語音辨識api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

Flag’s 創客‧自造者工作坊 超入門!AI 聲音姿態影像辨識大應用

為了解決語音辨識api的問題，作者施威銘研究室 這樣論述：

　　實作 AI 的門檻已逐漸降低, 也不再是專業研究人員才能觸碰的領域, 本套件排除了需要具備專業知識與能力才能實作 AI 應用的障礙, 直接應用既有的機器學習服務 Teachable Machine, 僅需要簡單幾步驟即可訓練自己的分類器模型, 再利用網路服務來橋接開發板及各項硬體, 便利且迅速完成各種應用及實驗。 　　本產品會帶領讀者使用 Teachable Machine 服務一步步來建立自己的機器學習模型, 內容囊括『聲音辨識』、『姿態辨識』以及『影像辨識』三類, 完成模型後再匯入到我們已經準備好的應用網頁, 直接實現 AI 辨識實作應用, 例如先建立不同表情分類

, 再根據分類拍攝相對應的表情樣本, 經過訓練後即可得到分類自己表情的模型, 匯入預先準備好的實驗網頁, 即完成了透過網頁和 webcam 來辨識心情的分類器, 接著學習 Python 程式語言讓開發板取得網頁辨識結果, 再根據結果控制硬體, 如 LED 條燈, 就可以將使用者的心情透過 LED 燈不同的特效來表現, 若將配戴口罩與否的照片訓練後做成分類器, 再搭配蜂鳴器發出警示音, 即可完成口罩偵測警報系統；搭配 IFTTT 物聯網服務還可以做成只有特定的人物才能讀取 LINE 訊息。 　　另外還有聲音辨識可以訓練成自己專屬的台語小老師, 隨機出題考考你, 答對了就會放音樂；聲控心情特效燈

, 只要說出你的心情, 就可以切換氣氛 LED 燈！姿態辨識鬧鐘讓你設定起床的時間到, 一定要起身對著鏡頭做出特定動作才能解除！若將自己不熟練的瑜珈動作製作成模型, 搭配網頁立刻就變成了瑜伽小老師, 隨機出題陪你不斷練習～ 　　還有不需自己訓練模型也可以實現的語音辨識 API, 只要念出音樂簡譜上的數字, 就可以讓蜂鳴器幫你唱出正確的音調, 豐富多樣的 AI 實作且不用先學會 AI。 　　本產品除實驗手冊外，實驗過程中有任何問題或是建議都可以在 Facebook 粉絲專頁《旗標創客‧自造者工作坊》中留言，即有專人為您服務。 　　本產品 Windows / Mac 皆適用　 　　操作本產品

需要視訊鏡頭 (筆電內建或 USB 外接 webcam 皆可) 本書特色   　　● 實作 AI 不用先會 AI 　　● 簡單步驟就可以訓練自己的模型 　　● 模型上傳雲端使用超便利 　　● 機器學習概念超入門 　　● AI 入門必學 Python 語言 　　● AI 辨識整合硬體大應用 　　● AI 聲音辨識 　　● AI 姿態辨識 　　● AI 影像辨識   　　組裝產品料件: 　　D1 mini 相容控制板 × 1 片 　　全彩 RGB LED 燈條 × 1 條 　　Micro-USB 傳輸線 × 1 條 　　公對公杜邦線 × 1 排 　　無源蜂鳴器 × 1 個 　　麵包板 × 1 片

深度學習的商業化應用：谷歌工程師前沿解讀人工智慧

為了解決語音辨識api的問題，作者日經大數據 這樣論述：

本書開篇以豐田日美轎車的通信應對為引子，引出人工智慧孕育新的創新時代這一龐大而富有遠見的課題，而深度學習的研究課題恰恰是要解決現實世界存在的問題。   在比較了人工智慧、機器學習和深度學習之後，講述深度學習的機制，給出深度學習面向未來的擴展應用，包括支援自動駕駛、超越人類目視識別圖像的能力、深度理解文章的文本分析能力、跨越語言障礙的機器翻譯能力等。   在企業應用方面，深度學習也有著不可估量的巨大作用。其中包括鑽井工程的自動優化、導航系統優化、汽車資料檢索、信用卡作弊檢測等。本書給出了資料框架的利用方式，並對深度學習的未來進行了展望。   日經大資料《日經大資料》是日經BP

社於2014年創辦的專業雜誌，聚焦報導運用企業關注的大資料與人工智慧、IoT（Internet of things）技術開闢新事業，進行業務改革的實例，通過月刊雜誌與每日更新的網站，向訂購讀者傳遞相關新聞、技術運用實例、分析技術與資料視覺化的關鍵資訊。《日經大資料》大幅擴展服務內容，2018年4月更名為《日經×TREND》。王星星，北京大學日語碩士，具有多年翻譯經驗，譯作包括《日本法西斯侵華戰爭圖鑒》《頹敗與重生》《馬上少年過（司馬遼太郎）》等。   第一章輕鬆入門 人工智慧、機器學習與深度學習有何不同？3 深度學習是機器學習的一部分4 機器學習無需人類程式設計6 電腦的發

