XiaoMi-AI文件搜索系统
World File Search System语音识别
“大声思考”：一个基于脑电图的开放式BCI数据集用于内部语音识别
表面脑电图是测量电脑活动的标准且无创的方法。人工智能的最新进展导致自动检测大脑模式的显着改善，从而使越来越快，更可靠且更易于访问的脑部计算机接口。已经使用了不同的范式来实现人机的相互作用，最近几年对解释和表征“内部声音”现象的兴趣增加了。这个称为内部语音的范式仅通过考虑它来执行订单，从而提高了执行订单的可能性，从而允许一种“自然”控制外部设备的方式。不幸的是，缺乏公开可用的脑电图数据集，限制了内部语音识别的新技术的发展。提出了根据136个渠道获得的收购系统获得的十个对象数据集和其他两个相关的范例。这项工作的主要目的是为科学界提供内部语音命令的开放式多类脑电图数据库，可用于更好地理解相关的大脑机制。
使用深度学习技术和推理语音统计进行人工智能合成语音识别
摘要 — 技术的最新发展为我们带来了令人惊叹的音频合成模型，如 TACOTRON 和 WAVENETS。另一方面，它也带来了更大的威胁，例如语音克隆和深度伪造，这些威胁可能无法被发现。为了应对这些令人担忧的情况，迫切需要提出能够帮助区分合成语音和实际人类语音并识别这种合成来源的模型。在这里，我们提出了一个基于卷积神经网络 (CNN) 和双向循环神经网络 (BiRNN) 的模型，有助于实现上述两个目标。使用双向 RNN 和 CNN 利用 AI 合成语音中存在的时间依赖性。该模型通过将 AI 合成音频与真实人类语音进行分类，错误率为 ≃ 1.9%，并以 ≃ 97% 的准确率检测底层架构，其表现优于最先进的方法。
听力能力各异的个体中语音识别阈值材料的重测信度
摘要 语音识别阈值材料对听力损失程度广泛的个体的重测信度 Karin L. Caswell 杨百翰大学 沟通障碍系 理学硕士 本研究的目的是评估一份最新的数字记录的语音识别阈值 (SRT) 材料列表的重测信度。Chipman (2003) 确定了 33 个心理测量等同的扬抑格词，这些词在当今英语中经常出现。这些数字记录的单词用于根据美国言语-语言听力协会的指导方针确定 40 名参与者的 SRT。参与者的年龄在 19 至 83 岁之间，听力障碍从正常到严重不等。个人的纯音平均值将 16 名听力正常至轻度听力损失的参与者、12 名轻度听力损失的参与者和 12 名中度至重度听力损失的参与者分类。语音材料通过随机选择的一只耳朵呈现给参与者。在测试和重测条件下对同一只耳朵进行 SRT 测量。测试条件下的平均 SRT 为 22.7 dB HL，重测条件下的平均 SRT 为 22.8 dB HL，重测条件下的改进为 0.1 dB，但没有发现显着差异。使用修改后的方差方程确定重测信度，结果为 0.98，表明信度几乎完美。因此，对于新的 SRT 词，重测信度被确定为非常出色。
探索使用自动语音识别对口语高焦虑的EFL大学学生的影响
摘要 - 这项研究探讨了自动语音识别（ASR）技术对英语作为外语（EFL）学生的影响。在中国的98名一年级大学生中进行了研究，该研究采用了混合方法方法，将来自说话焦虑问卷的定量数据与学生反思性期刊的定性见解相结合。在14周内，参与者从事基于ASR的说话任务，获得实时反馈以提高发音和说话能力。的发现表明，ASR大大减轻了口语焦虑，尤其是在没有准备好的口语任务中，并增加了学习者对英语的信心。但是，与同伴有关的焦虑持续存在，这表明ASR在减轻群体环境中的社会焦虑方面的局限性。该研究得出的结论是，尽管ASR是单个语言实践的有效工具，但应补充同伴互动策略，以更全面地解决焦虑。关键字 - 自动语音识别，英语作为外语（EFL）学习者，口语焦虑，混合方法，语言学习
人工智能是机器执行通常需要人类智能才能完成的操作的能力，例如语音识别、
人工智能是指机器执行通常需要人类智能才能完成的操作的能力，例如语音识别、决策或解决问题。人工智能系统可以接受训练，从数据中学习并随着时间的推移不断进化，从而使它们能够以高度的准确性和效率执行复杂的任务。阅读更多……… hƩps://www.teamupai.org/
使用卷积和复发性神经网络静音EEG语音识别，其精度为85％，为9个单词分类
1个实验ML系统细分，Sberdevices Department，PJSC Sberbank，121165俄罗斯莫斯科； dvvorontsova@sberbank.ru（d.v.）; aizubov@sberbank.ru（a.z.）; bernalis@yandex.ru（P.R.）; ensezvereva@sberbank.ru（E.Z.）; le tlipman@sberbank.ru（l.f.）; ablanikin@sberbank.ru（A.L.）; aalekokolova@sberbank.ru（A.S。）; Markov.s.s@sberbank.ru（S.M.）2俄罗斯莫斯科的国家电子技术大学（MIET）国家研究大学（MIET）软件工程系3莫斯科州立大学的力学和数学学院，GSP-1，1 Leninskiye-Gory，Main Building，119991莫斯科，俄罗斯，俄罗斯，俄罗斯； Moscow物理与技术研究所（MIPT），141700 Dolgodudny，俄罗斯5信息技术与计算机科学系141700年，莫斯科物理与技术研究所（MIPT）控制与应用数学系4 4 4. Ostrovityanova Street联邦医学生物机构的神经技术”，第1页。 10，117997俄罗斯莫斯科； rensorlov@icloud.com 7俄罗斯血管内神经协会（RENS），俄罗斯莫斯科107078 *通信：bernadotte.alexandra@intsys.msu.ru†主要贡献。