音识别的REST_API识别率奇低 | 树莓派爱好者小组 | 果壳网 科技有意思
13353人加入此小组
最近用树莓派在做语音方面的东西玩，用到了百度语音的语音识别接口我用的是REST_API，利用python来使用，但是不知道为啥，能调用成功，但是识别率奇低，不管说啥识别出来都是嗯，哈哈，之类的，我直接播放语音，觉得听的还是听清楚的，百度语音貌似不会这么低啊，放上代码：#encoding=utf-8import waveimport urllib, urllib2, pycurlimport base64import json## get access token by api key & secret keydef get_token(): apiKey = "xxxxxxxx" secretKey = "xxxxxxxxx"auth_url = "" + apiKey + "&client_secret=" + secretKres = urllib2.urlopen(auth_url) json_data = res.read() return json.loads(json_data)['access_token']def dump_res(buf): print buf## post audio to serverdef use_cloud(token): fp = wave.open('vad_0.wav', 'rb') nf = fp.getnframes() f_len = nf * 2 audio_data = fp.readframes(nf)cuid = "xxxxxxxxxx" #my xiaomi phone MAC srv_url = '' + '?cuid=' + cuid + '&token=' + token http_header = [ 'Content-Type: audio/ rate=8000', 'Content-Length: %d' % f_len ]c = pycurl.Curl() c.setopt(pycurl.URL, str(srv_url)) #curl doesn't support unicode #c.setopt(c.RETURNTRANSFER, 1) c.setopt(c.HTTPHEADER, http_header) #must be list, not dict c.setopt(c.POST, 1) c.setopt(c.CONNECTTIMEOUT, 30) c.setopt(c.TIMEOUT, 30) c.setopt(c.WRITEFUNCTION, dump_res) c.setopt(c.POSTFIELDS, audio_data) c.setopt(c.POSTFIELDSIZE, f_len) c.perform() #pycurl.perform() has no return valif __name__ == "__main__": token = get_token() use_cloud(token)
+ 加入我的果篮
百度的识别率本来就不高啦，用google的接口啦
万有青年养成计划入围选手
引用 的话：百度的识别率本来就不高啦，用google的接口啦google要翻墙才能用啊，这不是高不高的问题了，就是完全识别不出来，应该不是百度识别率的问题，应该是上传过程中出现了某种问题
引用 的话：google要翻墙才能用啊，这不是高不高的问题了，就是完全识别不出来，应该不是百度识别率的问题，应该是上传过程中出现了某种问题随便一个sock5或者vpn不就好了嘛至于百度你说上传出现问题那么如果音频文件损坏的话API有错误处理的啊。curl那种东西一般都很可靠啊，还是看你的python读取的数据是正确的啦。没有用过这个模块……
首先，你明明是wav格式的文件，你传给api的格式为什么是pcm？格式不对的话能识别出来就真见鬼了。好好看下文档嘛，都写得很清楚。然后，用requests吧，你既然用python，有大把好用的库给你用，干嘛还用上古世纪的curl，这代码看得我都头疼。
(C)2016果壳网&&&&&京ICP备号-2&&&&&其它开发支持
MIT发布2016年十大突破科技，百度领衔语音交互技术上榜
时间：日 & 来源：新浪科技 & & && & & &日，《麻省理工科技评论》公布2016年十大突破技术，百度凭借领先的语音交互技术登上榜单。文章指出，百度在世界语音交互技术领域做出了突出贡献——将语音识别和自然语言理解相结合，为世界上最大的互联网市场创造切实可用的语音接口。百度所推出的深度语音识别系统将人们从传统的利用触摸屏输入汉字发出指令中解放出来，实现语音支配搜索。在便利年轻用户的同时，也帮助中老年人以及教育落后地区用户平等享受技术发展带来的红利。　　原文翻译如下：　　在北京三里屯，穿梭在酒吧和奢侈品店的人们手里拿着苹果、三星、小米等最新款的手机。但你会发现，有些人并未使用触摸屏操控手机，他们更喜欢用一种更为高效和直观的方法——语音交流。　　目前，中国约有6.91亿智能手机用户，这个数字还在持续攀升。他们在手机上用国内最大的搜索引擎百度来查找信息时，往往还习惯于使用触摸屏的方式。中国是发展语音接口的理想市场，因为使用微型触摸屏来进行汉字输入十分麻烦。不过，随着百度在语音技术方面的不断进步，语音接口将变得更为实用和有效，人们可以更为便利地与身边的设备进行互动。　　