cwilling

摘要： 人类处理语言一共有六种模型 第一种，输入是语音，输出是文字——语音辨识（Automatic Speech Recognition-ASR） 第二种，输入是文字，输出是语音——语音合成 第三种，输入是语音，输出是语音 第四种，输入是语音，输出这是语音的哪个类别（class） 第一种例子是输入一段语音， 阅读全文

摘要： 如何做语音辨识呢 我们需要一个model或者一个Function,它的输入语音信号，它的输出就是文字。 对于一个语音辨识系统而言，它输入和输出的语音和表示被表示成什么呢？ 输入的声音会被表示成为一串的向量，它的强度用T来表示，它的dimension(尺寸)用d表示。 输出的文字会被表示成为一串tok 阅读全文