語音辨識應用的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

Python機器學習與深度學習特訓班(第二版)：看得懂也會做的AI人工智慧實戰(附120分鐘影音教學/範例程式)

為了解決語音辨識應用的問題，作者文淵閣工作室 這樣論述：

國內外最具代表性案例，9大專題實戰、15個分類實例  Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、  文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，  從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！    　　資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識

解鎖、影像轉文字翻譯、智慧語音助理…等。    　　在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。    　　程式人、工程師挑戰人工智慧最佳學習地圖  　　由類神經網路基礎到AI應用實戰  　　訓練、模型、預測、辨識、分析與驗證  　　全面深入機器學習與深度學習技術核心    　　■打造專屬Python、TensorFlow與Keras最強開發環境。  　　　 　　■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CN

N)與循環神經網路(RNN)。    　　■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。  　 　　■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。    　　■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。    　　■全面深入不同應用面向：  　　印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人

臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測…    　　■網羅國內外最具代表性案例：  　　手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。    　　■一次領略機器學習與深度學習的重要關鍵話題：  　　TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cogni

tive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar…    　　■針對專案實戰提供關鍵影音輔助教學，加速學習效率。    　　超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF    感謝讀者好評   　　“很棒的書，我完全

沒有深度學習和機器學習的任何知識，只有Python的基礎知識，也覺得書中的說明很快就讓我了解了。” --abedul    　　“此書把繁雜的演算法理論以圖像化的方式呈現，可以幫助我們快速了解深度學習的核心概念，讓學習門檻降低許多，而且還提供了很多實用的實作範例，是一本入門深度學習的好書…” --Victor

語音辨識應用進入發燒排行的影片

基於預訓練的跨語言聲學表示模型之端到端台灣閩南語語音辨識器

為了解決語音辨識應用的問題，作者王佩心 這樣論述：

本論文旨在以跨語言聲學表示模型實現台語語音辨識系統，此系統採用wav2vec2架構。其架構為CNN加上Transformer，因此擁有處理細節及前後關係的能力，並在其後加上3-gram語言模型以進一步提升辨識正確率。本實驗使用的資料集為TAT台語語料庫其中41小時，並以句錯誤率(SER)與字錯誤率(CER)作為評斷指標。句錯誤率及字錯誤率分別為52%及13%，而加上語言模型後字錯誤率下降至9%。除實現台語語音辨識系統外，本論文也進行各項實驗探討影響此系統效能的因素。採樣率可能會影響辨識正確率，上採樣與原始採樣率差異為0.5%，影響並不大，然而降採樣增加了10%的錯誤率。而會影響辨識時間的因素

有輸入語音長度與有沒有使用語言模型，當輸入語音分別為3秒、6秒、9秒時，沒有語言模型的辨識時間為0.02秒、0.03秒、0.04秒，而使用語言模型則為0.74秒、0.96秒、1.23秒。語言模型的參數Beam Size、Alpha、Beta皆會影響辨識效能，隨著Beam Size上升，錯誤率會隨之下降，但辨識時間會因此上升，在考量效能與時間後，較適切的Beam Size為32及64，而Alpha、Beta與效能皆成正比，當Alpha設為1.5，Beta設為0.9，Beam Size設1024時，得到最低CER為7.12%。

AI語音辨識：用Kaldi實作應用全集

為了解決語音辨識應用的問題，作者陳果果,都家宇,那興宇,張俊博 這樣論述：

　　從Hey、Siri、OK Google開始，我們早已習慣用語音來控制設備，語音輸入法取代鍵盤，Google幫你朗讀文章，你一定很好奇這些語音系統是如何建造出來的。   　　本書以Kaldi為主，完整介紹Librispeech等資料處理，並且完整說明了三音素架構。 　　語音模型方面：完整介紹語言模型、n元模型。 　　特徵工程方面：完整介紹包括對齊、Transition模型、GMM模型等。 　　構圖及解碼方面：完整介紹OpenFST、WFST等技術。 　　深度學習建模方面：完整介紹nnet、nnet2、nnet3。   　　大家最常用的語音搜尋、語音喚醒也有完整的實作介紹。類似人臉辨識的「

人聲」辨識，也用PLDA、i-vector、x-vector等技術實作，最近當紅的語言辨識也沒錯過，可說是深入語音工程的最佳手冊。   好評來襲   　　顏永紅　中國科學院語言聲學與內容了解重點實驗室主任 　　Kaldi 開放原始碼軟體對推動語音技術研究和產品落地做出了不可磨滅的貢獻，本書作者是工作在語音研究和產業前端的青年才俊，他們以第一手經驗詳細說明了如何運用該軟體建置實際系統，這對初學者迅速掌握相關知識和技能是非常有益的。   　　俞凱　上海交通大學智慧語音技術實驗室主任，思必馳聯合創始人、首席科學家 　　我和Dan Povey 博士十幾年前在劍橋大學共事時，使用的是早期最著名的語音辨識

開放原始碼軟體之一：HTK。雖然後來Kaldi 因其靈活的設計、開放的協定和豐富的功能而如日中天，卻一直在系統教學方面遠遠落後於HTK。本書從理論和實作的角度對Kaldi 進行了完整呈現，不僅有其實用價值，也為「知其所以然」列出了很好的註釋，相信必然會對Kaldi 的傳播和語音辨識技術的發展造成積極的促進作用。   　　崔寶秋　小米集團副總裁、集團技術委員會主席 　　Kaldi 是開放原始碼語音技術的典範，是大專院校同學們入門語音的啟發工具，也是人們快速提升語音技術的捷徑。它消除了大家因為長期沉浸在語音教科書和論文裡而產生的「手癢」，給人們帶來快速上手實作、快速感受語音資料之美的快樂。本書作者

