您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
人工智能 正文
发私信给三川
发送

0

谷歌开源语音命令数据集,帮助开发者搭建基础的语音交互

本文作者:三川 2017-08-25 08:14
导语:谷歌在今日宣布开源 Speech Commands Dataset。

谷歌开源语音命令数据集,帮助开发者搭建基础的语音交互

谷歌的工程师们经常被问到这么个问题:

怎么上手用深度学习做语音识别或其它音频识别,比如关键词或指令?

虽然,现在出现了些很优秀的开源语音识别系统,比如 Kaldi,就能把神经网络作为其中的一个模块。但其高度复杂性,让它们并不适合作为解决简单任务的指南。更重要的是,对于新手而言,免费、可公开获取的数据集并不多,经过预处理的、或适合于简单的关键词检测的也很少。

为解决这些问题,谷歌的 TensorFlow 和 AIY 团队创建了 Speech Commands Dataset,即“语音命令数据集”,并基于它向 TensorFlow 添加训练和推理的示例代码。

雷锋网(公众号:雷锋网)消息,谷歌在今日宣布开源该数据集。

对 30 个命令短语,该数据集有 65000 次的长约一秒钟的发音。这来自数千个不同的人向 AIY 网站提交的贡献。它以 Creative Commons BY 4.0 许可发布,随着新贡献的添加,该数据集在未来会不断扩大。

建立这个数据集的目的,是帮助大家为应用创建基础但有用的语音交互,比如“Yes”、“No”、数字、方向等词语。谷歌也已经将开发这一数据集的基础设施开源,并希望看到更多人借此创建更多版本的数据集,尤其是针对冷门语言和应用。

下载预建的 TensorFlow 安卓演示 APP,打开 “TF Speech”,就能体验谷歌基于该数据集开发的识别模型。另外,你可以通过 TensorFlow.org 的音频识别 tutorial 学习怎么开发你自己的模型。

雷锋网版权文章,未经授权禁止转载。详情见转载须知

谷歌开源语音命令数据集,帮助开发者搭建基础的语音交互

分享:
相关文章

文章点评:

表情

用爱救世界
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说