搜索[语音识别系统]结果-低调大师优秀个人博客

精选列表

搜索[语音识别系统]，共6950篇文章

Chrome 曝语音识别漏洞：麦克风可被长期监听

这位名为塔尔·艾特尔（Tal Ater）的开发者在一家名为Tel Aviv的科技创业公司工作，还打造了一个可以为网站添加语音识别功能的代码库，有不少用户。

2017-06-02

安卓Android科大讯飞语音识别代码使用详解

科大讯飞的语音识别功能用在安卓代码中，我把语音识别写成了Service，然后在Fragment直接调用service服务。

2016-06-21

中国人工智能学会通讯——智能语音技术与产业应用展望 1.1 智能语音技术的发展现状和挑战

摘要：本文结合云知声过去5年在智能语音技术产业化的实践经验，对智能语音技术及其产业应用的现状、挑战和发展趋势作一个分析和展望。

2017-08-31

《人脸识别原理及算法——动态人脸识别系统研究》—1章1.4节人脸图像识别主要研究的问题

本节书摘来自异步社区《人脸识别原理及算法——动态人脸识别系统研究》一书中的1章1.4节人脸图像识别主要研究的问题，作者沈理 , 刘翼光 , 熊志勇,更多章节内容可以访问云栖社区“异步社区”公众号查看。

2017-05-01

《人脸识别原理及算法——动态人脸识别系统研究》—第5章5.4节利用局部特征识别人脸图像

本节书摘来自异步社区《人脸识别原理及算法——动态人脸识别系统研究》一书中的第5章5.4节利用局部特征识别人脸图像，作者沈理 , 刘翼光 , 熊志勇,更多章节内容可以访问云栖社区“异步社区”公众号查看。

2017-05-01

语音钓鱼号码暂停延迟的损失放大效应与治理研究

语音钓鱼犯罪已成为韩国社会财产损失最为严重的侵财类犯罪之一，其犯罪组织呈现出规模化、跨境化、产业化的演进特征。

2026-09-15

百融智能：语音将成为全域人机交互终极入口

告别屏幕与键盘——百融智能对语音入口的判断当 OpenAI 为 Codex 上线全双工语音能力时，不少人的解读停留在"用嘴巴写代码，解放程序员的双手"

2026-08-12

Genspark 发布 AI Workspace 2.0，工作自动化迈入“语音时代”

这次升级的核心方向很明确：从以往依赖「文字提示」，转向以语音为核心的人机交互与任务执行，试图重塑知识工作者完成工作的方式。

2026-01-30

UltraEval-Audio 开源发布：全模态、语音大模型评测框架

清华 NLP 实验室、OpenBMB 与面壁智能联合发布并开源 UltraEval-Audio，一个面向音频模型的测评框架。它不仅为音频大模型领域确立了一套完备的评测方法论，更将这套体系具象化为开箱即用的工程框架，完善了音频评测体系和框架，增加了系统化的评测体系定义（如表1）。开源地址：https://github.com/OpenBMB/UltraEval-Audio UltraEval-Audio 最新版本 v1.1.0 在原有的“一键测评”音频模型的基础上，重点新增热门音频模型的一键复现能力，扩展对 TTS/ASR/Codec 等专业模型与专项评测的支持，并引入隔离推理运行机制，以在工程层面降低复现门槛、提升评测流程的可控性与可迁移性。值得一提的是，作为 MiniCPM-o 2.6、VoxCPM 等高影响力音频、全模态模型的御用测评工具，UltraEval-Audio v1.1.0 开源将帮助研究者显著提高音频模型的研发效率。 ➤相关链接 UltraEval-Audio v1.1.0评测框架： https://github.com/OpenBMB/UltraEval-Audio/tree/main/replication UltraEval-Audio v1.1.0论文《UltraEval-Audio: A Unified Framework for Comprehensive Evaluation of Audio Foundation Models》： https://github.com/OpenBMB/UltraEval-Audio/blob/main/assets/UltraEval_Audio__A_Unified_Framework_for_Comprehensive_Evaluation_of_Audio_Large_Language_Models.pdf

2026-01-04

阿里开源端到端语音交互模型 Fun-Audio-Chat

通义大模型微信公众号发文宣布，推出新一代端到端语音交互模型 Fun-Audio-Chat。“不是简单的“能聊天”，而是听得懂你的话、感知你的情绪、还能帮你真正干活的AI语音搭子。”

2025-12-23

智谱上线并开源工业级语音合成系统 GLM‑TTS

智谱AI宣布正式上线并开源 GLM‑TTS工业级语音合成系统。据介绍，只需 3 秒语音样本，GLM‑TTS 即可学习说话人的音色和说话习惯。

2025-12-11

阿里通义发布旗舰语音合成模型 Qwen3-TTS-Flash

阿里通义Qwen团队宣布推出旗舰级多语言多音色文本转语音模型Qwen3-TTS-Flash，该模型支持多语言、多音色及多种汉语方言，在seed-tts-eval与MiniMax多语测试集上取得了SOTA

2025-09-23

特斯拉大模型“上车”细节曝光：语音助手接入豆包与 DeepSeek

特斯拉正在为其车辆的语音助手功能引入更强的 AI 能力。

2025-08-22

钉钉联手通义推出 Fun-ASR 语音识别大模型

钉钉、通义实验室语音团队宣布，联手推出新一代语音识别大模型Fun-ASR，能听懂家装、畜牧等十大行业黑话，并支持企业专属模型定制训练。

2025-08-22

ElevenLabs 发布文本转语音模型 Eleven v3（Alpha 版）

ElevenLabs发布了其最新、最先进的文本转语音模型Eleven v3的Alpha版本。该模型在生成具有高情感范围和跨多种语言的上下文理解能力的自然、逼真语音方面达到了业界领先水平。

2025-06-06

网易有道上线 “易魔声” 语音合成引擎

刚刚，我们上线了「易魔声」开源语音合成（TTS）引擎！

2023-11-13

荔枝集团布局全球研发，自研 AI 语音机器人

年度荔枝集团1024技术文化日活动，主题是”技术创新赋能突破“，今年是第五届，通过1024TechNovation & 619创新营项目团队宣讲和技术成员招募，集中展示了荔枝集团优秀项目的成长历程、AI语音机器人等项目进展

2023-10-24

机器学习服务语音合成，解锁智能养娃新趋势

华为机器学习服务语音合成能力采用深度神经网络合成方式，将文字信息转换为语音输出，让集成该能力的设备、应用开口说话，更具个性。

2023-05-18

教你如何通过CodeArts IDE插件调用API，高效合成语音

摘要：本实验基于华为云自研CodeArts IDE，指导用户通过使用华为云API，来实现一个文字合成语音的应用。本文分享自华为云社区《通过CodeArts IDE插件调用API，高效合成语音！》

2023-04-03

使用 SpeechT5 进行语音合成、识别和更多功能

如果您想直接尝试，这里有一些在 Spaces 上的演示: 语音合成 (TTS) 语音转换自动语音识别介绍 SpeechT5 不是一种，也不是两种，而是一种架构中的三种语音模型。

2023-03-14

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。