基于TensorflowLite在移动端实现人声识别

本文来自于网络,全文讲述了移动端开发人声识别算法优化,针对如何提高人声识别率进行了讲解,希望对大家的学习能有作用。1)当网络较差的情况下会造成较大的延时,带来较差的用户体验。2)当访问量较大的情况下,会大量占用服务端资源。为解决以上两个问题,我们选择在客户端上实现人声识别功能。本文使用机器学习的方法识别人声。采用的框架是谷歌的tensorflowLite框架,该框架跟它的名字一样具有小巧的特点。在保证精度的同时,框架的大小只有300KB左右,且经过压缩后产生的模型是tensorflow模型的四分之一。因此,tensorflowLite框架比较适合在客户端上使用。为了提高人声的识别率,需要提