接下來來介紹語音辨識常用的處理工具，首先先介紹語音辨識界裡的兩大宗，明天會再介紹比較簡易且方便的工具套件。

WebRTC

WebRTC代表Web即時通信（Web Real-Time Communication），是一個由Google公司發起的即時通訊解決方案，它包括從音訊到視訊的擷取、處理和編解碼到網絡傳輸，跨平台API等即時通訊系統中的各方面，下圖可以表示這個WebRTC的基本架構。

以下是有關WebRTC的一些主要資訊和特點：

1. 實時、多媒體通訊：WebRTC主要在實現實時通訊，無需任何外部插件或擴展。它允許用戶直接在瀏覽器中進行音訊和視訊通話，而無需安裝額外的軟體。此外，它還允許實時資料共享，用於文件傳輸或屏幕共享。

2. 開源項目：WebRTC是一個開源項目，由Google發起，並得到了廣泛的社區支持。這意味著它的原始碼是開放的，任何人都可以查看、使用和貢獻。

3. 跨瀏覽器支持：WebRTC已經得到了多個主要瀏覽器的支持，包括Google Chrome、Mozilla Firefox和Microsoft Edge等，這意味著它可以在多個瀏覽器中無縫運行。

4. 媒體編解碼和網絡傳輸：WebRTC包括媒體處理和編解碼能力，並提供網絡連接功能，以確保音訊和影像數據的實時傳輸。

5. Peer-to-Peer通信：WebRTC建立在點對點（Peer-to-Peer）通信模型上，這意味著用戶可以直接通信，而不需要透過中間伺服器。這有助於提高隱私和降低延遲。

6. 安全性：WebRTC強調安全性，它使用加密技術來保護音訊和視訊通話的隱私。通話過程中的數據是加密的，只有通話方可以解密。

7. 應用領域：WebRTC被廣泛應用於網絡會議、視訊聊天、客服支援、遠程協作和實時遊戲等領域。

總的來說，WebRTC的Web技術及系統架構非常龐大，其語音處理演算法也非常強大，包括：VAD、NS（Noise Suppression，降噪抑制）、AEC（Automatic Echo Cancellation，聲學回音消除）、AGC（Automatic Gain Control，自動增益控制）。

Kaldi

Kaldi是目前全球應用最廣泛的語音辨識工具，緣起於2009年的約翰霍普金斯大學夏季研討會，主要用於語音辨識（Automatic Speech Recognition，ASR）和語音處理的研究和開發。以下是關於Kaldi的一些主要特點和資訊：

1. 開源性質：Kaldi是一個開源項目，可以免費下載、使用和修改。這使得研究人員和開發者可以根據自己的需求自由地定制和擴展它。

2. 語音辨識：Kaldi的主要應用是語音辨識。它提供了一個強大的框架，可用於建立自定義的語音辨識系統，包括聲學模型、語言模型和解碼器。

3. 模型訓練：Kaldi支持各種聲學模型訓練技術，包括GMM-HMM、DNN-HMM和更高級的語音模型。

4. 多語言支持：Kaldi支持多種語言的語音辨識，這使得它適用於全球不同的語音辨識項目。

5. 語音特徵提取：Kaldi提供了用於語音特徵提取的工具，這些特徵可用於訓練聲學模型。

6. 自定義性：Kaldi的架構允許用戶自定義各個部分，從聲學特徵處理到解碼器設置。這使得研究人員可以根據自己的研究需求進行實驗和調整。

7. 多種語音處理任務：除了語音辨識，Kaldi還支持其他語音處理任務，如語音合成、語音增強和聲音識別等。

8. 社區支持：Kaldi有一個活躍的開發和用戶社區，提供了文檔、教程和技術支持，這對於初學者和研究人員來說非常有幫助。

總的來說，Kaldi是一個強大且靈活的工具包，專為語音辨識和語音處理領域的專業人士和研究人員設計。它的開源性質和廣泛的應用使其成為語音處理項目的一個有力工具。

參考書籍：Hey Siri及Ok Google原理：AI語音辨識專案真應用開發
參考網站：今日無
學習對象：ChatGPT