阿里语音识别模块1.0.rar 阿里YunOS语音识别技术就是把语音转换成文本，也称为自动语音识别。语音识别是人工智能领域极为重要的前沿技术。阿里IDST语音团队还把智能语音交互技术赋能给YunOS， [1] 联合海尔U+实验室实现智能行业内全新的便捷操作模式。该技术能够使所有智能电视产品实现快速、高效、准确的语音识别及控制。

基于非特定人语音识别智能家居控制系统.doc

基于傅里叶变换的降噪和基于深度学习的噪声抑制与语音识别多功能系统源码。 系统功能如下： 1、噪声抑制： （1）提供对音频进行转换成频谱图，让用户分析起来更加直观。 （2）可以进行录音，并将录进的音频内容保存到指定的文件夹中。 （3）同时可以对录进的音频进行添加噪音，添加研究内容。 （4）可以对录制的音频进行降噪处理，使录进的音频听起来更加清晰。 （5）可以将处理后的音频播放出来。 2、语音合成： （1）提供对用户想输入的两段文字的编辑功能。 （2）可以将用户输入的两段文字合成为一段文字并将文字转换为音频信息。 （3）可以存取转换后的音频，也可以存取任意一段文字所转换的音频。 （4）可以将存取的音频播放出来 3、语音识别： （1）提供对于用户输入的音频进行录制。 （2）可以将用户录入的音频存储到指定路径中并进行播放。 （3）将存储的音频识别成文字的方式进行输出。

C#写的利用讯飞接口实现语音转换成文本，可以运行，放心使用

MATLAB语音信号处理[0-9语音识别GUI】

语音识别,里面有50条识别结果的对比！！！

基于HMM的语音识别系统，python实现版本。详细的教程见专栏

基于DTW的语音识别python系统搭建，详细教程见专栏

长期短期记忆（LSTM）广泛用于语音识别。为了获得更高的预测精度，机器学习科学家已经建立了越来越大的模型。这样的大型模型既有计算又有内存密集型。部署这种庞大的模型会导致高功耗，并导致数据中心的所有者总体成本（TCO）较高。为了加速预测并使其高效节能，我们首先提出了一种负载平衡感知修剪方法，可以将LSTM模型大小压缩20倍（修剪10倍，量化2倍），预测精度损失可忽略不计。此外，我们还提出了负载平衡感知修剪，以确保高硬件利用率。接下来，我们提出了一个调度程序，它将压缩模型编码并分区为多个PE以实现并行，并调度复杂的LSTM数据流。最后，我们设计了一个名为ESE的硬件架构，它直接在稀疏LSTM模型上工作。 ESE在运行频率为200MHz的Xilinx XCKU060 FPGA上实现，直接在稀疏LSTM网络上运行282 GOPS，对应密集的2.52 TOPS，处理完整的LSTM，语音识别功耗为41瓦。在语音识别基准的LSTM上进行评估，ESE比Core i7 5930k CPU和Pascal Titan X GPU实现快43倍和3倍。与CPU和GPU相比，它的能效分别提高了40倍和11.5倍

语音识别基于深度学习的语音识别指令控制 matlab实现