计算机听觉

Mon, 01 Jan 0001 00:00:00 +0000

概述

参考：

Wiki, Computer audition

Computer audition(计算机听觉，简称 CA) 任务

就像计算机视觉与图像处理的区别一样，计算机听觉与音频工程的区别在于前者关注的是音频的理解，而非处理。它也不同于机器语音理解问题，因为它处理的是一般的音频信号，例如自然声音和音乐录音。

参考：

Wiki, Speech recognition

automatic speech recognition(自动语音识别，简称 ASR) 是计算语言学的一个子领域，主要研究将口语翻译成文本或其他可解释形式的方法和技术。

早期称为 Speech recognition(语音识别)、Speech to text (语音转文本，简称 STT)

GitHub 项目，SYSTRAN/faster-whisper # 使用 CTranslate2 对 OpenAI 的 Whisper 模型进行的重新实现，CTranslate2 是一个用于 Transformer 模型的快速推理引擎。