當前位置:編程學習大全網 - 編程語言 - 語音識別開放化開發平臺有哪些

語音識別開放化開發平臺有哪些

語音識別開發平臺有很多,具體總結如下:(更詳細的介紹參見本人的博文:幾個常見的語音交互平臺的簡介和比較)

1.商業化的語音交互平臺

1)微軟Speech API

微軟的Speech API(簡稱為SAPI)是微軟推出的包含語音識別(SR)和語音合成(SS)引擎的應用編程接口(API),在Windows下應用 廣泛。目前,微軟已發布了多個SAPI版本(最新的是SAPI 5.4版),這些版本要麽作為於Speech SDK開發包發布,要麽直接被包含在windows 操作系統中發布。SAPI支持多種語言的識別和朗讀,包括英文、中文、日文等。

2).IBM viaVoice

IBM是較早開始語音識別方面的研究的機構之壹,早在20世紀50年代末期,IBM就開始了語音識別的研究,計算機被設計用來檢測特定的語言 模式並得出聲音和它對應的文字之間的統計相關性。1999年,IBM發布了VoiceType的壹個免費版。2003年,IBM授權ScanSoft公司擁有基於ViaVoice的桌面產品的全球獨家經銷權,隨後ScanSoft與Nuance合並,如今viaVoice早已淡出人們的視線,取而代之的是Nuance。

3)Nuance

Nuance通訊是壹家跨國計算機軟件技術公司,總部設在美國馬薩諸塞州伯靈頓,主要提供語音和圖像方面的解決方案和應用。目前的業務集中 在服務器和嵌入式語音識別,電話轉向系統,自動電話目錄服務等。Nuance語音技術除了語音識別技術外,還包擴語音合成、聲紋識別等技術。世界語音技術市場,有超過80%的語音識別是采用Nuance識別引擎技術, 其名下有超過1000個專利技術,公司研發的語音產品可以支持超過50種語言,在全球擁有超過20億用戶。蘋果的iPhone 4S的Siri語音識別中就應用了Nuance的語音識別服務。

4)科大訊飛

科大訊飛作為中國最大的智能語音技術提供商,在智能語音技術領域有著長期的研究積累,並在中文語音合成、語音識別、口語評測等多項 技術上擁有國際領先的成果。占有中文語音技術市場60%以上市場份額,語音合成產品市場份額達到70%以上。

5)其他

其他的影響力較大商用語音交互平臺有谷歌的語音搜索(Google Voice Search),百度和搜狗的語音輸入法等等。

2.開源的語音交互平臺

1)CMU-Sphinx

CMU-Sphinx也簡稱為Sphinx(獅身人面像),是卡內基 - 梅隆大學( Carnegie Mellon University,CMU)開發的壹款開源的語音識別系統, 它包括壹系列的語音識別器和聲學模型訓練工具。最早的Sphinx-I 由@李開復 (Kai-Fu Lee)於1987年左右開發,使用了固定的HMM模型(含3個大小為256的codebook),它被號稱為第壹個高性能的連續語音識別 系統(在Resource Management數據庫上準確率達到了90%+)。 最新的Sphinx語音識別系統包含如下軟件包:

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

這些軟件包的可執行文件和源代碼在sourceforge上都可以免費下載得到。

2)HTK

HTK是Hidden Markov Model Toolkit(隱馬爾科夫模型工具包)的簡稱,HTK主要用於語音識別研究,最初是由劍橋大學工程學院(Cambridge University Engineering Department ,CUED)的機器智能實驗室(前語音視覺及機器人組) 於1989年開發的,它被用來構建CUED的大詞匯量的語音識別系統。HTK的最新版本是09年發布的3.4.1版,關於HTK的實現原理和各個工具的使用方法可以參看HTK的文檔HTKBook。

3)Julius

Julius是壹個高性能、雙通道的大詞匯量連續語音識別(large vocabulary continues speech recognition,LVCSR)的開源項目, 適合於廣大的研究人員和開發人員。它使用3-gram及上下文相關的HMM,在當前的PC機上能夠實現實時的語音識別,單詞量達到60k個。

4)RWTH ASR

該工具箱包含最新的自動語音識別技術的算法實現,它由 RWTH Aachen 大學的Human Language Technology and Pattern Recognition Group 開發。RWTH ASR工具箱包括聲學模型的構建、解析器等重要部分,還包括說話人自適應組件、說話人自適應訓練組件、非監督訓練組件、個性化 訓練和單詞詞根處理組件等。

5)其他

上面提到的開源工具箱主要都是用於語音識別的,其他的開源語音識別項目還有Kaldi 、simon 、iATROS-speech 、SHoUT 、 Zanzibar OpenIVR 等。

  • 上一篇:tomcat和jetty的區別
  • 下一篇:iPhone X的優勢在哪裏?
  • copyright 2024編程學習大全網