首页 首页 大数据 查看内容

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

木马童年 2019-6-8 11:40 24 0

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 ...

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。

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。

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

工程师 深度学习 语音识别 神经网络 数据集 语音
0
为您推荐
大数据技术改变城市的运作方式,智慧城市呼之欲出

大数据技术改变城市的运作方式,智慧城市呼

纽奥良虽像大多数城市一样有火灾侦测器安装计划,但直到最近还是要由市民主动申装。纽…...

大数据分析面临生死边缘,未来之路怎么走?

大数据分析面临生死边缘,未来之路怎么走?

大数据分析开始朝着营销落地,尤其像数果智能这类服务于企业的大数据分析供应商,不仅…...

什么是工业大数据,要通过3B和3C来理解?

什么是工业大数据,要通过3B和3C来理解?

核心提示:工业视角的转变如果说前三次工业革命分别从机械化、规模化、标准化、和自动…...

大数据普及为什么说肥了芯片厂商?

大数据普及为什么说肥了芯片厂商?

科技界默默无闻的存在,芯片行业年规模增长到了3520亿美元。半导体给无人驾驶汽车带来…...

大数据技术有哪些,为什么说云计算能力是大数据的根本!

大数据技术有哪些,为什么说云计算能力是大

历史规律告诉我们,任何一次大型技术革命,早期人们总是高估它的影响,会有一轮一轮的…...

个人征信牌照推迟落地,大数据 重新定义个人信用!!

个人征信牌照推迟落地,大数据 重新定义个

为金融学的基础正日益坚实。通过互联网大数据精准记录海量个人行为,进而形成分析结论…...