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6981篇文章

小米MiMo-V2.5 Token-Plan PHP网页语音合成工具踩坑实录

项目简介：基于小米MiMo Token-Plan，使用PHP + FoxUI实现本地网页调试工具，实现预置音色TTS、方言/唱歌标签、音色克隆、音色设计完整能力。 ⚠️重要协议提醒：Token-Plan仅限本地个人学习调试，禁止公网对外中转API服务，否则tp-开头的token会被封禁；TTS系列模型限时免费，不消耗套餐Credits。

2026-08-22

从趋势到落地：百语，面向智能硬件的语音Agent全栈服务平台

一、落地语音Agent，普遍绕不开的三重现实困境不管是做软件端语音应用，还是面向各类终端硬件打造交互体验，想要实现流畅自然的语音Agent，大多会遭遇三类共性痛点。

2026-08-18

跨境语音钓鱼叠加色情勒索复合型黑产治理路径研究

2026 年 8 月 13 日韩国警方通报破获依托泰国境外呼叫中心运营的跨国复合型电信诈骗团伙，涉案金额达 67 亿韩元，犯罪团伙分层伪装检察官、金融监管机构公职人员实施语音钓鱼，胁迫受害者提交私密影像后双重敲诈

2026-08-14

OctaFuse 2.4.0：让 DashScope 的 ASR、TTS 语音能力进入统一路由

当语音识别和语音合成进入真实业务，网关面对的不再只是一次普通的 HTTP 请求：ASR 可能需要同步转换或异步任务，TTS 可能返回完整音频或持续输出音频流，实时语音还需要在 WebSocket 上双向传递文本

2026-08-12

推荐自用「文字转朗读音频」工具：Edge TTS 语音合成助手（开源 · 免费 · Windows）

试了一圈文本转语音，最后锁定了微软 Edge TTS：它不是那种机械的机器音，而是非常自然、清晰、专业的真人朗读感，无论中文、粤语、英文还是其他外语，都非常好听。

2026-08-12

Amazon Nova Sonic 的端到端实时语音对话解决方案有点东西啊

在当下这个 AI 技术风靡的时代，似乎不把产品“AI 化”就显得有些落伍。可是，如果只是为了“降本增效”而生硬地植入 AI ，反而会让体验大打折扣。

2026-08-12

AI 赋能下语音钓鱼（Vishing）攻击演化机理与全域闭环防御体系研究

语音钓鱼（Vishing）作为依托语音通信渠道实施的社会工程攻击，近年受 AI 语音克隆、VoIP 号码伪造技术驱动呈现爆发式增长，2024 年下半年攻击规模同比增幅达 442%，已成为政企重大数据泄露与财产损失的核心入口

2026-08-10

2026 年设备代码钓鱼与语音钓鱼攻击演化机理及全域防御体系研究

2026 年上半年网络安全厂商 CrowdStrike 威胁狩猎报告数据显示，设备代码钓鱼攻击规模同比激增 1500%，语音钓鱼（Vishing）攻击频次实现翻倍增长，两类新型攻击依托 OAuth 协议漏洞

2026-08-06

Voicebox：把 ElevenLabs 和 WisprFlow 合二为一的开源 AI 语音工作室

克隆任意声音、生成语音、向任意应用口述输入、用你自己的声音与 AI 对话。完整的语音输入输出技术栈，在你自己的机器上本地运行。

2026-07-21

Microsoft Entra ID 通行密钥规模化落地与短信 / 语音 MFA 淘汰转型研究

传统短信、语音多因素认证（MFA）存在原生可钓鱼缺陷，中间人劫持、语音钓鱼、运营商链路劫持等攻击持续突破企业身份防护体系。

2026-07-17

美团 LongCat 大模型官方 App 发布，支持联网搜索、还可以发起语音通话

根据介绍，LongCat 支持联网搜索，还可以发起语音通话（视频通话功能敬请期待）。产品介绍：美团 LongCat 1.0 正式上线！

2025-11-03

阿里通义实验室发布端到端语音识别大模型 FunAudio-ASR

阿里巴巴通义实验室发布了其端到端语音识别大模型 FunAudio-ASR。该模型通过创新的 Context 模块，成功将高噪声场景下的幻觉率从 78.5% 大幅降低至 10.7%，降幅接近 70%。

