搜索[语音模型]结果-低调大师优秀个人博客

精选列表

搜索[语音模型]，共10000篇文章

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

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

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

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

数据来源：IDC《中国AI云服务市场半年度研究报告》（2019H2）作为较早布局云上语音AI技术的企业，阿里巴巴通过阿里云对外提供语音原子能力、行业模型及自学习平台等服务，给用户「开箱即用」的行业语音解决方案

2020-07-15

语音识别（ASR）基础介绍第二篇——万金油特征MFCC

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。

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

Golang 基于chrome浏览器语音识别web演示系统WebHTK开发之引擎篇

底层语音识别的实现，是基于HTK开源语音识别工具：http://htk.eng.cam.ac.uk/#前面用过这个工具，也用JNI转成java可调用的接口，所以还算比较熟悉。

2017-11-22

Golang 基于chrome浏览器语音识别web演示系统WebHTK开发之 UI篇

name= "keywords" content= "PONPON,HTK,Go语言" /> <meta name= "description" content= "基于Beego开发语音识别演示系统

2017-11-21

使用手机驾驶模式已成趋势驾驶助手尽展NUANCE创新语音技术

先进的语音技术不断改变了我们的生活，为我们提供了多样化的创新语音应用功能，结合我们的移动设备，为用户提供了真正智能、安全和多样化的移动互联体验。

2017-11-15

语音写字板 v1.01 我的第二个Android作品

语音写字板英文名：VoiceTextPad 这是一个用于快速录入中长篇幅文档的工具，你可以使用语音输入结合系统安装的输入法来完成输入，内置了撤销/前进功能以便于在语音识别错误时快速撤销重输，输入完成后可以通过复制

2017-11-05

盘点麦克风技术及市场，远场语音交互如何选型麦克风？

智能语音交互市场的火热逐渐辐射到产业链的供应商，其中最直接受益就是作为声音的传感设备——麦克风。特别是麦克风阵列的兴起，未来可以让麦克风厂家的销量翻倍增长。

2017-10-31

“明明白白我的心” 语音交互成无人驾驶汽车刚需

百度研发出了基于多层单向LSTM（长短时记忆模型）的汉语声韵母整体建模技术，并成功把连接时序分类（CTC）训练技术嵌入到语音识别传统技术建模框架中。

2017-09-03

百度实时语音转换技术 DeepVocie；谷歌 Python Fire 等| AI 研习社周刊

█开发工具微软发布 Azure Stack 第三技术预览版本 Azure Stack 是微软为大型企业客户开发，在本地部署的数据中心运行私有云或混合云的服务。其正式版本预计于今年年中推出。3 月 1 日，微软公布了它的第三个技术预览版本。微软副总裁 Mike Neil 强调，Azure Stack 将根据实际使用情况按需定价，但也会提供年费方式的固定价格选项。详情：http://www.leiphone.com/news/201703/nYfx3ZLOXqMckzPZ.html?type=preview 谷歌开源Python Fire 3 月 2 日，谷歌公布了新的 Python 工具包——Python Fire。它的功能很简单：能从任何 Python 代码生成命令行接口（CLI）。开发者面对任意一个Python 程序，仅需调用

2017-08-01

Alexa估值近百亿美元，AI巨头为何在语音交互市场抢夺赛道？

1、国内外巨头相继进入语音交互领域去年10月份，Intel与科大讯飞宣布合作共同研发AI芯片，该芯片将麦克风阵列、远场语音识别等功能集成到SOC当中，形成完整的远场语音交互链条，此次合作正式宣告Intel

2017-07-31

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。