展使深度學習成為可能8 人工智慧的發展如同一股“研究洪流”12 從“移動優先”到“AI優先”14   第二章入門 深度學習的框架21 何謂機器學習以外的人工智慧21 機器學習的基礎24 機器學習存在多種手段26 神經網路類比大腦神經構造27 電腦自主學習分類方法32 通過網上的“遊樂場”理解神經網路36 教師引導式學習與強化學習40 “阿爾法圍棋”充分應用強化學習43   第三章穀歌實例 目錄谷歌的深度學習應用實例49 面向未來，深度學習的應用範圍不斷擴展49 語音操控的家庭AI管家50 能像人類一樣溝通交流！？54 深度學習助力無人駕駛58 深度學習為資料中心大幅節能60 超越人眼，分辨事物

的圖像識別功能62 自動對照片進行分類的“Google相冊”64 用人工智慧判斷繪畫作品的“Quick，Draw”66 電腦也能做夢？“深夢”實驗68 產出優秀藝術與音樂的Magenta69 動態圖像也可識別！“讀唇術勝過專家”70 能夠理解文章的文本分析技術71 自動生成回復郵件參考文的“Inbox”73 垃圾郵件篩檢程式的精准度也大幅提升74 使企業資訊檢索暢通無阻的“Google Springboard”75 發出語音即可與電腦互相溝通的“語音辨識”76 在人機對話過程中提供説明的“Google助手”78 能夠生成合成語音及鋼琴曲的“WaveNet”80 有望打破語言壁壘的“機器翻譯”8

2 神經網路推動Google翻譯進化83 可輕鬆使用深度學習成果的“機器學習API”87 可有效利用個性化深度學習的“TensorFlow”92 深度學習的適用領域與不適用領域94   第四章企業實例 利用深度學習技術提高工作效率的嘗試在日本接連展開99 安藤·間，隧道施工過程中判斷岩層硬度99 思考如何讓挖掘作業自動達到最優化的程度101 從汽車照片到外形，全部精確鎖定，AUCNET IBS102 一年使用約500萬輛二手車的資料105 無法識別車輛朝向的痛點107 為提升二手車交易的活躍度作出貢獻108 Aerosense對無人機航拍資料的運用109 搭建通過少量教師資料檢測汽車數量的系統

110 開發能提高測量效率的標記112 Peach，通過語音辨識API 24小時提供出行諮詢服務114 人與人工智慧的職責分配117 三井住友金融集團，對信用卡非正常使用情況的檢測精 准度大幅提升119 全面覆蓋呼叫中心121 資料得不出的答案124   第五章運用框架 用資料×目的的方式進行整合，描繪運用的發展圖景129 資料×目的整合法131 走在前端的圖像資料運用133 語音資料主要來自呼叫中心135 符合實際的運用方法：以削減成本為入口137 成功必備的常識與人才轉換141 能否構想出運用的推進圖景？142 需要什麼樣的人才？145 機器學習日常化，下一個具有特殊價值的會是？147  

第六章未來展望 未來，我們用深度學習解決問題151 穀歌雲機器學習團隊研究負責人李佳的解答151 技術革新的引導力是深度學習152 人類能力優秀，演算法研究任重道遠154 深度學習處於“資料匱乏”狀態156 解決現實世界的問題是AI研究的目標157   結語 後記    

賣場臨櫃用服務型機器人之研發

為了解決語音辨識api的問題，作者葉律銘 這樣論述：

本研究是以賣場臨櫃用服務型機器人之開發，以及其實際使用情境之模擬做探討與研究，開發其機構、電路與程式，並將其整合，以達到於賣場臨櫃使用時服務顧客之需求。本研究之機器人採用大同寶寶之外型做為機構開發之基礎，根據賣場臨櫃使用需求開發了能與顧客互動之機構:(1)抬頭、點頭(2)轉身(3)手臂擺動。並以兩塊樹梅派作為控制板，利用開放的程式函式，使用基礎語音辨識與視覺辨識的功能，透過MQTT通訊協定做資料之傳輸。處理語音辨識之樹梅派同時也做為控制各機構的控制器，並與處理視覺辨識之樹梅派協同運作，兩塊樹梅派以主從式架構搭建系統各項功能與機構間的各項運動控制，完成使用於賣場臨櫃之機器人之雛型。本研究完成了

一部大同寶寶外型的機器人能使用於賣場臨櫃服務，可透過辨識顧客之人臉、與顧客進行語音互動，主動轉身及抬頭面向並追蹤顧客，以手臂擺動做為回應顧客之訴求。