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7001篇文章

对话录音质检系统的工程实践：从语音识别到LLM判定的误差控制

典型输入是现场录音：背景噪声不固定，2~3人交替甚至重叠发言，质检规则却是业务语言，比如"是否告知了费用构成"。

2026-10-19

多智能体与大语言模型驱动的多语言语音钓鱼检测研究

语音钓鱼攻击依托语音媒介开展心理操纵，在实时通话场景中诱导受害者泄露隐私信息或者执行资金转移操作，已经成为网络安全领域不可忽视的现实威胁。

2026-09-20

推理成本显性化之后：端云协同语音系统的模型分层路由设计

信号一：推理成本首次成为财报单列项。某头部云厂商最新一季财报首次将 AI 应用业务单独披露：该板块收入约 33 亿元，经调整 EBITA 亏损约 139 亿元，亏损同比扩大逾三倍。官方对亏损扩大的解释中，明确包含"C 端应用推理成本增加"。这意味着推理成本第一次从工程指标上升为财务指标，成为管理层与资本市场的显性议题。

2026-08-27

跨境复合型语音钓鱼犯罪的组织模式、心理操控机制与全域治理研究

东南亚境外呼叫中心已成为跨境语音钓鱼犯罪核心承载载体，传统单一资金勒索型语音诈骗持续迭代，逐步演化出 “公检法身份伪装 + 虚假政务网页 + 线下隔离心理控制 + 性影像黑 mail 复合敲诈” 的新型犯罪范式

2026-08-14

5种有效方法，文字图片语音都能保留

换手机怕聊天记录丢了、工作需要把微信对话存档下来、跟重要的人聊天想保存成文件……不管哪种场景，微信聊天记录怎么导出都是个绕不开的需求。用了好几年微信，我把我试过的5种导出方法整理出来，优缺点都标清楚。

2026-07-27

Agent 语音交互如何更稳、更快？一次高并发消息链路优化实践

作者：雀贤、文婷、复礼、稚柳随着大语言模型（LLM）、语音识别（ASR）、语音合成（TTS）等能力逐步成熟，AI Agent 开始从文本交互走向语音交互，典型场景包括 AI 教师、AI 情感聊天、AI

2026-03-26

通义实验室发布语音双模型：Fun-CosyVoice3.5 与 Fun-AudioGen-VD

通义实验室语音团队正式发布两款支持 FreeStyle 指令生成的模型 Fun-CosyVoice3.5 与 Fun-AudioGen-VD。

2026-03-02

WenetSpeech-Chuan：多维标注大规模四川话语音语料库开源

西北工业大学音频语音与语言处理研究组（ASLP@NPU）联合希尔贝壳、中国电信人工智能研究院、南京大学和 Wenet 开源社区，提出了 WenetSpeech-Chuan，首个大规模多维标注的川渝方言语音语料库

2026-02-05

嵌入式语音 AI 的完整实践路径：从设备到云的真实工程经验

随着语音交互走进更多应用场景，越来越多团队开始探索「能跑得快、够可定制、还真能落地」的语音 AI 代理。

2025-11-27

巨人网络&清华大学开源 DiaMoE-TTS，多方言语音合成大模型框架

巨人网络AI Lab与清华大学电子工程系SATLab研究团队近日联合发布一项重大突破：首创多方言语音合成大模型框架DiaMoE-TTS，并宣布将数据、代码、方法全方位开源，旨在推动方言语音合成的公平与普惠

2025-10-15

小娜走了，微软小冰又来了，语音助手到底有没有用

语音助手在技术上除了要实现高精度的语音识别之外，还要根据识别出的命令完成特定功能来满足使用者的需求。

2020-08-11

看似简单的一套语音直播APP源码需要哪些开发技术支持？

语音直播，简单来说就是实时声音播放的意思。语音直播区别与视频直播，它没有主播的画面，仅以主播的声音为载体实时播出，但大家一样可以使用文字互动。

2020-04-19

阿里云总监课第二期：如何打造智能语音交互爆款产品？

课程亮点： 9课时精讲技术大咖实战经验 10倍提升你的智能语音学习效率 IoT时代的智能语音交互新玩法语音基础知识与三大模型自学习平台应用实践课程大纲：一、IoT时代的语音交互智能 1.人机交互界面的变迁

2018-08-29

阿里云发布智能语音自学习平台

7月18日，阿里云正式发布智能语音自学习平台公有云产品，将为用户提供一键式语音智能自助优化方案，使得语音识别优化不再依赖于语音供应商的专家服务，让不懂技术的人员也可以快速提升业务的识别准确率，以满足业务需求

2018-07-18

找靠谱数据集的痛苦数据科学领域的宝宝们都懂。文摘菌今天强力推荐一个很棒的数据平台Figure Eight。先上网站链接：www.figure-eight.com 相比其他数据平台，这个平台的一大特点是，用于标注数据集的模板都可以复制，而且能够在Figure Eight平台扩展其应用。每个数据集里包含了原始数据、工作设计、教程、说明等等。以下是几个被文摘菌选中的优质数据集：谷歌数据集Open Images Dataset v4（包围盒） Open Images是一个包含九百万图片的数据集，使用了几千类图像级标签和包围盒进行标注。Open Images的第4版侧重于对象检测，用包围盒标注了170万图像，这些标注覆盖了按层次分组的600类对象。这份数据集是2018年欧洲计算机视觉大会上举办的公开图像挑战赛的特征集。数据集的更多信息 https

