Microsoftの音声認識技術を本気で検証してみた - Qiita
はじめに Microsoftの音声認識技術を機会あって本気で検証したので、共有しようと思います。 音声認識技術はAIキーワードに含まれる技術の一つなのでAIが流行りだした２年前くらいから話題になり始めたのですが、特にHotになったのは去年2016年の年末にGoogleとMicrosftが立て続けにニューラルネットワークベース（ディープラーニングベース）のAPIを、誰でも使えるサービスとしてリリースしてからだと思います。 GoogleとMicrosoftが発表したニュースのキャッチコピーは認識精度が「人間並みに到達」だったので、かなり強いインパクトを世間に与えたのだろうと思います。私もこのニュースに驚き、強く惹かれました。 ●当時のニュース記事 ・Microsoft http://jp.techcrunch.com/2016/10/19/20161018microsoft-hits-a-sp
音声認識でプログラミング - hitode909の日記
音声認識でプログラミングする情報．たまに見返したくなるのでメモ． Using Python to Code by Voice Using Python to Code by Voice - YouTube 音声認識でプログラミングするためのプログラム作って使ってるという発表． Microsoft Vista Speech Recognition Tested - Perl Scripting Microsoft Vista Speech Recognition Tested - Perl Scripting - YouTube Windows Vistaの音声認識でPerl書こうとする動画． ujihisaさんが見た人 ujihisa: emacs使いのうち一人が ujihisa: 本当にすごかった・・・ ujihisa: やばい・・・ ujihisa: emacs最大の弱点 ujihis
openSMILEを使ってみる
論文を調べていたらinterspeech2009で感情認識のChallengeが行われていた。 そこで、使われているのがopenSMILEという特徴量抽出用のプログラム。 いろいろな音声認識、音楽認識、などなどで用いられる特徴量ががっつり計算できる上にWEKA用のarffでも書き出せるようにしているらしい。 というか、2009年でも一つの音声ファイルに対して384次元の特徴ベクトルを計算してくれる。 2010年用だと1000超えてたり、なんかすごいことになってる気もする。 ちなみに、binで落としてもlinux/windows両方の実行ファイルが入ってるのでそちらが楽ではある。 SSE対応や64bit対応もしてるし。 でも、やっぱりソースからコンパイルしてみたい。 コンパイルはbookを見るとスクリプト一発だぜーと書いてあるような気がしたのだが、よく見たら細かい手順が書いてあった。 ダウン
Microsoft、Windows Holographic Platformを発表 | スラド ハードウェア
Microsoftは年次開発者会議「Build 2015」の1日目の基調講演で、Windows Holographic Platformを発表した。1月に発表されたARデバイス「HoloLens」への開発環境が提供される。当日行われたデモンストレーションでは、音声入力でコマンドを実行する様子などが紹介されている。さらに実世界の物体にCGを合成することや、仮想ウインドウの表示、Skypeの操作なども可能だ(VentureBeatの記事、PC USERの記事、本家/.)。 HoloLensは、ホログラム映像を合成可能なARヘッドセット。CPUやGPUが組み込まれており、Windows 10が搭載されるため単体での使用が可能だという。重さは「平均的なノートPCよりも軽い」とされている。なお、メガネをかけたままでも装着できるとのことだ。
研究者らが無償のオープンソース版Siriを開発 - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Image Credit: Bhupinder Nayyar/Flickr AppleやMicrosoftのような大手テクノロジー企業は、モバイル機器に搭載されたパーソナルデジタルアシスタント機能を多くの人に提供してきた。そのおかげでユーザはデバイスに話しかけるだけでアラームをかけたり、質問の回答を得たりすることができるようになった。現在、他の企業も新しいオープンソースのソフトウェアを用いて、それぞれ独自のバージョンのアシスタント機能を作成することが可能になった。そのソフトウェアは、Sirius。もちろん、AppleのSiriをもじったものだ。 今日、トルコで開かれている「プログラム言語およびOS向けアーキテクチャサポートに関する国際会議」にて、ミシガン大学の研究者らがSiriusについてのプレゼンテーションを行った（編集部注：原文掲載3月14日）。時を同じくした今朝、SiriusはPro
Julius/音声認識関連 超入門用自分用まとめ - Qiita
Juliusという神ソフトウェアがこの世の中にあったことに驚いたので、これに関する神記事群をあつめてる途中マン。（音声認識…深い…（ｺﾞｸﾘ。）） Julius http://julius.sourceforge.jp 連続音声認識ソフトウエア Julius Open-Source Speech Recognition Software Julius http://www.ar.media.kyoto-u.ac.jp/lab/bib/review/KAW-JSAI05.pdf 凹みTips http://tips.hecomi.com/ http://tips.hecomi.com/archive/category/Julius チュートリアル JuliusとJulian http://shower.human.waseda.ac.jp/~m-kouki/pukiwiki_public/2
ラズベリーパイの調理法 音声制御アプリケーション開発プラットフォーム Jasper
