基于Java的实例源码-语音识别程序 SpeechLion.zip

一、说明 程序已支持ChatGPT4.0、Midjourney绘画、GPT3.5 API绘画、Prompt角色预设功能（后台自定义添加，用户也可自定义添加）、语音识别输入、用户会员套餐、用户邀请分销功能、用户每日签到功能、系统后台管理、一键更新版本。支持手机电脑不同布局页面自适应。 新增自定义选择GPT3/4模型(已更新为openai6月14日最新发布的gpt-3.5-turbo-0613模型 二、安装教程 1、环境要求（推荐）： 服务器：CentOS 7 64 Bit、宝塔控制面板 环境：Nginx、MySQL 5.7、PHP-7.3 2、开始： 一台VPS服务器 搭建宝塔 解析绑定域名 上传程序至根目录（将"chengxu.zip"上传网站更目录解压即可） 创建一个数据库 访问首页在线安装配置数据库 PHP版本选择:7.3 安装完成后访问网站首页即可！ 配置APIKEY，登录网站后台自定义配置，不然网站无法使用！ 网站后台地址/admin 默认账号:admin 密码:123456 【本文只写到2023年6月19日的更新，系统持续更新，系统搭建好后登录管理页面，点击一键更新】

Android整合SherpaNcnn实现离线语音识别（支持中文，手把手带你从编译动态库开始）示例Demo及动态库

语音信号处理之（四）梅尔频率倒谱系数,语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数

语音识别算法主要涉及特征提取、统计建模和识别技术等几个关键方面。在此使用MFCC+DTW算法的方式给出语音识别的代码，首先进行简单介绍。 参考我的博客： https://blog.csdn.net/weixin_44584198/article/details/132922642?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22132922642%22%2C%22source%22%3A%22weixin_44584198%22%7D

CASIA语音情感语料库，共包括四个专业发音人，六种情绪生气（angry）、高兴（happy）、害怕（fear）、悲伤。4个人（2男2女），50个句子，6种情绪，即不同人对相同的文本赋以不同的情感来阅读，这些语料可以用来对比分析不同情感状态下的声学及韵律表现。

包含声学模型和语言模型两个部分组成，两个模型都是基于神经网络。 该项目实现了GRU-CTC中文语音识别声音模型，所有代码都在gru_ctc_am.py中，包括： 增加了基于科大讯飞DFCNN的CNN-CTC结构的中文语音识别模型cnn_ctc_am.py，与GRU相比，对网络结构进行了稍加改造。 完全使用DFCNN框架搭建声学模型，稍加改动，将部分卷积层改为inception，使用时频图作为输入，cnn_with_fbank.py。 新增使用pluse版数据集的模型，cnn_with_full.py，建议直接训练这个模型。 语言模型 - language_model文件夹下 新增基于CBHG结构的语言模型language_model\CBHG_lm.py，该模型之前用于谷歌声音合成，移植到该项目中作为基于神经网络的语言模型。

基于单片机的智能语音识别系统设计-毕业设计-论文.doc

人工智能-深度学习-tensorflow

调用百度语音识别API，Python SDK。并评估WER词错误率