语音识别
将语音音频转录为文本。
概览
语音识别将音频转换为文本，现代系统采用端到端方式，直接从波形到字符，而不是串联独立的声学模型和语言模型。它解决了免手操作和免眼观看的交互问题。它是最早成功的神经网络应用之一，如今其准确率主要取决于音频质量、领域词汇和延迟预算，而非建模方法。
技术图谱
语音识别 如何与技术栈的其他部分相连。
使用与依赖
- Attention concept Algorithms 语音识别 uses Attention High ✓ source
- Transformer architecture Algorithms 语音识别 based on Transformer High ✓ source
应用于
- Whisper model Multimodal Whisper used for 语音识别 High ✓ source
- llama.cpp tool Infrastructure llama.cpp used for 语音识别 Medium ✓ source