基于语音人工智能的“黑广播”监测方法研究

"黑广播"会扰乱正常信号,破坏空中电波秩序,对社会危害极大,因此,对"黑广播"进行监测与打击是无线电管理的重要工作之一。根据广播语音内容甄别"黑广播"是最可靠的识别方式,传统的"黑广播"识别依靠人工听取广播内容,成本高、效率低,基于自动语音识别技术的方式大多依托在线网络语音服务,难以应对离线实时监测场景。本文提出一套基于语音人工智能的"黑广播"监测识别技术,提取语音声学矩阵信息并利用神经网络进行识别,可在离线情况下实现"黑广播"的实时侦测。     

大数据时代下基于SSM框架的语音标注系统的设计与实现

大数据时代,很多企业进行数据标注时,仍处于手工标注状态,不仅工作量大,而且管理效率低。根据当前一些大型集团公司需要对客服和用户语音记录进行情感分析,需要标注大量语音记录,进行充分设计。采用基于RESTful API的前后端分离的SSM框架完成系统开发,完成音频文件维护和语音标注功能。经测试,设计合理、功能完善、性能良好,达到了系统预期功能,大大提高了语音标注的效率,为后期进行情感分析提供了有效的音频大数据。     

基于感知评价的Internet语音终端流量控制

分析了影响因特网语音通信质量的主要因素，根据实时传输控制协议计算延迟、丢包率等网络参数，并利用RBF神经网络将参数映射为语音质量评分，根据评分值的变化动态地调整语音终端的编码速率，在保证一定语音质量的同时，缓解网络拥塞。实验证明了该方法的有效性。