宾夕法尼亚州立大学于 2026 年 10 月发布公告，明确其身份认证服务提供方微软将于 2027 年 2 月 1 日起全面停止支持短信验证码与语音电话两类多因素...

在AI会议助手的产品介绍中，语音转写准确率往往是最醒目的数字。有的产品强调识别速度，有的突出多语言覆盖，还有的将大模型纪要生成作为主要卖点。

过去几年，AI会议助手的发展主要集中在云端：麦克风采集音频，通过网络发送给语音识别服务器，再调用大语言模型完成摘要生成。这套方案的优势是部署门槛低、算力资源集中...

婴幼儿的哭声既是表达需求的主要方式，也是健康状况的直接反映。核心需求是实时哭声监测与报警/反馈机制——在婴儿哭闹的第一时间通知父母，并支持及时安抚。婴儿哭声识别...

对于软件开发者而言，无论是阿里云、腾讯云等厂商提供的实时语音识别 API，还是 Whisper、FunASR、Qwen3-ASR 等开源模型，都已经能够将音频转...

过去几年，自动语音识别（ASR）的进步相当明显。从早期基于声学模型与语言模型的组合架构，到 Whisper、Paraformer、Qwen3-ASR 等深度学习...

在使用AI会议助手整理多人会议时，经常会遇到一种情况：语音转写的内容基本正确，但发言人却对不上。

摘要： 本文是一篇面向 Android 开发者的语音技术全链路实战教程。文章从系统自带语音引擎的基础配置讲起，逐步覆盖文字转语音（TTS）、中文转拼音、原始音频...

在多语言语音识别领域，一个看似矛盾的现象是：模型明明能够识别中文，也能够识别英语，但当两种语言出现在同一句话中时，识别效果却可能明显下降。