們都有豐富的工業界（包含小米）實戰經驗和深厚的學術累積，他們把這些經驗和累積無私地貢獻出來，也真正表現了開放原始碼的共用精神。擁抱開放原始碼是小米的工程文化，衷心希望Kaldi 及其社區在Daniel Povey 博士的主管下不斷茁壯成長、領導語音技術的發展。   　　張錦懋　美團首席科學家、基礎研發平台負責人 　　Kaldi 的誕生使得語音辨識領域的研究和創新成本都顯著降低，讓整個企業都獲益匪淺。這本書的幾位作者非常全面地介紹了Kaldi 的功能，包含資料處理、聲學模型、解碼器等相關的工具，同時對相關理論也進行了詳細的說明，讓讀者不僅學會使用Kaldi，而且能夠了解為什麼這麼使用。   　　

雷欣　出門問問首席技術官 　　Kaldi 相比於經典的HTK 工具套件進行了極大的最佳化，譬如C++ 的採用、以WFST 為基礎的靜態解碼器、達到state-of-the-art 效能的recipe 指令稿等。這些優勢使得Kaldi 開放原始碼函數庫獲得迅速的發展，相當大地降低了語音技術的門檻，使得像出門問問這樣的語音創業公司能在短時間內開發出一流的語音技術產品。相比於經典的HTK Book，Kaldi 在文件方面則顯得落後很多。本書的作者們都是Kaldi 社區的活躍開發者，對Kaldi 及語音技術具有深刻的了解，他們的努力使得中國的語音技術同好們有了一本入門和加強的參考書，必將進一步推動語音

技術的普及。   　　鄒月嫻　北京大學教授、博士生導師，深圳市人工智慧學會專家委主任 　　我在北京大學深圳研究所學生院開展教學和科學研究工作十四個整年頭，其間為電腦應用技術專業的學生主講「機器學習與模式識別」課程，帶領一群優秀的研究所學生開展機器聽覺技術研究。我們的教學和研究得益於許多的開放原始碼專案，深切體會到Kaldi 作為主流的語音辨識開放原始碼工具對同學們的幫助。Kaldi 秉承其開放原始碼社區的傳統特性，支援主流的機器學習架構和演算法，受到許多業界和學界開發者的支援。我相信本書的作者們正是秉承這樣的精神，以實際行動支援Kaldi 開放原始碼社區。這本書不僅介紹了語音技術的發展簡史、K

aldi 的發展歷史，也涵蓋了最新的以深度學習為基礎的語音技術主流架構和語音辨識應用實作案例，所呈現的內容和提供的實戰技巧接近產業需求，該書的出版將有益於學子們更加快速地了解主流的語音技術並迅速開展程式設計實作，推動語音技術進步和應用的發展。   　　李嵐　中軟國際教育科技集團人工智慧研究院執行院長 　　人工智慧技術在近年被確立為國家戰略後，大專院校和企業間深度合作，在人工智慧的人才培養上形成了一致看法，即實作是學校和學生的一致需求。從產業界的實際發展來看，隨著人工智慧技術應用領域的擴充，「聽」這一感知領域，已經是迫切需要得以提升和發展的。企業專家，特別是實際應用領域的專家聯合推動的企業資料和

技術開放原始碼，為這個領域的人才培養做出了貢獻。而如何讓更多的老師和學生們了解語音領域的發展現狀及學習路徑，需要和本書的作者們一樣，分享自己的了解和系統整理。我們也將在後續工作中，將本書作為我們的教材之一，希望能推動語音領域人才的培養。

EFL英語聽力情境中之後設認知覺察的行為研究

為了解決語音辨識應用的問題，作者陳芷廷 這樣論述：

隨著全球化的浪潮，國際間以英語溝通的情況愈加普遍，英語能力已被企業視為徵才重要的評估條件。然而對於台灣的地利條件以及學習英語的現狀，學生普遍對於學習英語感到恐懼，尤其是對於自己的英語聽力感到沒有自信。英語聽力具有稍縱即逝的特性，對學習者來說在有限的時間中掌握詞彙內容，理解語音訊息中的含義，尤其對非英語母語的學習者來說是相當困難且有挑戰性的。 此外，隨著科技日新月異，過去許多文獻提及自主學習（Self-Directed Learning）面對當前資訊頻繁更新速度的重要性，其底層理論是由後設認知（Metacognition）能力延伸而來。諸多文獻證明後設認知能力影響著個體學習成效，學習

者在無引導者的情境下能透過後設認知技能，從中反思自己思考的過程、評估自我學習，使學習更能符合自我的學習模式，提升知識的吸收與應用。 過去後設認知理論相關研究應用於各個教學領域當中，普遍的研究方式是，採用不同的學習策略教學後，使學生進行自我學習，最後再填寫後設認知問卷，評量學生在策略教學後的後設認知覺察能力是否提升，然而鮮少學者結合科技輔助融入於教學當中，觀察學習者在輔助後的後設認知能力表現。 本研究旨在探討以後設認知的理論為基礎，開發一英語聽力輔助學習系統，透過監控聽力過程的按鈕、語音口說回報的兩種外顯機制設計，輔助學習者在聽力過程能即時性的外顯困難處。最後收集學習者的聽力過程的外顯行

為記錄，並與後設認知的後測問卷加以比對，從本研究中整理出科技如何輔助英語聽力的後設認知表現。