Fatal编程技术网
  • speech-recognition/
  • Speech recognition ？沃森演讲对文本的限制：评论？ 不支持AAC格式 会议长达数小时：无损格式FLAC生成非常大的文件（超过API设定的100MB） 一小时测试会议=FLAC中210 MB，OPUS中30 MB。因此需要选择OPUS（有损格式），而不是FLAC（无损） 人类难以阅读的文本（标点符号） 没有迹象表明单词的置信度低（这可能表明存在潜在错误） 很多“空虚”的时刻

Speech recognition ？沃森演讲对文本的限制：评论？ 不支持AAC格式 会议长达数小时：无损格式FLAC生成非常大的文件（超过API设定的100MB） 一小时测试会议=FLAC中210 MB，OPUS中30 MB。因此需要选择OPUS（有损格式），而不是FLAC（无损） 人类难以阅读的文本（标点符号） 没有迹象表明单词的置信度低（这可能表明存在潜在错误） 很多“空虚”的时刻

speech-recognition

Speech recognition ？沃森演讲对文本的限制：评论？ 不支持AAC格式 会议长达数小时：无损格式FLAC生成非常大的文件（超过API设定的100MB） 一小时测试会议=FLAC中210 MB，OPUS中30 MB。因此需要选择OPUS（有损格式），而不是FLAC（无损） 人类难以阅读的文本（标点符号） 没有迹象表明单词的置信度低（这可能表明存在潜在错误） 很多“空虚”的时刻,speech-recognition,speech-to-text,ibm-watson,Speech Recognition,Speech To Text,Ibm Watson,加上 对于演示来说还不错。。。我们如何实现生产梯度系统？只是一般的文本到语音考虑： 人们经常互相说得天花乱坠 对捕捉到的环境质量敏感（房间的声学、录音设备的放置、电话呼叫等） 特定于技术/领域的词汇分类错误（新兴技术往往太新，无法纳入培训范围） 对非母语人士进行分类很困难 感谢您的反馈，以下是一些答案： 你说在FLAC里一小时是210兆？您使用的采样率是多少？每个样本的比特数是多少？请注意，您可以在不损失精度的情况下将采样降低到16Khz，这将导致更小的文件 IBM正在努力美化输出，请继续关注

加上
对于演示来说还不错。。。我们如何实现生产梯度系统？

只是一般的文本到语音考虑：

  • 人们经常互相说得天花乱坠
  • 对捕捉到的环境质量敏感（房间的声学、录音设备的放置、电话呼叫等）
  • 特定于技术/领域的词汇分类错误（新兴技术往往太新，无法纳入培训范围）
  • 对非母语人士进行分类很困难
    • 感谢您的反馈，以下是一些答案：

    • 你说在FLAC里一小时是210兆？您使用的采样率是多少？每个样本的比特数是多少？请注意，您可以在不损失精度的情况下将采样降低到16Khz，这将导致更小的文件

    • IBM正在努力美化输出，请继续关注

    • 每个单词都有置信度，使用WebSocket或RESTAPI时只需传递“word\u confidence=true”参数

    • “空虚的时刻”？你什么意思

    我们很乐意帮助您建立生产系统。您的用例是什么

    Dani

    不清楚您的具体问题是什么。看见