#语音识别
共 105 篇相关文章
科技前沿·3 分钟
Qwen3.5-Omni发布：215项任务SOTA，阿里全模态大模型硬刚Gemini
阿里发布Qwen3.5-Omni全模态大模型，基于1亿小时音视频数据原生多模态预训练，215项任务拿下SOTA，多项指标超越Gemini 3.1 Pro。支持音视频Web Coding、长音频分析、113种语言语音识别等能力。
阅读全文 →
行业洞察·4 分钟
Claude Code架构深度解析：单循环设计为何碾压多智能体
深度拆解Claude Code内部架构：单循环控制、无RAG设计、9400 token工具提示词、大小模型分工策略。揭秘年收入10亿美元AI编程工具背后的极简设计哲学。
阅读全文 →
产品体验·6 分钟
不写一行代码，用AI从零打造Replit替代品Jerry
一位开发者不写一行代码，仅用OpenAI Codex、Claude Code SDK和Vibe Code CI三个AI工具，在2-3小时内从零构建了一个iPhone端Replit替代品Jerry。本文详解零代码AI开发的完整流程、技术架构与实战经验。
阅读全文 →
教程攻略·8 分钟
Spring AI入门教程：环境搭建、版本要求与核心概念详解
Spring AI入门指南，详解JDK 17环境搭建、Spring Boot 3.4版本要求、Chat Completion等核心概念，以及Spring AI Alibaba的关系，帮助Java开发者快速上手AI应用开发。
阅读全文 →
产品体验·7 分钟
2025年5月10款开源Claude Code工具推荐
精选5月最值得关注的10款开源Claude Code工具，涵盖Token优化、知识图谱、前端设计提取、浏览器自动化等方向，帮助开发者提升AI编程效率、降低成本。
阅读全文 →
科技前沿·6 分钟
Sam Altman与Jony Ive合并创办IO：AI原生硬件新时代来临
OpenAI CEO Sam Altman与苹果前设计总监Jony Ive宣布IO公司并入OpenAI，联手打造AI原生硬件设备。Altman称其为"史上最酷科技产品"，目标是彻底重新定义人类与AI的交互方式，让AI真正民主化。
阅读全文 →
产品体验·3 分钟
开源AI桌宠小猫：Qwen 3.5 Omni+ESP32打造全模态智能伙伴
基于Qwen 3.5 Omni全模态模型和ESP32-S3的开源AI桌宠小猫项目，支持情感语音交互、视觉感知、手势互动和一日记录复盘功能。附完整复刻教程，含硬件清单、3D打印模型和代码烧录指南。
阅读全文 →
产品体验·8 分钟
OpenAI Codex App深度实测：AI编程助手如何重塑开发流程
深度实测OpenAI Codex App的核心功能：自然语言构建应用、多任务并行开发、语音交互编程、智能Code Review。详解这款AI编程工具如何将开发效率提升到新高度，附实际演示截图。
阅读全文 →
产品体验·6 分钟
小智AI语音助手Flutter客户端：跨平台语音对话应用开发实战
深入解析小智AI语音助手Flutter客户端的技术架构与核心功能，涵盖实时语音交互、Flutter跨平台开发方案、前后端分离架构设计，以及与xiaozhi-server的协作模式，助力开发者快速构建AI语音对话应用。
阅读全文 →
教程攻略·7 分钟
Codex五分钟开发免费音频转字幕工具：替代剪映SVIP实战
剪映字幕识别升级为SVIP专属？用OpenAI Codex搭配Whisper模型，5分钟从零开发免费音频转字幕工具。完整拆解Plan模式规划、代码生成、调试到Web界面的全流程，附实用AI编程协作技巧。
阅读全文 →
产品体验·4 分钟
三款PDF Agent Skills实测：B站视频笔记与技术手册一键生成
实测Bilibili Render PDF、MiniMax PDF和Any2PDF三款Agent Skills，分别实现B站视频自动生成图文笔记、从零创建专业文档、中英混排品牌级PDF制作，附选择策略与使用建议。
阅读全文 →
产品体验·9 分钟
Manus vs 天工 vs Liaobots：AI字幕翻译实测评分对比
实测对比Manus、天工、Liaobots三款AI Agent翻译英文技术演讲字幕的效果，从口语化处理、术语准确性、语音识别纠错等维度逐项打分，附评分表格与推荐翻译工作流方案。
阅读全文 →
深度解读·13 分钟
Hugging Face Transformers：16万星开源AI框架全面解析
全面解析GitHub 16万星的Hugging Face Transformers框架，从核心架构、多模态模型支持到大模型量化推理优化，帮助开发者快速掌握预训练模型的加载、微调与高效部署。
阅读全文 →
产品体验·10 分钟
Coze vs Dify vs n8n：2025年三大AI工作流平台深度对比选型
2025年Coze、Dify、n8n三大AI工作流平台全面对比，从功能特性、优劣势到适用场景逐一拆解。个人自媒体选Coze，企业快速落地选Dify，深度定制选n8n，附核心节点对照表与实战案例。
阅读全文 →
产品体验·9 分钟
9款新兴AI工具推荐：2025年最值得尝试的自动化与智能体平台
盘点2025年9款值得关注的AI工具，涵盖工作流自动化、多智能体协作、无代码开发和自主编程。详解Active Pieces、Make、Devin AI、OpenAI Operator等工具的核心功能与实际应用场景。
阅读全文 →
教程攻略·9 分钟
DIY蓝牙翻页器+语音遥控Vibe Coding：随时随地语音编程实战方案
用蓝牙翻页器和无线麦克风DIY语音编程遥控器，结合豆包语音输入、TMUX多窗口管理和Claude Code，实现脱离键盘的Vibe Coding工作流。详解硬件改造、按键映射、多Agent切换的完整技术架构。
阅读全文 →
教程攻略·8 分钟
AI漫剧制作全流程：从剧本到成片的5步实战指南
详细拆解AI漫剧制作全流程，涵盖剧本创作、关键帧生成、ComfyUI高清放大、可灵AI视频动效及剪辑配音五大环节，附多模型对比策略与实操技巧，助零基础创作者快速上手。
阅读全文 →
教程攻略·9 分钟
Google Vids免费做3D动画：Veo 3.1从零到成片完整教程
手把手教你用Google Vids免费制作3D动画短片。利用内置Veo 3.1模型，从ChatGPT生成剧本到角色设计、动画生成、自动字幕、导出MP4，全流程一站式完成，无需付费工具。
阅读全文 →