2018-05-22

QNX推新车载语音识别架构善解人意领会驾驶者意图

汽车电子软件平台厂商QNX软件日前推出一款使车载语音识别系统能理解说话者意图的全新强大架构。

2018-03-13

避免沦为“人工智障”，机器人还需找对语音交互的“打开方式”

以上是发生在镁客君与某一语音交互机器人之间的对话。

2018-02-28

【开发者的2018】GAN、AutoML、统一框架、语音等十大趋势

GAN与造假虽然生成对抗网络几年前就出现了，我对它是相当怀疑的。几年过去了，即使看到GAN在生成64x64分辨率的图像方面取得了巨大的进步，我对它仍是怀疑的。在阅读了一些数学文章之后，我更加怀疑了，因为这些文章说GAN并没有真正了解分布。但在2017年，事情有所改变。首先，一些新的有趣的架构（例如CycleGAN）和数学上改进的架构（例如Wasserstein GAN）让我实践了一些GAN网络，它们的表现一般，但在完成这两个程序之后，我确信我们可以，并且应该使用GAN来生成东西。首先，我非常喜欢NVIDIA的一篇关于生成全高清图像的研究论文，生成的图像看起来非常真实（与一年前的64x64分辨率的令人毛骨悚然的人脸相比）：还有很多GAN在游戏行业的应用，例如用GAN生成游戏场景，英雄乃至整个世界。而且我认为我们必须意识到全新的造假水

2018-01-03

声智科技完成 A 轮近亿融资，继续专注 AI 语音技术迭代和场景拓展

声智科技表示，本轮融资后，将继续投入 AI 核心技术研发，持续提升远场语音交互产品的体验，同时拓展更多语音智能的垂直场景，服务更多品牌和中小企业客户，保持远场语音交互领域的领先地位。

2017-11-02

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。

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。

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

对话录音质检系统的工程实践：从语音识别到LLM判定的误差控制

多智能体与大语言模型驱动的多语言语音钓鱼检测研究

推理成本显性化之后：端云协同语音系统的模型分层路由设计

跨境复合型语音钓鱼犯罪的组织模式、心理操控机制与全域治理研究

5种有效方法，文字图片语音都能保留

Agent 语音交互如何更稳、更快？一次高并发消息链路优化实践

通义实验室发布语音双模型：Fun-CosyVoice3.5 与 Fun-AudioGen-VD

WenetSpeech-Chuan：多维标注大规模四川话语音语料库开源

嵌入式语音 AI 的完整实践路径：从设备到云的真实工程经验

巨人网络&清华大学开源 DiaMoE-TTS，多方言语音合成大模型框架

我用飞桨Parakeet仅六步实现了一个语音合成模型

小娜走了，微软小冰又来了，语音助手到底有没有用

看似简单的一套语音直播APP源码需要哪些开发技术支持？

阿里云总监课第二期：如何打造智能语音交互爆款产品？

阿里云发布智能语音自学习平台

资源 | 从医疗语音到灾难响应，这八大优质数据集快抱走

QNX推新车载语音识别架构善解人意领会驾驶者意图

避免沦为“人工智障”，机器人还需找对语音交互的“打开方式”

【开发者的2018】GAN、AutoML、统一框架、语音等十大趋势

声智科技完成 A 轮近亿融资，继续专注 AI 语音技术迭代和场景拓展

资源下载

Mario

Nacos

Sublime Text

WebStorm

欢迎您来访！

精选列表

对话录音质检系统的工程实践：从语音识别到LLM判定的误差控制

多智能体与大语言模型驱动的多语言语音钓鱼检测研究

推理成本显性化之后：端云协同语音系统的模型分层路由设计

跨境复合型语音钓鱼犯罪的组织模式、心理操控机制与全域治理研究

5种有效方法，文字图片语音都能保留

Agent 语音交互如何更稳、更快？一次高并发消息链路优化实践

通义实验室发布语音双模型：Fun-CosyVoice3.5 与 Fun-AudioGen-VD

WenetSpeech-Chuan：多维标注大规模四川话语音语料库开源

嵌入式语音 AI 的完整实践路径：从设备到云的真实工程经验

巨人网络&清华大学开源 DiaMoE-TTS，多方言语音合成大模型框架

我用飞桨Parakeet仅六步实现了一个语音合成模型

小娜走了，微软小冰又来了，语音助手到底有没有用

看似简单的一套语音直播APP源码需要哪些开发技术支持？

阿里云总监课第二期：如何打造智能语音交互爆款产品？

阿里云发布智能语音自学习平台

资源 | 从医疗语音到灾难响应，这八大优质数据集快抱走

QNX推新车载语音识别架构 善解人意领会驾驶者意图

避免沦为“人工智障”，机器人还需找对语音交互的“打开方式”

【开发者的2018】GAN、AutoML、统一框架、语音等十大趋势

声智科技完成 A 轮近亿融资，继续专注 AI 语音技术迭代和场景拓展

资源下载

Mario

Nacos

Sublime Text

WebStorm

欢迎您来访！

QNX推新车载语音识别架构善解人意领会驾驶者意图