#语音识别
共 385 篇相关文章
·13 分钟
端到端语音识别：哪些经典难题真被解决了？
深入剖析端到端ASR模型在五大经典难题上的真实表现：上下文理解基本解决，背景噪声改善有限，口音识别差距被平均数掩盖，语码转换几乎原地踏步。区分架构革命与数据分布问题，揭示被漂亮WER指标掩盖的真相。
阅读全文 →
·14 分钟
Qwen-Audio-3.0-ASR-Flash发布：医疗术语召回率达95%的语音识别新标杆
通义千问发布Qwen-Audio-3.0-ASR-Flash语音识别模型，医疗术语召回率95.36%，工业术语93.24%。支持上下文一致性、领域术语识别、自定义热词和语音润色四大核心升级，提供流式识别与文件转写多版本选择。
阅读全文 →
·17 分钟
Voice-Pro：集成TTS、声音克隆、语音识别的开源AI语音工具
Voice-Pro是GitHub上热门的开源AI语音处理工具，集成Edge-TTS、F5-TTS、CosyVoice零样本声音克隆、Whisper语音识别等功能，通过Gradio界面实现文本转语音、跨语言配音的完整工作流。
阅读全文 →
·6 分钟
Speechius：用语音识别驱动的智能提词器，告别固定滚动
Speechius是一款语音驱动的智能提词器，通过实时语音识别自动调整脚本滚动速度，无需脚踏板外设。支持Zoom、OBS等工具，完全本地运行保护隐私，一次性买断无订阅费用。
阅读全文 →
·7 分钟
AI Group Call：六个AI同时语音开会为你出谋划策
AI Group Call 让六个AI角色在语音会议中轮流发言、相互辩论，为你提供多角度决策建议。支持即时打断、自动转录总结和持续对话，探索多智能体协作的全新交互范式。
阅读全文 →
·14 分钟
Supercut：本地AI视频编辑器，零上传零注册保护隐私
Supercut是一款主打隐私保护的本地化AI视频编辑器，所有处理在设备端完成，支持自然语言剪辑指令、屏幕录制自动缩放、自动字幕等40款工具，免费起步无需账户，适合注重数据安全的创作者。
阅读全文 →
·16 分钟
Attyn：把AI直接带到光标位置的Mac效率神器
Attyn 是一款 macOS 嵌入式AI工具，支持原地改写文本、实时语音转文字、屏幕内容问答和可视化解释四大功能，无需切换应用即可调用AI能力，支持自带API密钥和本地模型运行。
阅读全文 →
·13 分钟
Zetik：口袋里的AI情报参谋团队，终结信息焦虑
Zetik是一款AI多智能体情报工具，通过采集、过滤、分析、简报四步情报周期，24/7全天候从播客、论文、代码、推文等多源信息中提炼关键洞察，让普通人也能拥有专属情报参谋团队。
阅读全文 →
·13 分钟
Pixel 11系列上手体验：硬件保守依旧，软件依然聪明
Pixel 11全系列上手体验，涵盖标准版、Pro、Pro XL及Pro Fold折叠屏。全新Highlight LED灯、Tensor G6芯片、升级影像系统，但价格全线上涨100美元。详解硬件升级与软件亮点，分析是否值得购买。
阅读全文 →
·7 分钟
企业级AI智能面试系统：设计思路与落地实践全解析
深入解析企业级AI智能面试系统的设计与落地方案，涵盖HR岗位配置、简历动态出题、语音识别作答、结构化评估报告等核心功能，帮助企业解决技术面试资源浪费问题，提升招聘效率与候选人体验。
阅读全文 →
·14 分钟
SL2T模型：手语实时转文字的AI突破与无障碍技术新方向
深入解析SL2T手语转文字AI模型的核心技术原理、应用价值与发展前景。了解这款突破性模型如何通过多模态识别将连续手语实时转换为文字，为聋人和听障群体消除数字沟通鸿沟。
阅读全文 →
·16 分钟
Oh-My-Pi深度体验：内置LSP和调试器的编程Agent全面评测
深度评测Oh-My-Pi编程Agent的核心功能：hashline编辑模式、内置LSP工作区重构、真实调试器、语音交互与协作功能，对比Pi框架的设计哲学差异，帮你判断是否值得迁移。
阅读全文 →
·11 分钟
Dograh：开源语音AI智能体平台，VAPI的免费替代方案
Dograh是一款完全开源的语音AI智能体平台，提供可视化流程构建、30+模型集成、本地部署、电话通信及人工转接等功能，支持一条命令自托管，是VAPI的自由替代方案。
阅读全文 →
·9 分钟
AI日报：阿里语音平台夺三冠，OpenAI暂停高危模型
今日AI要闻：OpenAI紧急暂停具备网络攻击能力的前沿模型；阿里CosyVoice Studio横扫语音识别、实时交互、语音合成三项全球第一；Cloudflare发布Agent专属无头浏览器Kitsurf；GitHub Copilot监控升级支持Agent量化分析。
阅读全文 →
·11 分钟
OpenAI语音操控电脑升级，OpenJDK禁用AI生成代码
OpenAI ChatGPT桌面端引入语音操控功能，支持多步骤智能体协作；OpenJDK明确禁止AI生成代码贡献；中科曙光十万卡超集群落成；Jeff Dean创业聚焦AI科学发现。AI行业加速与治理并行的最新动态。
阅读全文 →
·16 分钟
FirstSignal：AI语音代理如何革新首轮面试筛选流程
深度解析FirstSignal这款AI语音面试筛选工具，了解其如何通过实时语音通话自动完成首轮结构化面试，帮助招聘团队高效筛选候选人，同时保留人类最终决策权。
阅读全文 →
·7 分钟
Linforge：把Anki闪卡变成AI英语口语陪练
Linforge是一款与Anki深度同步的AI口语练习工具，提供音素级发音纠正和实时语法反馈，帮助英语学习者将背过的单词转化为流利口语输出，解决哑巴英语难题。
阅读全文 →
·12 分钟
语言学家入局AI：LLM评估背后的人力真相
一则时薪40-50美元的语言学专家招聘揭示AI训练幕后真相：大语言模型评估为何需要母语专家？RLHF人类反馈如何决定模型质量上限？解读AI产业中正在崛起的专家经济。
阅读全文 →