Jasperは、音声制御アプリケーション開発用、オープンソース プラットフォームです。 Princeton Universityの学生、Shubhro SahaとCharlie Marshが開発しました。 Piにマイク、スピーカー、それにネットワーク環境があれば開発できます。 音声認識には、PocketSphinxを使用しています。 その他のツールとしては、 CMUCLMTK OpenFST MIT Language Modeling Tool Kit m2m-aligner Phonetisaurus これらのツールは特に理解する必要はありません。 Raspbianディスクの作成から、環境設定、上記ツール類のインストール、セットアップも丁寧に説明しています。 また、Jasperのディスクイメージも公開していますので、これを利用すれば、すぐに Jasperの使用ができます。 Jasperア
ソフトウェア｜杉浦孔明ウェブサイト
60QA 論文執筆を査読者からの質問に回答する作業と捉え、 60個程度の質問に回答すると論文がいつの間にかできあがる、という方式で論文執筆を仕組み化しました。 60 Questions and Answers 音声翻訳アプリの多くは、入力される言語が何語であるかをあらかじめ指定する必要があるため、ユーザにとって不便でした。さらに、相手が話している言語が分からない場合には、何語かを指定すること自体が困難でした。 1.5秒程度の短い発話から即座に言語を識別する技術を開発し、NICTの音声翻訳アプリVoiceTraに導入しました。 VoiceTraのダウンロード方法は公式ページをご覧ください。 言語識別機能は、VoiceTraを開き、言語変更をタップ→モードを「自動」に設定することで使用できます。 Solar flare is one of the causes of electromagnet
GoogleApiKit - 風工房日記
PCに於けるGoogle音声認識の利用の一環ですが、これは開発者向けです。 本Kitは、GoogleAPIKitはGoogleのWebAPIWindowsで簡単に実現するためのdll集です。 Com型のdllですので、従来のVC,VBやBCB,Delphi、.NETでも使うことができます。 2014.05:Google音声認識APIでV1が打ち切られたためV2に変更。 ■ダウンロード（Ｖｅｒ０．１４） GoogleApiKit（Ｚｉｐ版ダウンロード） １．概要 GoogleAPIをアプリから簡単に使うためのdllのセットです。 ２．特徴 Googleとは、どれも文字列やファイルで通信しますが、dllによって煩雑なコードを書かなくても数行の記述で使用できるようになっています。 現在は次の4種があります。 １）検索 GoogleSearch.dll ２）音声認識 SpeechDialog.dl
シャープが人工知能搭載・音声認識・スマホ連携で自走式のロボット家電「COCOROBO(ココロボ)」新発売
シャープが「人工知能」「音声認識」「センサー」「スマートフォン連携」などの先進機能により、快適で安心感のある暮らしを提供する「ロボット家電」を提案するとして、その第1弾であるロボット家電「COCOROBO(ココロボ)」を発表しました。 6月上旬に発売されることになっており、掃除機能と「高濃度プラズマクラスター7000」を搭載、人工知能「ココロエンジン」によって充電量や掃除の状況に応じた多彩な反応が可能となっており、音声認識「ボイスコミュニケーション」機能による対話操作も可能、無線LAN（IEEE802.11b/g）接続によって内蔵カメラ（約130万画素で動画解像度は640×480ドット）で撮影した画像をスマートフォンで出先などから確認できるそうです。対応しているスマートフォンはAndroid OS 2.3/4.0以降、iOS 5以降のiPhone4・iPhone4S・iPad2・iPad(
産総研、ニコ動など動画音声データの検索・書き起こしシステムを公開 | ネット | マイコミジャーナル
産業技術総合研究所(産総研)は、情報技術研究部門の後藤 真孝上席研究員 兼メディアインタラクション研究グループ 研究グループ長と緒方 淳研究員らが開発したユーザーの協力で性能が向上する音声情報検索技術を、インターネット上にある日本語と英語の動画音声データを対象とした音声全文検索・書き起こしサービス「PodCastle」として10月12日に一般公開し、実証実験を開始すると発表した。 産総研では、音声認識の誤りをユーザーが訂正できる独自のインタフェースを開発し、2008年6月に日本語のポッドキャストに限定した音声全文検索サービスとして一般公開している。既に12万件以上の音声データが登録され、実際に52万単語以上が訂正されており、これらを学習することで音声認識の性能向上が可能なことが実証されたとしている。 今回公開する音声全文検索・書き起こしサービスでは、新たに動画共有サービス(ニコニコ動画、Y
第3回 Kinect for Windows SDKで録音／音源の位置特定／音声認識
第3回 Kinect for Windows SDKで録音／音源の位置特定／音声認識：連載：Kinect for Windows SDK（ベータ版）開発入門（1/2 ページ） 連載目次 前回は、インストールされたC#版サンプル・プログラムの「Skeletal Viewer」について解説することで、NUI（ナチュラル・ユーザー・インターフェイス）のカメラ・イメージの取得、深度情報の取得、骨格情報の取得などのKinect for Windows SDK（ベータ版）の基本的な使い方について理解した。今回も引き続き、サンプル・プログラムを基に、録音／音源の位置特定／音声認識について解説する。 ■サンプル・プログラム「RecordAudio」 まずは、SDKに付属のサンプル・プログラムである「RecordAudio」をひもときながら、Kinect for Windows SDK（ベータ版）のAudi
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
2人きりでも会話が途切れない！女の子と会話する方法 ～ 簡単! クリスマスまでに好きな女の子と仲良くなる方法 その5 #アセットアドカレ | Develog.VR
WindCraft（風工房）のホームページ
http://rospeex.org/top-ja/
グーグルが脳をヒントに音声認識を向上させた方法とは
Engadget | Technology News & Reviews
「Kinect for Windows」の音声認識が日本語に対応へ