摘要：
学习语音识别有些时间了。老板要求我们基于Kaldi搭一个语音识别系统，在设备上通过MIC讲话，连着设备的PC的console上就能基本实时显示出讲话的内容。由于我们都是小白，刚开始可以要求低些，就用传统的GMM-HMM，能实现孤立词识别就算达标了，后面随着这方面能力的提高，再做更难一点的。任务下达后 阅读全文
摘要：
上篇博客（语音识别传统方法(GMM+HMM+NGRAM)概述）说到我们team要做语音识别相关的项目，而我们公司的芯片是用在终端上的，即我们要做终端上的语音识别。由于目前终端（如手机）上的CPU还不足够强劲，不能让语音识别的各种算法跑在终端上，尤其现在语音识别都是基于深度学习来做了，更加不能跑在终端 阅读全文
摘要：
春节后到现在近两个月了，没有更新博客，主要是因为工作的关注点正从传统语音（语音通信）转向智能语音（语音识别）。部门起了个新项目，要用到语音识别（准备基于Kaldi来做）。我们之前做的传统音频已基本成熟，就开始关注在语音识别上了。对于我们来说，这是个全新的领域（虽然都是语音相关的，但是语音通信偏信号处 阅读全文
摘要：
去年的这个时候我在博客园开通了技术博客。一晃一年过去了，这一年中我写了二十几篇原创，全是对音频开发中的知识和经验的总结。不高产，差不多一个月两篇的节奏。平时工作比较忙，基本都是利用周末时间写出来的。中途有一段时间特别忙，差点想放弃，庆幸还是坚持下来了。我想后面还会坚持下去，内容还是对我工作中知识和经 阅读全文
摘要：
语音通信从最初的只有有线通信变成后来的有线通信与无线通信（移动通信）的竞争，当移动语音通信价格下来后有线语音通信明显处于逆势。如今移动语音通信的竞争对手是OTT（On The Top）语音，OTT语音是互联网厂商提供的服务，一般免费，如微信语音。目前语音通信技术上就分成了两大阵营：传统通信阵营和互联 阅读全文
摘要：
上一篇文章（Android智能手机上的音频浅析）说本篇将详细讲解Android智能手机中各种音频场景下的音频数据流向，现在我们就开始。智能手机中音频的主要场景有音频播放、音频录制、语音通信等。不同场景下的音频数据流向有很大差异，即使是同一场景，在不同的模式下音频数据流向也有所不同。 1，音频播放 A 阅读全文
摘要：
我工作的头几年是在通信设备商做通信设备上的语音软件开发，主要是follow ITU-T/3GPP/RFC等SPEC写代码，相对封闭，没怎么接触开源代码。后来到芯片公司做终端上的voice engine，开始接触音频类的开源代码，先是ITU-T/3GPP的各种codec，后来是各种完整的解决方案。刚开 阅读全文
摘要：
今天谈的这个主题（tone）存在于我们的日常打电话过程中。先举两个场景：1，你拿起固话话筒准备打电话，按电话号码前先从话筒里听到“嗡”的连续音，这叫dial tone(拨号音，表示你可以拨电话号码了)，你拨完号码对方振铃后你又听到有规律的“嘟-嘟-”的断续音，这叫ring back tone(回铃音 阅读全文
摘要：
从2017年开始国外智能音箱的热潮席卷到国内，各大小厂商都推出了智能音箱，主要有阿里的天猫精灵京东的叮咚和小米的小爱同学等。我也在去年双11入手了一款智能音箱（天猫精灵），体验下来总体感觉还是不错的，我相信这股热潮在今年（2018）会愈演愈热。有报道说美国的青年有了智能音箱后对手机的依赖度有所下降， 阅读全文
摘要：
开发一个语音通信解决方案是一个软件项目。既然是软件项目，就要有相应的计划：有多少功能，安排多少软件工程师去做，这些工程师在这一领域的经验如何，是否需要培训，要多长时间做完，中间有几个主要的milestone等。我们曾经四个人花了近一年时间开发了一个语音解决方案，成功通过验收，各项关键指标（语音质量、 阅读全文
