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

支持语音WIFI按键控制四种垃圾桶开关，同时支持语音模块对话进行垃圾分类，WIFI采用TCP局域网方式，请在烧录ESP01S的AT固件后进行STM32通信，可以使用网络调试精灵等支持TCP通信的APP进行测试，后期可以自行设计APP。语音模块采用ASRPRO,支持中文和C语言两个编程方式，图形化界面简单操作。

思科VG224模拟语音网关 固件vg224-i6s-mz.124-24.T8.bin

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。

离线文字转语音——Overtone - Realistic AI Offline Text to Speech (TTS)

医疗器械报警语音（依据法规9706.108-2021）

13.语音旁边-电影配音.mp4

制作的文字转语音软件

MS-TTS影视解说配音工具神器 解锁版 微软TTS文本转语音引擎的确是非常NB，合成语音非常接近真人，应该是当前同类产品中体验最好的，官网有提供在线语音合成，但不提供合成后的音频文件下载，使用时会比较麻烦，所以写成工具。 注意 1、记得先解压，且解压保存文件夹完整路径不能包含空格、英文小括号等特殊字符，否则将导致无法合并。 2、如果可以，请使用管理员模式运行程序！ 3、简单模式-超长文本：导入的txt文件编码必须为utf-8，文件大小不要超过5MB; 4、试听功能：试听范围为主体内容前150字符； 5、SSML模式：试听模式主体内容长度不得超过150字符，合成模式主体内容长度不得超过2500字符； 更新内容： 1.9.5 1、界面大小可自行调整； 2、Edge接口数据汉化； 3、角色数量增加到20个； 4、恢复强制更新。（原因请自行理解） 5、其它bug修复 1.9.5.1 稳定性修复 1.9.5.2 微软接口wav格式无法合并bug修复 1.9.5.3 修复“Invalid characters in file name”

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。