#ASR
共 62 篇相关文章
教程攻略·9 分钟
GPT-Realtime-2站会自动化：语音驱动工单管理实战指南
探索如何用GPT-Realtime-2实现站会自动化，通过语音AI和Function Calling将口头汇报自动转化为Jira、Linear工单操作，涵盖技术架构、实现路径与核心挑战分析。
阅读全文 →
产品体验·10 分钟
PyGPT：开源桌面AI助手，一站式集成GPT/Claude/Ollama等多模型
深度解析PyGPT开源桌面AI助手，支持GPT-4、Claude、Gemini、Ollama本地模型等多模型集成，内置RAG知识管理、智能体、语音交互、图像生成等功能，适用于开发者、内容创作者和企业用户。
阅读全文 →
教程攻略·7 分钟
Pixelle-Video开源教程：AI全自动短视频引擎14K Star深度解析
深度解析GitHub热门开源项目Pixelle-Video，一款AI全自动短视频生成引擎，已获14000+ Star。详解其全流程自动化能力、技术架构、应用场景及上手指南，助你快速掌握AI视频制作新工具。
阅读全文 →
产品体验·8 分钟
百聆：开源语音助手800ms低延迟，媲美GPT-4o对话体验
百聆（bailing）是一款基于ASR+LLM+TTS架构的开源语音助手，集成DeepSeek R1大模型，端到端延迟仅800ms，支持打断对话，可在Mac等低配设备流畅运行，助你打造私有化个人AI语音助手。
阅读全文 →
深度解读·7 分钟
WebRTC为何不适合AI语音？延迟优先设计的致命缺陷
深入分析WebRTC在AI语音交互场景中的设计缺陷：丢包优先策略导致用户prompt残缺、LLM响应质量下降。探讨MoQ等替代协议如何更好地平衡数据完整性与低延迟需求。
阅读全文 →
深度解读·5 分钟
视频转文字开源工具：字幕提取+Gemini AI听写双模式方案
介绍开源项目claude-skill-video-transcribe，支持YouTube、B站和本地视频转文字。采用优先提取字幕、无字幕时Gemini 2.5 Flash AI听写的双路策略，Python开发，高效实现视频内容转录。
阅读全文 →
产品体验·7 分钟
CowAgent开源项目深度解析：44000星标的超级AI助理怎么样？
深度解析GitHub近44000星标的CowAgent开源项目，涵盖主动任务规划、多平台接入、多模型支持等核心能力，了解这款基于大模型的超级AI助理如何打造个人助手与企业数字员工。
阅读全文 →
产品体验·8 分钟
Speak2Prompt：语音转AI提示词开源工具，打破编程语言壁垒
Speak2Prompt是一款开源工具，可将越南语语音实时转换为结构化英文AI提示词，适用于Claude、Cursor等编程助手。本文解析其设计理念、技术架构及对中文开发者的启发。
阅读全文 →
产品体验·8 分钟
CowAgent开源项目深度解析：44000 Star的AI Agent框架
深度解析GitHub热门开源项目CowAgent（原chatgpt-on-wechat），一款基于大模型的超级AI助理框架，支持微信、企业微信、飞书等多平台接入，具备主动思考、任务规划、技能创造和长期记忆等Agent能力，适合搭建个人AI助理和企业数字员工。
阅读全文 →
产品体验·9 分钟
CowAgent开源项目深度解析：4.4万Star的超级AI助理如何搭建
深度解析GitHub 4.4万Star开源项目CowAgent（chatgpt-on-wechat），详解其Agent能力、微信/飞书/钉钉多平台接入、多模型支持等核心功能，助你快速搭建专属AI助理。
阅读全文 →
产品体验·8 分钟
CowAgent开源AI Agent深度解析：4.4万Star的超级智能助理
深度解析GitHub 4.4万Star开源项目CowAgent（原chatgpt-on-wechat），一款基于大模型的超级AI Agent。支持微信、企业微信、飞书等多平台接入，兼容DeepSeek、GPT-4o、Claude等主流模型，具备主动思考、任务规划、长期记忆等Agent能力。
阅读全文 →
教程攻略·13 分钟
Hugging Face Transformers：16万星AI模型框架深度解析与实战指南
深入解析Hugging Face Transformers开源框架的核心特性、技术架构与生态系统。涵盖多框架支持、50万+预训练模型调用、全模态任务覆盖及快速上手代码示例，助你高效构建AI应用。
阅读全文 →
教程攻略·10 分钟
Hugging Face Transformers入门指南：16万Star开源AI框架深度解析
深度解析Hugging Face Transformers开源框架，涵盖核心功能、多模态支持、Pipeline与Trainer API用法、生态系统集成等，帮助开发者快速上手这个拥有16万Star的预训练模型框架。
阅读全文 →
产品体验·11 分钟
Hugging Face Transformers：16万Star背后的技术架构与生态解析
深入解析Hugging Face Transformers开源框架，涵盖技术架构、四大模态支持、Pipeline API用法及与Hub生态整合。了解这个16万Star项目如何成为AI开发者必备工具，以及它在大模型时代的战略地位与未来方向。
阅读全文 →
产品体验·15 分钟
OpenAI PHP Client：在PHP项目中快速接入GPT等AI能力
详解openai-php/client库的核心功能与使用场景。这个GitHub 5700+ Star的PHP客户端支持GPT-4对话、DALL·E图像生成、Whisper语音识别等OpenAI API，提供Laravel无缝集成、流式响应和类型安全，是PHP开发者接入AI的首选方案。
阅读全文 →
深度解读·12 分钟
Hugging Face Transformers深度解析：16万Star的AI开源框架为何成为行业标配
深度解析Hugging Face Transformers框架的核心架构、全模态支持、推理训练能力及社区生态。了解这个16万Star的开源项目如何从NLP工具成长为连接AI研究与工程落地的行业基础设施。
阅读全文 →
产品体验·9 分钟
CowAgent开源框架深度解析：4.4万Star的AI Agent实战指南
深度解析GitHub 4.4万Star开源项目CowAgent（原chatgpt-on-wechat），涵盖AI Agent核心能力、多平台接入、多模型兼容及企业级应用场景，手把手教你搭建微信AI助理。
阅读全文 →
教程攻略·16 分钟
CowAgent深度解析：44000+ Star的开源AI助理搭建指南
深度解析GitHub 44000+ Star开源项目CowAgent（原chatgpt-on-wechat），支持微信、飞书、钉钉多平台接入，兼容GPT、DeepSeek、Qwen等主流模型，具备主动思考、技能创造和长期记忆能力，手把手教你搭建智能AI助理系统。
阅读全文 →
产品体验·9 分钟
CowAgent开源项目深度解析：44000 Star的AI Agent如何炼成
深度解析GitHub热门开源项目CowAgent（原chatgpt-on-wechat），详解其主动思考、Skills创造、长期记忆等核心Agent能力，以及微信、飞书、钉钉等多平台接入方案，助你快速搭建企业级AI助理。
阅读全文 →
产品体验·10 分钟
CowAgent开源AI助理深度解析：4.4万Star的智能体框架
深度解析GitHub 4.4万Star开源项目CowAgent，一款基于大模型的超级AI助理框架，支持微信、飞书、钉钉等多平台接入，具备主动思考、任务规划、技能创造等Agent能力，支持GPT、DeepSeek、Qwen等主流模型。
阅读全文 →