ケプストラム分析 - 人工知能に関する断創録
Pythonで音声信号処理（2011/05/14）の第18回目。 今回は、音声の特徴量としてよく使われるMFCC（Mel-Frequency Cepstrum Coefficients: メル周波数ケプストラム係数）抽出に向けた第一歩としてケプストラム分析を試しました。Wikipediaでケプストラムの定義を見てみると。 ケプストラムは1963年、Bogertらの論文で定義された。ケプストラムの定義は以下の通り。 口語的定義: （信号の）ケプストラムとは、（信号の）フーリエ変換の対数（位相アンラッピングを施したもの）をフーリエ変換したものである。スペクトルのスペクトルとも呼ばれる。 数学的定義: 信号のケプストラムは FT(log(|FT(信号)|)+j2πm) である。ここで m は、複素対数関数の虚数成分または角度の位相アンラッピングを正しく行うのに必要とされる整数である。 アルゴリズ
How About "HTK"
How About HTK? HTK(Hidden Markov Model Toolkit)とは、1990年代初めに開発された、 とくに音声認識を想定して開発したスピーチプロセッシング開発用のツールキットです。 このツールキットを使用して、音響モデルを作成します。 Preparation "How about HMM?" HTKの説明に入る前に、事前準備として”HMM”について説明します。 一般に、ある記号の出現確率が直前の記号のみに依存すると仮定する確率モデルを「マルコフモデル」といいます。 これに対して、マルコフ過程に従って遷移する内部状態、および、各状態における記号の出現確率分布から構成される 確率モデルを「隠れマルコフモデル」といいます。外部から観測できるのは記号の系列だけであり、 内部の状態遷移は直接観測できないところから「隠れ」マルコフと呼ばれています。 HMMとは、すなわち
Web Speech API Demonstration - Chrome Browser
Click on the microphone icon and begin speaking for as long as you like.
[HTML5] Web Speech APIに入門 - YoheiM .NET
こんにちは、@yoheiMuneです。 7月になってやっとブログを書く余裕が出てきた(´∀｀∩)〜〜。 今日は、Chromeでも最近使えるようになったWeb Speech APIについて入門記事を書きたいと思います。 Special Thanks to https://flic.kr/p/7fADmS 目次 Web Speech APIとは Web Speech APIはW3Cコミュニティグループによって策定されている仕様で、Web Speech API Specificationに仕様が掲載されています。この仕様書はリンク先にも記載の通り「It is not a W3C Standard nor is it on the W3C Standards Track（このドキュメントはW3C標準でもなければW3Cの標準トラックに則ったものでもない）」とW3C標準ではありません。しかしWebki
![[HTML5] Web Speech APIに入門 - YoheiM .NET](https://cdn-ak-scissors.b.st-hatena.com/image/square/9958e58c452507fc865e0293c7a9e50122fed061/height=288;version=1;width=512/https%3A%2F%2Fwww.yoheim.net%2Fimage%2F335.jpg)
Google Speech API ver.2の使い方 - Qiita
はじめに Google音声認識のAPは、Version1まではそこら中に、使い方やサンプルスクリプトが転がっていたが、Version2から登録制になったからか、まとまった使い方がどこにも載っていないので、まとめておく。 登録からSpeech APIの有効化、APIキーの入手まで GoogleのSpeech APIは、v1が廃止され、v2になっている。v2からは、登録制になっており、Google APIsのコンソール画面から操作を行う必要がある。以下が登録の手順である。 Google APIs Consoleに自分のGoogleアカウントでログインする https://console.developers.google.com/project 左に列挙されているタブの中から「Projects」を選ぶ 「Create Project」のボタンを押し、適当なプロジェクト名を入力して、プロジェクト
List of speech recognition software - Wikipedia
Speech recognition software is available for many computing platforms, operating systems, use models, and software licenses. Here is a listing of such, grouped in various useful ways. Acoustic models and speech corpus (compilation)[edit] The following list presents notable speech recognition software engines with a brief synopsis of characteristics. Application name Description Open-source License
Perspective of Speech Recognition Technologies in the Cominig Decade
