谷歌開源語音命令數據集，幫助開發者搭建基礎的語音交互

谷歌的工程師們經常被問到這麼個問題：

怎麼上手用深度學習做語音識別或其它音頻識別，比如關鍵詞或指令？

雖然，現在出現了些很優秀的開源語音識別系統，比如 Kaldi，就能把神經網路作為其中的一個模塊。但其高度複雜性，讓它們並不適合作為解決簡單任務的指南。更重要的是，對於新手而言，免費、可公開獲取的數據集並不多，經過預處理的、或適合於簡單的關鍵詞檢測的也很少。

為解決這些問題，谷歌的 TensorFlow 和 AIY 團隊創建了Speech Commands Dataset，即「語音命令數據集」，並基於它向 TensorFlow 添加訓練和推理的示例代碼。

雷鋒網消息，谷歌在今日宣布開源該數據集。

對 30 個命令短語，該數據集有 65000 次的長約一秒鐘的發音。這來自數千個不同的人向 AIY 網站提交的貢獻。它以 Creative Commons BY 4.0 許可發布，隨著新貢獻的添加，該數據集在未來會不斷擴大。

建立這個數據集的目的，是幫助大家為應用創建基礎但有用的語音交互，比如「Yes」、「No」、數字、方向等詞語。谷歌也已經將開發這一數據集的基礎設施開源，並希望看到更多人藉此創建更多版本的數據集，尤其是針對冷門語言和應用。

下載預建的 TensorFlow 安卓演示 APP，打開 「TF Speech」，就能體驗谷歌基於該數據集開發的識別模型。另外，你可以通過 TensorFlow.org 的音頻識別 tutorial 學習怎麼開發你自己的模型。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！