百度首席科学家兼斯坦福大学副教授吴恩达(Andrew Ng)表示：“我觉得语音发展到一定阶段，会变得非常可靠，你在用语音的时候甚至根本就不去想它。最好的技术往往是肉眼看不到的，随着语音识别技术变得越来越可靠，我想它将最终消失于幕后。”　　语音系统给我们描绘了一幅未来的图景，我们再也无需为学习每个设备的新接口而伤透脑筋。　　多少年来，语音接口就一直是技术专家的梦想，更别提那些天马行空的科幻小说家了。然而，在机器学习能力飞速发展的今天，语音控制技术正变得越来越接近现实。　　语音识别不再局限于几个预设的命令，无论是在喧嚣的北京街头，还是在吵闹的房间里，你都可以应用自如。语音虚拟助理，如苹果的Siri、微软的Cortana或Google Now，纷纷与智能手机绑定，而像亚马逊Alexa等最新的语音助理，更是提供了通过语音查询信息、编辑歌单、创建购物列表等功能。虽然这些系统往往并非完美，经常以搞笑的方式误听或者误解语音指令。但是，这些系统也在不断地改进，让我们可以初步看到科技未来是什么样——人们再也不必每购买一个设备就要新学习一个界面的操作方法了。　　　　百度创立于2000年，曾被称为“中国版的谷歌”(谷歌目前已退出中国市场)。作为主导中国国内搜索市场70%询问量的第一搜索引擎，百度已经演变成了许多服务的供应商，从音乐播放、视频观看，到银行业和保险业等等。当前，百度正在取得尤为惊人的进展，尤其是在语音识别准确度方面。同时，百度也具备进一步优化语音界面的能力。　　　　显然，效率更高的移动设备将成为许多用户的福音。在中国，智能手机比台式电脑和笔记本电脑更常见，但是用智能手机浏览网页、发送信息或者做其他操作都很耗时，再加上汉字数量成千上万，虽然拼音系统让用户可以通过拉丁语音系统进行输入，但是许多人(尤其是50岁以上用户)并不会使用拼音，因而为用户造成了极大的不便。中国用户很喜欢使用微信等聊天软件时，使用聊天以外的其他功能，如在餐馆买单等。这也导致在很多识字率较低的落后地区，互联网带来巨大社会和经济影响的可能性更大。　　因为在斯坦福大学时期在AI和机器人科学方面卓越的科研表现，吴恩达曾被《麻省理工科技评论》杂志评选为“2008年35岁以下杰出创新者”。吴恩达表示，“其实无需教会那些用惯了台式电脑的人如何操作手机，许多人可以跳过台式电脑，从一开始就去学操作移动设备的最佳方法。”　　吴恩达相信，语音科技很快将变得十分可靠，并且用于与各种各样的设备进行互动。如果人们可以直接与机器人或者家电对话的话，操控它们就会变得更加方便。百度公司北京的很多科研团队，以及其在硅谷的科研实验室都正在积极地推进语音识别的准确性，让电脑可以更好地分析句子的意思。　　同样致力于语音技术研究的麻省理工大学高级科研专家Jim Glass也对“语音交互技术时机终于成熟”这一观点表示了赞同。“在当今社会，语音识别技术已经到达了临界点。从我的经验来看，人们将十分乐于不用遥控器，而直接语音操控设备。” Jim Glass说道。　　　　百度北京总部的科研人员正在夜以继日地研发具备对话能力的数字助手　　去年11月，百度语音识别技术取得了里程碑式的进展，其位于硅谷的实验室研发出了一个全新的强大语音识别引擎——深度语音识别系统。这一引擎构建了庞大的，或者说“深度的”神经网络，能将声音与单个字或短语关联起来。百度为该引擎引入了数以百万计的转录语音，因此深度语音识别系统在识别口语方面有着惊人的准确性。有时它在识别汉语语音片段方面，要比人为识别更加准确。　　这个深度语音识别系统的科研团队里很少有人会说汉语普通话或粤语。它是一个通用的语音引擎。　　百度在深度语音识别系统上所取得的进步是惊人的，因为相较其他语言，汉语的语音系统更为复杂，甚至通过声调便可改变一句话的意思。而更令人敬佩的是，研发该系统的百度加州实验室中几乎没有几个科研人员会说汉语普通话、粤语或者其他中国地区方言。因此，从本质上说，该引擎是一个通用的语音识别系统，如果输入足够的英语语料，那么它也可以做到识别英文。　　目前，百度搜索引擎所听到的大部分语音指令都是简单的问询——比如，“明天天气怎么样”或者“污染程度如何”。对于这类问询，百度搜索引擎准确度极高。然而如今，用户所询问的问题越来越复杂，为迎接这一挑战，百度于去年推出了自己的语音助手——“度秘”。作为手机(百度)APP的主要功能之一，“度秘”可以帮助用户查询电影上映时间，或预订餐厅位置。　　当下，百度面临的一个巨大挑战就是教会其AI系统准确地理解更为复杂的口语指令，并做出智能回复。百度希望“度秘”最终能实现有意义的多回合对话，并且能在对话中纳入不断变化的信息。为了实现这一目标，百度北京总部的一个科研团队正在积极地改善“度秘”的用户问询理解系统，这需要运用百度在其语音识别中使用的神经网络技术，此外还要开展诸多重要工作。与此同时，百度还组建了另一组团队来分析“度秘”接收到的问询，并改正错误，以此不断优化系统。　　吴恩达表示，“未来，我特别希望用户可以同所有的设备进行语音沟通，并让它们听懂我们的意思。到那时，我的孙子孙女们也许会惊讶地发现，在2016年，如果你对微波炉说‘你好’，微波炉竟会很没礼貌地静静呆在那儿，根本不搭理你。”本稿件所含文字、图片和音视频资料，版权均属齐鲁晚报所有，任何媒体、网站或个人未经授权不得转载，违者将依法追究责任。原文链接：
全国首批获得可信云服务认证
对象存储服务:N002002 云数据库服务:N003002}