关键字识别（KWS）是智能设备上终端和服务机器人的人机交互的主要组成部分，其目的是最大程度地提高检测精度，同时又要减小占用空间。 在本文中，基于DenseNet提取局部特征图的强大功能，我们为KWS提出了一种新的网络体系结构（DenseNet-BiLSTM）。 在我们的DenseNetBiLSTM中，DenseNet主要用于获取局部特征，而BiLSTM用于获取时间序列特征。 通常，DenseNet用于计算机视觉任务，它可能会破坏语音音频的上下文信息。 为了使DenseNet适合KWS，我们提出了一个变体DenseNet，称为DenseNet-Speech，它在过渡层的时间维度上删除了池以保留语音时间序列信息。 此外，我们的DenseNet-Speech使用密度较小的块和过滤器来使模型保持较小，从而减少了移动设备的时间消耗。 实验结果表明，DenseNet-Speech的特征图可以很好地维护时间序列信息。 就Google Speech Commands数据集的准确性而言，我们的方法优于最新方法。 对于具有223K可训练参数的20条命令识别任务，DenseNet-BiLSTM能够达到96.6％的精度。

很棒的语音增强 语音前端列表，例如语音增强\语音分离\声源定位 语音分离 Tasnet：时域音频分离网络，用于实时单通道语音分离 Conv-TasNet：用于语音分离的超越理想的时频屏蔽 双路径RNN：用于时域单通道语音分离的高效长序列建模 DANet：用于单通道语音分离的深层吸引网络（DANet） TAC端到端麦克风排列和数目不变的多通道语音分离 uPIT进行语音分离：使用发声级PIT进行语音分离 LSTM_PIT_Speech_Separation 深度集群 小行星：面向研究人员的基于PyTorch的音频源分离工具套件 声音分离（Google） 声音分离：使用Pytorch基于深度学习的语音源分离 ONSSEN：开源语音分离和增强库 音乐源分离 歌声分离 盲源分离技术比较 FastICA 基于本地化和优先级的双耳分离算法 卷积传递函数不变SDR 语音

演讲 文字转语音（TTS）和自动语音识别（ASR）。 链接到Doxygen生成的文档： : 安装 在可以找到从源代码安装的安装说明。 用法 有关如何启动或配置它的信息： 如果要构建新的语言模型，请阅读 更多示例： 要查看其他程序如何调用speechRecognition和Espeak并通过yarp对其进行配置，您可以查看代码的这一部分。 贡献 发布问题 阅读 叉与拉请求 按照，在master分支上创建功能分支（ git checkout -b my-new-feature ） 提交您的更改 推送到分支（ git push origin my-new-feature ） 创建一个新的拉取请求 地位 相似及相关项目

该书是语音处理领域最权威的书籍。 包括内容：语音处理，权威，语音识别，说话人识别，说话人合成

Speech Recognition Using Deep Neural Networks: A Systematic Review ALI BOU NASSIF

了解语音识别的客户端隐私权衡 相应代码。 这是我们生成的样本的。 背景 现有的确保用户语音数据隐私的方法主要集中在服务器端方法上。 尽管改善服务器端的隐私可以减少某些安全问题，但用户仍然无法保持对客户端是否确保隐私的控制。 在本文中，我们定义，评估和探索了语音识别中客户端隐私的技术，其目标是在离开客户端设备之前保留原始语音数据的隐私。 首先，我们在确保性能，计算要求和隐私之间的客户端隐私方面正式权衡了几个权衡。 使用我们的权衡分析，我们对现有方法进行了大规模的实证研究，发现它们在至少一个度量标准上达不到要求。 我们的结果要求在这一关键领域进行更多研究，以迈向跨移动设备大规模大规模安全部署现实语音识别系统的一步 笔记 我们使用作为我们的ASR模型。 到GAN语音转换模型。 到VAE语音转换模型。 我们使用和来构建我们的信号处理方法。 详细信息在我们的中描述。 运行src/main.

Deep_Learning_for_Distant_Speech_Recognition Mirco Ravanelli

主要介绍了python之语音识别speech模块,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

很有参考价值 1、Speech SDK 5.1 2、Speech SDK 5.1 中文语言包 3、先安装Speech SDK5.1 再安装Speech SDK5.1 中文语言包。完成安装后，解压后有详细安装文档。可以参考一下

仇恨言论 @inproceedings {讨厌的仇恨，标题= {自动仇恨语音检测和令人讨厌的语言问题}，作者= {戴维森，托马斯和沃姆斯利，达娜和梅西，迈克尔和韦伯，英格玛}，书名= {第十一届国际AAAI会议论文集在网络和社交媒体上}，系列= {ICWSM '17}，年份= {2017}，位置= {加拿大蒙特利尔}，页面= {512-515}}