回答者のプロファイル (1)応用面での展開 5年後あるいは10年後において、音声認識を用いた以下のアプリケーションが できていると思いますか。 Q1 講演音声の自動書き起こしが実用化されている Q2裁判所や国会の記録に、速記の代わりに音声認識が導入されている Q3駅の券売機やコンビニの端末での音声入力が一般的になっている Q4家電製品(照明やエアコン)の音声操作が標準的なオプションになっている Q5電話による情報案内は音声認識が主流になっている Q6電話による商品の注文やバンキングも音声認識が主流になっている Q7旅行の相談や法律の相談が音声対話システムでできるようになっている Q8携帯電話／端末において音声入力によるE-mail作成が標準装備されている Q9日常会話の音声翻訳システムができている Q10特定のタスクでは、機械と話しているのがわからない程度の音声対話システムができている (
Blog::About::Digital : 音声認識エンジンjuliusをLionで試してみた
2011年10月31日02:27 by kosuken 音声認識エンジンjuliusをLionで試してみた カテゴリmac音・音響 専攻は音響学です。どうもこんにちは 先日バイト先で、前職で音声認識サービスを扱っていたというTさんからjuliusなる音声認識エンジンを教えてもらいました。以前からそういったものがあることは一応小耳に挟んではいたのですが、実際に目の前でデモを見せてもらうとちょっとした感動がありましたんで、自分でもインストールしてここで皆さんに紹介したいと思います。 さて、juliusに何が出来るかと言うと、所謂音声認識です。 具体的にどういう処理をしているかはドキュメントもソースコードもまだちゃんとは追ってないので詳しくは言えませんが、恐らく「音声を入力して、信号処理をして、最終的には辞書ファイルに登録された語とのマッチングをテキストベースで行なっている」と考えればそう遠くは
PortAudio - an Open-Source Cross-Platform Audio API
PortAudio is a free, cross-platform, open-source, audio I/O library. It lets you write simple audio programs in 'C' or C++ that will compile and run on many platforms including Windows, Macintosh OS X, and Unix (OSS/ALSA). It is intended to promote the exchange of audio software between developers on different platforms. Many applications use PortAudio for Audio I/O. PortAudio provides a very sim
Home - iNAGO - Intelligent Assistant Platform
AIを活用したインテリジェントアシスタントソリューションの構築におけるパートナーのサポート iNAGO netpeople® は、自動車、家電、その他にAI会話インテリジェントアシスタントを導入したいメーカーのための高度で直感的な会話プラットフォームです。 Watch video 10分の1の時間で10倍の知識を提供する iNAGO netpeople® 会話アシスタントプラットフォームは、その高精度な言語処理技術により、他の自然言語ソリューションの10分の1の時間で10倍の知識を提供するサービスを構築することが可能です。これにより、顧客との接点の拡大と相互理解を向上し、貴社のブランドロイヤルティを高めることができます。 Learn More 正確で詳細な製品仕様情報を提供し、お客様の体験を強化する iNAGO netpeople® 会話アシスタントは、AmazonやGoogleなどのサー
米国ロゼッタストーン社コンシューマ事業最高責任者に聞く。ビジネスパーソンの英語習得に必要な勉強法とは？
最先端のテクノロジーを活用した語学学習ソリューションを提供している、ロゼッタストーン。今年創業20周年を迎えた同社では、アジア市場に重点を置くため、この秋、米国本社のコンシューマ事業最高責任者であるプラグネシュ・シャー(Pragnesh Shah)氏が活動拠点を日本へ移すことになった。そのシャー氏にお会いして、日本のビジネスパーソンが英語を話せるようになるためには、どんな勉強法が効果的なのかを伺ってみた。 ――今、アジア市場を重視される理由とは何でしょうか？ 日本と韓国は語学学習・eコマースの市場規模が大きい 弊社では、2007年に日本での事業を開始しました。韓国でも同時期から展開していますが、現在、金額ベースで見ると、全世界の語学市場規模の約1/4を日本と韓国とで占めています。特に日本では、人口はアメリカの1/3しかいないにも関わらず、市場規模は約2倍です。 さらに、eコマースの市場規模
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
OpenHRIマニュアル — OpenHRI Manual
IEEE/ACM Transactions on Audio, Speech, and Language Processing | Current Issue | IEEE Xplore
Moved…
Jasper - personal assistant for Raspberry PI
製品一覧 | AmiVoice 製品サービスサイト｜音声認識のアドバンスト・メディア
PC
サービス終了のお知らせ
製品(VORERO) - 旭化成
http://hil.t.u-tokyo.ac.jp/~galatea/