本書系統(tǒng)地介紹了語音識別在大模型時(shí)代的新技術(shù)與新應(yīng)用。全書共16章，原理部分涵蓋聲學(xué)特征、隱馬爾可夫模型（HMM）、高斯混合模型（GMM）、深度神經(jīng)網(wǎng)絡(luò)（DNN）、語言模型和加權(quán)有限狀態(tài)轉(zhuǎn)換器（WFST）、語音大模型，重點(diǎn)描述了GMM-HMM、DNN-HMM和端到端（E2E）三種語音識別框架；應(yīng)用部分包含Kaldi、WeNet、FunASR和sherpa-onnx等工業(yè)應(yīng)用實(shí)踐介紹，內(nèi)容主要來自工程經(jīng)驗(yàn)，極具實(shí)用性。

"近年來人工智能技術(shù)突飛猛進(jìn)，以語音識別為代表的音頻處理技術(shù)取得了大量突破，但該領(lǐng)域內(nèi)理論結(jié)合實(shí)戰(zhàn)的入門書籍卻較為缺乏，本書旨在為有志學(xué)習(xí)音頻信號處理的讀者提供一本實(shí)用的入門書籍。本書共13章，第1章和第2章是基礎(chǔ)部分，包括聲學(xué)基礎(chǔ)知識及Python基礎(chǔ)等內(nèi)容；第3到4章介紹了音頻信號的獲取及分析方法；第5~8章介紹了語音識別基礎(chǔ)、傳統(tǒng)語音識別技術(shù)及語音識別、語音合成的實(shí)戰(zhàn)技術(shù)；第9章和第10章介紹了常用的音樂分析方法及Python編曲等內(nèi)容；第11~13章介紹了深度學(xué)習(xí)的基礎(chǔ)知識及如何用PyT

閱讀本書，可以幫助你掌握MA音頻制作技術(shù)，掌握旁白、現(xiàn)場音、SE、BGM表現(xiàn)視頻的基本能力，了解視頻作品的聲音制作流程！本書主要向視頻創(chuàng)作者、新媒體從業(yè)者、影視制作專業(yè)的學(xué)生介紹錄音的采集、編輯及制作技術(shù)，使他們能夠在一定程度上在成本相對有限的情況下編輯和制作專業(yè)水平的音頻和視頻。此外，對于那些想要將視頻音頻工作作為業(yè)務(wù)擴(kuò)展的讀者也有不小的幫助�，F(xiàn)在，音頻制作的門檻在逐漸降低，自媒體、短視頻從業(yè)者、SOHO一族、自由藝術(shù)創(chuàng)作者所開辟的各種傳媒新工作種類將變得越來越普遍。毫無疑問，個(gè)人創(chuàng)作者也將需

本書從錄音基礎(chǔ)開始，按照順序講解麥克風(fēng)的選擇方法以及如何設(shè)置麥克風(fēng)。如果你對目前的錄音工作感到苦惱的話，請務(wù)必先去閱讀第10章＜不同情況下“這樣來錄音！”＞，如果尚有不明白的地方，請?jiān)偃ラ喿x前面的章節(jié)。在本書中，第1章、第2章記述了基本思路，第3章～第5章按照不同種類介紹了麥克風(fēng)的具體使用方法。接下來，第6章～第8章介紹了不同場所的使用技巧。第9章介紹了不同場合下的錄音操作指南。想要進(jìn)一步提高音質(zhì)的話，請先閱讀作為基礎(chǔ)的第1章、第2章，想配合手頭的錄音設(shè)備進(jìn)行實(shí)踐的話，請閱讀本書的第3章～第9章

本書貫穿了信號的獲取、處理、分析和識別整條鏈路所需的關(guān)鍵知識點(diǎn)，以聲信號為研究對象，闡述了傳統(tǒng)信號處理、自適應(yīng)信號處理、機(jī)器學(xué)習(xí)等信號處理和智能分析設(shè)計(jì)等知識要點(diǎn)。全書總共16章，第1～4章介紹了經(jīng)典信號處理與分析方法，第5～11章闡述了先進(jìn)信號處理方法、人工特征的獲取原理和方法，第12～16章主要說明了深度學(xué)習(xí)、混合模型等智能分析方法。 本書的主要讀者對象為聲信號處理和分析相關(guān)學(xué)科的高校學(xué)生，以及從事聲信號處理的相關(guān)科研工作者。本書對語音信號處理相關(guān)專業(yè)的技術(shù)人員也有一定的參考價(jià)值。本書也適