商品標價僅供參考，具體報價，請聯系我方進行合作洽談。
產品介紹
語音實驗箱是通過語音喚醒、語音控制整套家居類部件，包括：燈光、空調、電視、風扇、窗簾等，主要針對語音方向教學。
設備主要參數：
智能語音模塊(intelligence voice module )： 離線的多命令詞的識別，5 米在安靜環境下識別率能達到 95%。也兼容 3 米識別的降本方案，接口豐富，開發和使用方便。
模塊板支持兩路麥克風，輸出通過 ES8388 驅動喇叭放音。模塊板采用 5V USB 口供電，模塊板上通過插針將 1006 芯片全 部功能 IO 口引出，方便進行開發。
5v電源通過電源通訊接口輸入，經過兩個 DCDC 分別降壓為 1.2v 和 3.3v。跳上調試模式 的跳線可以進入調試模式，通過 JTAG 調試芯片。亦可將代碼燒寫到 FLASH 中來啟動。
CX20921 將降噪的數據送到 CI1006 進行識別，識別后通過 8388 播放反饋的聲音。
配套語音課程
基礎課程 | MLP全連接模型 | 機器學習分類 |
神經網絡簡介 | ||
感知機模型 | ||
激活函數 | ||
機器學習的過程（有監督） | ||
激活函數的作用和性質 | ||
線性可分與線性不可分 | ||
多層神經網絡 | ||
BP算法推導 | ||
深度學習問題 | ||
SoftMax與One-Hot | ||
pytorch入門 | ||
實戰：搭建全連接網絡實現手寫體數字圖片識別 | ||
CNN | 卷積神經網絡 | |
卷積處理一維語音信號 | ||
池化：池化與平均池化、平移不變性 | ||
RNN循環神經網絡 | RNN過程 | |
RNN存在的問題：梯度彌散 | ||
LSTM | ||
GRU | ||
實戰：手寫體數字圖片識別 | ||
組合網絡 | SEQ2SEQ | |
CNN2SEQ | ||
實戰：實現驗證碼識別 | ||
實戰 | 語音喚醒 | 基于傳統方法的模板匹配的KWS |
基于傳統方法的HMM-GMM的KWS | ||
基于深度學習神經網絡的方案 | ||
傳統語音交互：先喚醒設備，等設備反饋后（提示音或亮燈），用戶認為設備被喚醒了，再發出語音控制命令，缺點在于交互時間長。 | ||
One-shot：直接將喚醒詞和工作命令一同說出，如“叮咚叮咚，我想聽周杰倫的歌"，客戶端會在喚醒后直接啟動識別以及語義理解等服務，縮短交互時間。 | ||
Zero-shot：將常用用戶設置為喚醒詞，達到用戶無感知喚醒，例如直接對車機說“導航到世紀城"，這里將一些高頻前綴的說法設置成喚醒詞。 | ||
多喚醒：主要滿足用戶個性化的需求，給設備起多個名字 | ||
所見即所說：新型的AIUI交互方式，例如用戶對車機發出“導航到海底撈"指令后，車機上會顯示“萬達廣場海底撈"“銀泰城海底撈"等選項，用戶只需說“萬達廣場"或“銀泰城"即可發出指令。 | ||
dnn+hmm(深度神經網絡+隱馬爾科夫模型) | ||
lstm+ctc(長短時記憶網絡+全連接時序分類模型) |
| 仟漁 |
同類優質產品
會員登錄 X請輸入賬號 請輸入密碼 請輸驗證碼 提示 X您的留言已提交成功！我們將在第一時間回復您~
歐亞貿易網 設計制作，未經允許翻錄必究 .Copyright(C) http://bjyhs998.com,All rights reserved. 以上信息由企業自行提供，信息內容的真實性、準確性和合法性由相關企業負責，歐亞貿易網對此不承擔任何保證責任。溫馨提示：為規避購買風險，建議您在購買產品前務必確認供應商資質及產品質量。 |
所有評論僅代表網友意見，與本站立場無關。