智能音箱：修订间差异

2024年7月3日 (三) 09:58的最新版本

智能音箱是一种内置语音助手的智能音响，可以接收语音指令，进行播放音乐、对话问答，控制家庭设备等。

语音前端处理（Audio Processing）

唤醒，也称Keyword Spotting (KWS)，即关键词检测。当录音识别到关键词（如设置'天猫精灵'，'hey Siri'），就开始录制后面的语音，进行分析处理。

名称	描述
Porcupine	是一款离线轻量级的唤醒词引擎，支持多语言，多平台。免费账号每个月只支持3个用户和3个唤醒词训练。
SnowBoy
讯飞语音唤醒	免费版10个用户90天试用期。官网：https://www.xfyun.cn/service/awaken?type=awaken

语音识别（Automatic Speech Recognition, ASR），也称语音转文本（Speech To Text，STT）。

名称	开发者	描述
whisper	OpenAI	是OpenAI在2022年9月开源的语音识别（ASR）软件。可以用于本地离线识别，或安装在服务器上提供API。支持语言：中文、英语、法语、德语、俄语、日语等几十种语言。价格：免费。官网：https://openai.com/index/whisper/ 源代码：https://github.com/openai/whisper
OpenAI 语音识别API	OpenAI	基于开源 large-v2 Whisper 模型。支持语言：中文、英语、法语、德语、俄语、日语等几十种语言。价格：收费官网：https://platform.openai.com/docs/guides/speech-to-text/speech-to-text
PaddleSpeech	百度	百度开源的语音方向的开源模型库，基于百度飞桨 PaddlePaddle。支持声音分类、语音识别（ASR）、语音翻译（英译中）、语音合成（TTS）和声纹验证。支持语言：源代码：https://github.com/PaddlePaddle/PaddleSpeech

自然语言理解 (Natural Language Understanding, NLU)

语音合成，

名称	描述
Mycroft	https://github.com/MycroftAI/mycroft-core
wukong-robot	是一个开源的中文语音对话机器人/智能音箱项目。 https://wukong.hahack.com/

@@ 第88行： / 第88行： @@
 | 基于开源 large-v2 Whisper 模型。<br />支持语言：中文、英语、法语、德语、俄语、日语等几十种语言。 <br />价格：收费 <br />官网：https://platform.openai.com/docs/guides/speech-to-text/speech-to-text
 |-
-|
+| PaddleSpeech
-|
+| 百度
-|
+| 百度开源的语音方向的开源模型库，基于百度飞桨 PaddlePaddle。支持声音分类、语音识别（ASR）、语音翻译（英译中）、语音合成（TTS）和声纹验证。<br />支持语言： <br />源代码：https://github.com/PaddlePaddle/PaddleSpeech
 |-
 |
@@ 第104行： / 第104行： @@
 |
 |}
 ===自然语言理解===
 自然语言理解 (Natural Language Understanding, NLU)