在实时通信服务中，有很多应用程序都带有语音识别功能。比如实时字幕、实时翻译、语音命令或存储/汇总音频对话等。 几个月前在Hangouts Meet，实时字幕的语音识别功能已经上线了。但最近这个选项被提升到主要用户界面中。那之后我几乎每天都在使用它。 我最感兴趣的是识别技术，尤其是对于如何将DeepSpeech集成到RTC媒体服务器中以提供一个性价比高的解决方案。但是在这篇文章中识别技术不是主题。我
作者：smus（原文链接） 翻译：刘通 原标题：Web-based voice command recognitions 上一次我们将音频buffer转成了图像，这一次，我们将采取这些图像，并使用deeplearn.js训练一个神经网络。结果是一个浏览器上的demo，你可以说出“yes”或者“no”的指令，然后像这样实时的显示出识别结果
作者：xiph.org（原文链接） 翻译：刘通 原标题：RNNoise: Learning Noise Suppression 前文连接：RNNoise：用深度学习进行噪声抑制（基础知识） 一个混合方法 感谢深度学习，现在把深度神经网络抛给整个问题是很流行的做法。这个做法叫做端到端—一路下去都是神经元。端到端方法已经在语音识别和语音合成中得到了应用。一方面，这些端到端系统
WebRTC 中文社区由
运营