2025-09-16

英伟达发布并开源两款多语言语音模型，支持商用

英伟达NeMo团队发布并开源了两款多语言语音模型Canary-1b-v2和Parakeet-tdt-0.6b-v3，分别针对语音识别与翻译以及高吞吐量转录场景，均支持商用。

2025-08-21

TT 语音落地 Zadig：使用 Helm 场景数百微服务接入，环境治理搞得定！

Zadig on Github Zadig on Gitee TTChat 是趣丸科技（TT语音）旗下的一款针对海外用户的游戏社交产品，包含实时语聊房、IM、开黑交友、赛事等一系列业务场景。

2022-06-23

根据《福布斯》获得的一份法庭文件披露的信息，一个欺诈团伙利用音频深度伪造技术克隆了一家企业董事的声音，将3500万美元的资金转移到几个海外账户。这是迄今为止最成功的“deep voice” 欺诈案，尽管这可能只是这样的案例日益增长趋势的一部分。深度伪造(Deepfake)技术可以训练人工智能系统来模仿某人的面孔，通常是演员或其他知名人士的面孔。然后，人工智能技术可以制作动画并将其面孔粘贴到视频中，从而将克隆的对象插入到场景中。但是不能只是他们的影像放在视频中，还要伪造他们的声音。这就是音频深度伪造发挥作用的地方，可以训练人工智能技术来模仿某人的声音，然后以其声音说出内容。专家认为，一旦深度造假技术达到一定的水平，将推动一个充满错误信息、骚扰和蹩脚电影的新时代。在2020年，阿联酋的一名银行经理接到了一家大公司董事的电话。该董事声称其所在的公司正在进行一项大型收购，所以要求这家银行授权向美国的几个账户转账3500万美元。他表示已经发送一封来自律师的电子邮件来确认这笔转账，由于一切看起来都是合法的，银行经理确认了这笔转账。但这家公司的“董事”实际上是一个经过训练的“deep voice”算法，听起来就像他的声音。阿联酋有关部门目前正在寻求美国警方的帮助，以追回丢失的这些资金。据悉，这些资金被17名或更多的欺诈者转移到他们在全球各地的账户上。这并不是Deepfake实施的第一次欺诈和抢劫，但却是迄今为止最成功的一次。类似的事件显然将来还会发生，而且规模可能会大得多。那么企业和政府能做些什么来减轻威胁呢?很难说。因为Deepfakes技术仍在不断改进，最终会变得更强大，以至于人类无法正确识别。但经过训练的人工智能可能识别出深度伪造的行为，因为克隆受害者的面孔和声音往往包含一些错误，例如数字噪音或人类不可能发出的一些声音。

2021-10-19

Google 开源 Lyra 编解码器，利用机器学习减少语音通话带宽使用

这就是为什么 Google 在 2 月份推出了 Lyra 的原因：一个革命性的新音频编解码器，使用机器学习来产生高质量的语音通话。

2021-04-07

市场占比 44%，IDC 最新报告：阿里云智能语音市场排名第一

云+AI成为了加速AI技术大规模落地的重要推手，也成为了AI语音产业的新入场券。那么，基于云的语音服务是如何发展的？云上语音与传统的语音服务有哪些差异？你该如何玩转云+语音？