2俄罗斯莫斯科的国家电子技术大学（MIET）国家研究大学（MIET）软件工程系3莫斯科州立大学的力学和数学学院，GSP-1，1 Leninskiye-Gory，Main Building，119991莫斯科，俄罗斯，俄罗斯，俄罗斯； Moscow物理与技术研究所（MIPT），141700 Dolgodudny，俄罗斯5信息技术与计算机科学系141700年，莫斯科物理与技术研究所（MIPT）控制与应用数学系4 4 4. Ostrovityanova Street联邦医学生物机构的神经技术”，第1页。 10，117997俄罗斯莫斯科； rensorlov@icloud.com 7俄罗斯血管内神经协会（RENS），俄罗斯莫斯科107078 *通信：bernadotte.alexandra@intsys.msu.ru†主要贡献。
人类语言技术最新进展调查
1 口语输入 1 Ron Cole 和 Victor Zue，章节编辑 1.1 概述 ......................。。。。。1 Victor Zue 和 Ron Cole 1.2 语音识别。。。。。。。。。。。。。。。。。。。。。3 Victor Zue、Ron Cole 和 Wayne Ward 1.3 信号表示。。。。。。。。。。。。。。。。。。..10 Melvyn J.Hunt 1.4 稳健语音识别 ..............15 Richard M. Stern 1.5 语音识别中的 HMM 方法 .。。。。。。。。21 Renato De Mori 和 Fabio Brugnara 1.6 语言表示。。。。。。。。。。。。。。....30 Salim Roukos 1.7 说话人识别 .................。。36 Sadaoki Furui 1.8 口语理解。。。。。。。。。。。。。42 Patti Price 1.9 章节参考资料。。。。。。。。。。。。。。。。。。。。。49
深度学习实现智能人机交互
摘要：近年来，手势识别和语音识别作为人机交互中重要的输入方式，在虚拟现实领域得到了广泛的应用。特别是随着深度学习、人工智能等计算机技术的快速发展，手势识别和语音识别取得了突破性的研究进展。本文使用的检索平台主要是Google Academic 和文献数据库Web of Science，按照“智能人机交互”、“语音识别”、“手势识别”、“自然语言处理”等与人机交互和深度学习相关的关键词，筛选出近1000篇文献，再筛选出近500篇研究方法的研究，经过5年（2019—2022）的年度筛选，最终选定100篇文献作为本文的研究内容。首先，分析人机交互智能系统的现状，总结手势交互和语音交互在人机交互中的实现，并选取深度学习带来的优势进行研究。然后介绍手势交互的核心概念，分析手势识别和语音识别交互的进展，并描述手势识别和语音识别交互的代表性应用。最后，研究了当前自然语言处理方向的人机交互。结果表明，智能人机交互与深度学习的结合在手势识别、语音识别、情感识别、智能机器人方向都有着深入的应用。相关研究领域提出了多种识别方法，并通过实验进行了验证，与没有深度学习的交互方法相比，取得了较高的识别准确率。在支持语音的人机界面中，上下文对改善用户界面起着重要作用。无论是语音搜索、移动通信，还是儿童语音识别，人机交互与深度学习相结合都能保持更好的鲁棒性。卷积神经网络与长短期记忆网络的结合可以大大提高动作识别的准确率和精确度。因此，未来人机交互的应用领域将涉及更多的行业，前景广阔。
![arXiv:2006.01260v1 [eess.AS] 2020 年 5 月 29 日](/simg/g:\will\search\icon\source\4\455f33686ed96ee22648942a03db40d4cc242147.webp)
arXiv:2006.01260v1 [eess.AS] 2020 年 5 月 29 日
在本文中，我们证明可以使用生成对抗网络 (GAN) 从原始脑电图 (EEG) 特征生成更有意义的脑电图 (EEG) 特征，从而提高基于脑电图的连续语音识别系统的性能。我们使用 [1] 中的数据集对作者展示的一些测试时间实验进行了改进，对于其他情况，我们的结果与他们的结果相当。我们提出的方法可以在不使用任何额外传感器信息的情况下实现，而在 [1] 中，作者使用了声学或发音信息等额外特征来提高基于脑电图的连续语音识别系统的性能。索引词：脑电图 (EEG)、语音识别、深度学习、生成对抗网络 (GAN)、技术可及性
卷积神经网络的语言识别
摘要。语音识别是计算机与人类之间的一种交流方式，是计算语言学或自然语言处理的一个分支，有着悠久的历史。自动语音识别 (ASR)、文本转语音 (TTS)、语音转文本、连续语音识别 (CSR) 和交互式语音响应系统是解决该领域问题的不同方法。性能的提高部分归因于深度神经网络 (DNN) 对语音特征中复杂相关性进行建模的能力。在本文中，与使用循环神经网络 (RNN) 处理语音等序列数据的传统模型不同，随着深度网络中不同架构的出现以及传统神经网络 (CNN) 在图像处理和特征提取中的良好性能，CNN 在其他领域的应用得到了发展。结果表明，可以通过 CNN 提取波斯语的韵律特征，对短文本进行语音分段和标记。通过使用 128 和 200 个滤波器作为 CNN 和特殊架构，检测率的误差为 19.46，并且比 RNN 更节省时间。此外，CNN 简化了学习过程。实验结果表明，CNN 网络可以成为各种语言语音识别的良好特征提取器。