语音特征提取与建模 通过MFCC（梅尔频率倒谱系数）或PLP（感知线性预测）算法提取语音的声学特征，建立目标发音的基准模型。深度学习模型如CNN或LSTM可用...

最近你有没有发现：大模型厂商开始“集体下场做键盘”了——豆包、智谱先跑起来，微信输入法也在 3.0 里明显加速跟进。乍一看像是又一轮应用内卷，但我反而觉得这事特...

语音识别转文本相信很多人都用过，不管是手机自带，还是腾讯视频都附带有此功能，今天简单说下：

Core Speech Kit功能:Core speechKit(基础语音服务)集成了语音类基础A!能力，包括文本转语音(TextToSpeech)及语音识别(...

TTS（Text-to-Speech）是HarmonyOS提供的重要语音服务能力，可以将文本内容转换为语音播放。本文基于实际项目经验，详细介绍如何在Harmon...

在数字化浪潮席卷教育领域的今天，传统课堂的教学模式正面临前所未有的挑战。尤其是历史学科，因其内容的时空局限性，学生往往只能通过文字、图片等静态载体间接感知历史，...

测试后 1pcs 正常（误判），5pcs 物理损坏，烧写器报 E37（读不到 flash id）。阻抗对比测试显示，异常芯片 8 脚（供电脚）阻抗为无穷大，与正...

近日，在南京VoiceAgent实时语音大会上，云蝠智能带着VoiceAgent 2.0惊艳亮相！虽在众声喧哗的智能语音赛道中音量不算最大，但这家公司的资历与积...

语音感知使AI能够“听”懂人类语言，甚至理解语音中的情感和意图。语音感知技术主要包括语音识别和自然语言处理（NLP）两大方向。

不过现实很骨感。一个完整的语音交互链路包括 ASR 语音识别（500-800ms）、大模型推理（700-1200ms）、TTS 语音合成（300-500ms），...

Coles： 我需要从 Java 生成语音，而大多数现代文本转语音（Text to Speech，TTS）库都是用 Python 编写的。最初，我将 piper...

如果你也关注 Agent、AI 搜索、多模态、工程化等话题，一定不要错过这 100+ 可落地的实践案例！

如果你打过客服电话，大概率会有这样的体验：机械的语音提示一遍又一遍，“业务咨询请按1……人工服务请按0”，层层语音导航后，好不容易接通了人工，却又被告知“请您关...

除了将人类动作转化为机器人动作外，LinkCraft 还提供语音表演功能。用户可以通过三种方式与之交互：上传音频、在线录音或使用语音合成。

Mureka 最新版本还上线了 TTS（Text To Speech，即文本转语音）功能，用户可以在 Mureka 同时体验 AI 音乐与 AI 语音生成，AI...

四、系统拓扑（Mermaid） 引子：声音是一条不稳定的河流。我们在语料的沙砾间清洗、在唤醒的涟漪里判断，在ASR与NLU的桥上与人交谈，再用TTS把冷静而温...

随着AI配音技术不断迭代，我们现在在视频平台经常能看到使用各种名人或是明星的声音，通过AI制作后达到以假乱真效果的各种搞笑视频或是音乐作品等娱乐内容。这个技术的...

本文主要介绍如何在Windows系统电脑端使用这款超好用的PC端语音转文字工具CapsWriter-Offline，并结合cpolar内网穿透轻松实现使用客户端...

OpenAI的Whisper作为一款开源的语音识别系统，在过去几年中经历了显著的演进。2025年的Whisper技术已经从最初的基础语音转文本功能，发展成为具备...

多模态AI是指能够同时处理和理解语音、文本、图像、视频等多种模态信息的人工智能系统。语音处理是多模态AI的重要组成部分，它涉及语音识别、语音合成、语音理解等多个...