2020-07-15

语音识别（ASR）基础介绍第二篇——万金油特征MFCC

上一章提到了整个发声与拾音及存储的原理。但是在了解ASR的过程中，发现基本上遇到的资料都避不开MFCC特征。整个ASR的处理流程大致可以分为下图：左侧是经典的处理流程，右侧是近期流行的流程。发生的变化是，将语言模型以下的部分变成端到端的了。我们将语言模型以下的部分统一看成是声学模型就好。而MFCC主要用在左侧的处理流程中，即“特征处理”的输出结果。虽然可以看成，端到端的声学模型出来后，我们已经不需要MFCC了，直接输入音频即可。不过这并不意味着MFCC就没用了。在“根据发音确认发音人身份”等许多领域，MFCC还是个很短平快切粗暴有效的特征。由于MFCC的重要性，和asr相关专业的人士交流时，最好是能提前具备此共识。 MFCC 细节介绍： MFCC给人的感觉像是孟德尔遗传定律。在人们还并不确定人耳是如何解析声音的时候，假设了这是一个傅里叶变换后的频域处理过程。然后，最近的医学研究成果表明，人耳也确实大致是这么工作的，对应的器官名字叫耳蜗，或蜗牛。 MFCC虽然名字就4个字母，但其实是集成了很多很多的思考和假设在里面。了解过之后，你就不会再后悔大学数学的卷积操作毛用都没有了。可谓是人类智慧的一大结晶。一：整体流程 MFCC整体流程看其来好像有些复杂，但其实拆细了之后，会发现这个很符合常识的。上图便是MFCC的主要流程。这里稍微提到一点，Cepstral 是 spectral的字母倒序，后者是频谱的意思，前者是倒谱的意思，就是把频谱倒回来。。。这个定义确实有些冷。图中的DFT和IDFT便是堪称深刻影响到了人类技术进程的经典技术——离散傅里叶变换及离散傅里叶逆变换。这里就当成是傅里叶正逆变换就好。离散主要是因为处理的数据是离散的一个个数值，而不是坐标轴上那种可以无限往下细分的点。整个处理流程从左上角开始看。输入是第一章讲到的pcm文件，可以理解成一个数组，数值的大小表示声音的强弱。至于频率等信息，是固定值，设定一下就好。 1、pre-emphasis 这个加强里掺杂着各种各样的“窗”or过滤器之类字眼的术语，其实原理挺简单的，那些个“窗”主要是信号处理领域的术语，大意就是对部分频率段的数据增强幅度。由于是已知的频率操作，可以根据公式事前转换为时域的操作（就是直接对pcm数据的操作） 2、滑动窗口这里要交代的一个背景信息是，傅里叶变换针对的是一个时间片段的值，或者说，是一个数组，而非一个数组中的某个值。所以在提取特征的时候，首先要假设基本的发音单元所占用的时间，然后把这个时间片段的数据拿过来，做傅里叶变换。但是怎么知道某段声音是从什么时候开始的呢？ ——就是不知道的，这里采用滑动窗口就好了，差个1、2ms不影响分析的。整个提取流程，起初是使用了滑动窗口，术语上管这个窗口叫frame。一个frame的长度一般在20-25ms，然后窗口的移动步长在10ms左右。这也是上图最左侧所展示的内容。这里的假设是，声音的最基本发音单元，至少需要20ms左右的发音时长。得到关于frame的数组之后，接下来要为每个数组做一下离散傅里叶变换。示意过程如下图：这一步操作的依据或者说灵感主要来自上图左上角，就是大家发现，提取了一个个frame后，做下DFT，然后把各个frame对应的DFT数据放到一块（左上图中，纵轴是频域的横坐标-评率，频率，横轴是时间，每个横坐标上的点对应着一个frame，颜色的深浅代表对应频率下的幅度。傅里叶变化的本质就是拿一堆的正弦函数求和去拟合原始数据。这些sin cosin 函数，区别只在于周期和幅度）。把这些DFT之后的frame放到一块之后，就能明显的发现：音节在频域上确实有些区分度的。左上图的蓝线表示那一段时间内，都是某个频率下的幅度特别大，这个给了个术语，叫做——共振峰。左上图的红线用来区分音节的边界。有了灵感之后，滑动窗口+DFT（或者FFT 表示傅里叶变化）之后，输出就类似上图右边的效果—— 把一个关于frame的数组，转换成了关于这个frame的傅里叶变换后结果的数组。数组中，每个元素表示这个频率值下的幅度。 3、梅尔滤波工序2已经把数据变成了关于frameDFT之后的数组。既然已经都变成了频域后的数据，接下来要做的，很直观的——就是把人耳敏感的频率下的数据加强，人耳不敏感的频率下的数据减弱。充分的模拟人耳。梅尔发现，人耳对各个频域段的声音的敏感程度不同，对高频的敏感度较低，所以，梅尔就做了映射方法，低频区给与较多的区分度，高频区给与较少的数据表示。所以，他的工作可以理解是定义了一个map或者说函数，如上图右上角。这函数的横轴和前面的DFT结果的长度一一对应，然后对每个DFT的结果中的每个元素，乘以对应纵轴上的数值。输出的结果如上图右下角。说白了，就是每次拿右上角图中的一部分乘以DFT之后的数据，得到一个值。最终把DFT变成一系列Y的数组。 4、提取声道信息/倒谱上图左展示的是人的发声过程——气体从胸腔发出（基音），经过声道和口腔的改造，最终形成声音。而气体经过声道改造的过程，恰恰就是数学中的卷积运算过程。这里特别像软件开发中归纳的思想，卷积是一个抽象出来的操作。很多基信号+加工信号构成新信号的操作基本都适用。前面讲到，根据共振峰的位置，大致就能区分出音节or音素出来。而共振峰主要是Filter or 声道及口腔带来的信息。所以根据抓主干的哲学指导，想让特征更鲜明，需要提取Filter部分的信息。既然Filter与基音是卷积操作，那么接下来就是一系列的数学推导骚操作，这里面依据了一个公式，那就是：时域的卷积 = 频域的乘积。而乘积运算左右加log就变成了加法运算。然后就得到了如上图右下角的效果。然后就发现，取了log后，再对信号做一下傅里叶变换，就能得到右下图中左侧的效果，感觉在新的频域里把属于基音的频率去掉就好了。这样一下子就简单了。就是取了log后再搞一次傅里叶变换。但这里实际操作时，由于我们原来已经搞成 DFT结果的数组，针对这部分数据再搞一次傅里叶变换，数学上等同于再做一次傅里叶逆变换。。。大繁至简的感觉。。所以就看到了处理流程中的IDFT了（离散傅里叶逆变换）。 5、提取变化信息delta delta信息相对于上面的处理就好理解多了。大家可以回一下导数是怎么求的——后一时刻的值减去前一时刻的值然后，除以时间间隔。那么到了离散领域，一阶导数就是一阶delta。他就是我们上面求的的数组中的每个元素（注意我们上面数组中的每个值其实已经是个向量了），按位和相邻的最近的一个元素相减。然后，二阶导就是上面求得的一阶导数，再做一次和最近的元素相减的操作。然后把这两部得到的结果加入进去就完事了。很简单 6、Finish 经过以上的几部，MFCC最终输出结果为：一个数组，数组的每个元素是一个39维的向量。以上便是本章的内容

