AI柠檬博主在之前的一篇文章里讲了常见的MFCC、FBank、LogFBank等语音特征提取算法。不过ASRT语音识别系统在声学特征的提取上，使用的既不是大家所熟知的MFCC算法，也不是FBank(或LogFBank)算法，而是一种语谱图特征。不过这种语谱图特征也是AI柠檬博主从MFCC和FBank算法修改而来的，原则是保留更多的原始信息以供神经网络计算，避免经过人工特征设计的滤波器产生大量的信息损失。
几乎任何做自动语音识别的系统，第一步就是对语音信号，进行特征的提取。通过提取语音信号的相关特征，有利于识别相关的语音信息，并丢弃携带的其他不相关的所有信息，如背景噪声、情绪等。
我们都知道，人类说话是通过体内的发声器产生的初始声音，被包括舌头和牙齿在内的其他物体形成的声道的形状进行滤波，从而产生出各种各样的语音的。传统的语音特征提取算法正是基于这一点，通过一些数字信号处理算法，能够更准确地包含相关的特征，从而有助于后续的语音识别过程。常见的语音特征提取算法有MFCC、FBank、LogFBank等。
写了这么多博客文章了，源于最近的一些感悟，AI柠檬博主也想谈谈当我们在写技术博客的时候，其实真正意义上写的是什么。博客这种东西伴随着第一代互联网的诞生，就已经产生了，在早期的互联网，如果我们自己开设有自己的网络博客，尤其是一个自己的“xxx.com”域名，那是一件很有“范”儿的事情。然而，在最近的若干年以来，博客这类事物却在网络上变得少见了起来，取而代之的是各类平台上的XX号。
首先我们来明确一下基本概念，语音激活检测（VAD, Voice Activation Detection）算法主要是用来检测当前声音信号中是否存在人的话音信号的。该算法通过对输入信号进行判断，将话音信号片段与各种背景噪声信号片段区分出来，使得我们能够分别对两种信号采用不同的处理方法。
分类
AI柠檬网站已经四岁啦！
2021年，AI柠檬网就满4周岁啦，过去的2020年真的是不平凡的一年呢！AI柠檬网站在过去的一年里运行较为平稳，在国内的云计算厂商阿里云和腾讯云的技术buff加持下，第一次实现了一整个自然年内没有出现任何大的运维事故(丢人了..)。只不过，一些人为或者非人为导致的小问题仍然偶有发生，好在影响面不大，也大都能及时解决掉。
写完前后端代码之后，这个项目的工作就算做完了？不，你的工作其实才刚开始，写完代码只是做下一步工作的必要条件。作为一个可实用的软件产品，你要做的工作是将“玩具汽车”变成真正可以上路跑的“汽车产品”。数据库是网站、APP等产品重要的底层核心支撑服务，为了将我们的项目变成生产级的产品和服务，在数据库方面进行性能优化是重要的一个环节，这里我们用最经典的MySQL来作为案例。
本文转载自：机器之心 · 阿里技术
https://www.jiqizhixin.com/articles/2019-12-25-2
阿里妹导读：作为在日常开发生产中非常实用的语言，有必要掌握一些python用法，比如爬虫、网络请求等场景，很是实用。但python是单线程的，如何提高python的处理速度，是一个很重要的问题，这个问题的一个关键技术，叫协程。本篇文章，讲讲python协程的理解与使用，主要是针对网络请求这个模块做一个梳理，希望能帮到有需要的同学。
一些细心的小伙伴们最近可能会发现，AI柠檬主要的网站时隔不到一年重新开始支持IPv6协议了。这一回，再次启动对IPv6的支持之后应该就不会去掉了，因为国内以及全球IPv6推进的进程已经加快，如今大多数云服务器和云产品都已经基本支持，不论今后如何维护服务器，这一点不会有太大变化了。
当训练和测试完成一个深度学习模型之后，如果我们打算将这个算法模型上线，投入生产环境部署使用，那么我们就需要做一些额外的处理工作。由于深度学习模型对于算力需求较大，在上线过程中，一般有减小网络规模、使用专用硬件和通过C/S架构联网进行云端计算这三种方式。AI柠檬博主推荐使用第三种方式，即模型部署于服务器端，客户端通过网络将输入数据发送至服务器，计算得结果后传递给客户端。5G时代就在眼前，IPv6协议大规模部署，万物即将互联，尤其是无线移动互联网作为重要的基础设施是大势所趋。通过联网，即使是成本最低的低端的硬件，也可以在不损失精度的情况下，能够以更快的速度得到深度学习模型的计算结果。例如，ASRT语音识别系统就是以这种方式进行模型的部署的，已经能够为AI柠檬网站提供语音识别服务，用于语音搜索等任务。
近日，来自 FAIR 的研究者提出结合自训练和无监督预训练执行语音识别任务，证明这两种方法存在互补性，并取得了不错的结果。
来自机器之心翻译，有修改 https://www.jiqizhixin.com/articles/2020-11-05-10
自训练和无监督预训练已经成为使用无标注数据改进语音识别系统的有效方法。但是，我们尚不清楚它们能否学习类似的模式，或者它们能够实现有效结合。
最近，Facebook 人工智能研究院（FAIR）一项研究显示，伪标注和使用 wav2vec 2.0 进行预训练在多种标注数据设置中具备互补性。
只需来自 Libri-light 数据集的 10 分钟标注数据和来自 LibriVox 数据集的 5.3 万小时无标注数据，该方法就能在 Librispeech clean 和 other 测试集上取得 3.0%/5.2% 的 WER（词错率），甚至打败了仅仅一年前的基于 960 个小时标注数据训练的最优系统。在 Librispeech 所有标注数据上训练后，该方法可以达到 1.5%/3.1% 的词错率。
