在数字化转型的浪潮中，电销外呼系统正经历着从传统呼叫工具向智能业务中枢的蜕变。作为企业获客转化的核心引擎，新一代外呼系统通过技术创新正在重塑销售效率的天花板。本...

语音识别（ASR）与合成（TTS）优化：通过预训练模型（如Whisper、Tacotron）提升语音交互实时性。

语音识别技术从诞生至今，经历了巨大的进步。最初的语音识别系统只能识别有限的词汇，且准确率较低。随着计算能力的提升和机器学习算法的发展，语音识别技术取得了长足的进...

实际上，当前的Siri和小爱同学的每一句话背后都依赖于三项核心技术（未来可能就是端到端语音了）：自动语音识别（ASR）、自然语言处理（NLP）、文本到语音转换（...

在人工智能（AI）技术日新月异的今天，AI外呼系统作为客户服务与营销的重要工具，正逐步改变着企业的运营模式和客户体验。本文将探讨AI外呼的技术路径，从技术架构、...

智能纠错与优化：云蝠智能的呼叫系统具备智能纠错和翻译功能，能够有效提升对话质量。其语音识别技术通过降噪模型和流媒体识别技术，确保在复杂环境下的高准确率。

在当今人工智能飞速发展的时代，Attention LSTM作为一种强大的序列建模工具，正日益受到广泛关注。它巧妙地将注意力机制融入到长短期记忆网络（LSTM）中...

语音识别（ASR，Automatic Speech Recognition）是一种将语音转化为文字的技术，被广泛应用于智能语音交互和多媒体内容理解领域，例如语音...

HarmonyOS NEXT 提供的AI 文本合并语音功能，可以将一段不超过10000字符的文本合成为语音并进行播报。

AVRecorder录制出来的声音封装格式只能是aac，这个文件格式我们的AI语音引擎不支持，AI语音引擎只支持pcm格式，而 AudioCapturer录制的...

HarmonyOSNext中集成了强大的AI功能。Core Speech Kit（基础语音服务）是它提供的众多AI功能中的一种。

近日，小米集团新一代 Kaldi 团队关于语音识别算法的论文《CR-CTC: Consistency regularization on CTC for imp...

VideoCaptioner 是一款基于大语言模型（LLM）的智能字幕助手。它支持语音识别、字幕断句、优化、翻译全流程处理，无需高性能 GPU 即可实现高质量的...

EchoSharp通过集成多种先进的AI模型和组件，提供了一个灵活且高效的近实时音频处理解决方案，适用于需要高质量语音识别和音频分析的应用场景。

Sherpa-onnx 是一个基于 ONNX 运行时的开源语音处理库，支持多种语音相关任务，包括语音识别、语音合成、说话人识别、语言识别等。它不仅支持多种编程语...

多模态能力的融合正在改写 AI 发展路径。语音、视觉与自然语言处理的边界日益模糊，以 Transformer 为代表的通用解决方案，正在重塑传统技术领域。

最近在研究语音识别（ASR）相关的开源项目时，发现了 DeepSpeech，这是 Mozilla 开发的一个开源语音识别引擎，基于深度学习，能够将语音转换为文本...