2019-06-24

同盾科技 & 智能语音 | 你不得不知道的战略布局

语音识别想必大家都很熟悉，但是声纹识别可能了解较少。其实语音识别和声纹识别同属于智能语音的范畴，但是两个有着本质的区别。前者主要考虑语言的内容，而后者则更注重声音特征。

2018-10-24

MaxCompute助力阿里开源自研语音识别模型DFSMN，准确率高达96.04%

阿里开源语音识别模型DFSMN 在近期举行的云栖大会武汉峰会上，装有DFSMN语音识别模型的“AI收银员”在与真人店员的PK中，在嘈杂环境下准确识别了用户的语音点单，在短短49秒内点了34杯咖啡。

2018-06-21

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

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。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

精选列表

小米MiMo-V2.5 Token-Plan PHP网页语音合成工具踩坑实录

从趋势到落地：百语，面向智能硬件的语音Agent全栈服务平台

跨境语音钓鱼叠加色情勒索复合型黑产治理路径研究

OctaFuse 2.4.0：让 DashScope 的 ASR、TTS 语音能力进入统一路由

推荐自用「文字转朗读音频」工具：Edge TTS 语音合成助手（开源 · 免费 · Windows）

Amazon Nova Sonic 的端到端实时语音对话解决方案有点东西啊

AI 赋能下语音钓鱼（Vishing）攻击演化机理与全域闭环防御体系研究

2026 年设备代码钓鱼与语音钓鱼攻击演化机理及全域防御体系研究

Voicebox：把 ElevenLabs 和 WisprFlow 合二为一的开源 AI 语音工作室

Microsoft Entra ID 通行密钥规模化落地与短信 / 语音 MFA 淘汰转型研究

美团 LongCat 大模型官方 App 发布，支持联网搜索、还可以发起语音通话

阿里通义实验室发布端到端语音识别大模型 FunAudio-ASR

英伟达发布并开源两款多语言语音模型，支持商用

TT 语音落地 Zadig：使用 Helm 场景数百微服务接入，环境治理搞得定！

欺诈团伙采用深度伪造语音技术欺诈了银行3500万美元的资金

Google 开源 Lyra 编解码器，利用机器学习减少语音通话带宽使用

市场占比 44%，IDC 最新报告：阿里云智能语音市场排名第一

语音识别（ASR）基础介绍第二篇——万金油特征MFCC

同盾科技 & 智能语音 | 你不得不知道的战略布局

MaxCompute助力阿里开源自研语音识别模型DFSMN，准确率高达96.04%

资源下载

Mario

Spring

Sublime Text

WebStorm

欢迎您来访！