在音视频内容处理领域，高精度的语音转写与高效的字幕生成已成为众多开发者、内容创作者及企业的核心需求。市场上虽然工具众多，但往往在技术架构、识别准确率，特别是对复...

Voiceitt语音识别团队负责人Filip Jurcicek表示，识别非标准语音与普通语音识别在一些根本方面存在差异。

在一篇入选ICASSP前3%的优秀论文中，某中心的研究人员通过改进基于图的标签传播技术，提升了针对非标准发音的语音识别性能。

人工智能在医疗领域的应用正以前所未有的速度加速推进，医疗行业采用 AI 的速度已达到整体经济体系的两倍。顺应这一趋势，Google 去年通过 Health AI...

2022年，语音领域规模最大、最全面的国际学术会议Interspeech在韩国仁川举行。某中心作为白金赞助商出席。某中心语音AI组织的几位资深科学家重点介绍了该...

近年来，自动语音识别（ASR）已转向全神经网络模型。连接时序分类（CTC）损失函数因其预测不依赖于先前上下文，从而产生推理延迟低的简单模型，成为端到端ASR的一...

语音识别模型我之前都是用Belle-whisper-large-v3-zh，小巧、快速，但是方言支持和准确性差一点意思。最近智谱Z.AI 开源了 GLM-ASR...

第二遍语言模型通常用于对自动语音识别生成的假设进行重评分。研究表明，通过在训练中融入自然语言理解的目标任务，可以提升这类重评分模型的性能。

每一次与智能语音助手的交互都始于唤醒词。通常，智能设备只有在确认听到唤醒词后，才会将后续的语音请求发送到云端进行深度处理。在首款智能音箱发布六年后，其背后的科学...

“对话模式”代表了语音AI领域的一个重要里程碑。该功能将让Echo Show 8和Echo Show 10的用户能够更自然地与Alexa互动，而无需重复说出唤醒...

        基于 HMM 的语音识别方法是传统语音识别的主流方法，其核心思想是将语音识别问题转化为 HMM 的解码问题：

作为一名大模型从业和探索者，最近接到了一个颇具挑战性的任务：为客户构建一个高精度的语音转文字服务。在经过多方技术选型后，我们最终选择了OpenAI的Whispe...

以下代码使用Python结合NLP和CV技术，模拟一个支持语音、文本和图像输入的多模态交互系统。示例整合了语音识别、自然语言处理、图像识别等功能模块。

在首尔江南区一家商业银行的客户服务中心，李女士正焦急地等待工作人员处理她的投诉。三天前，她接到一通自称是“国家金融监督院”的电话，对方准确报出她的身份证号和近期...

在伦敦金融城一家跨国银行的呼叫中心，客服代表Sarah接到一通紧急来电。电话那头的声音沉稳、略带沙哑——正是她熟悉的首席财务官Mark Thompson的嗓音。...

在数字人交互、智能客服或语音助手的 Web 开发中，实时语音识别（ASR） 是最基础也是最核心的入口。市面上方案众多，今天我们基于一个真实的测试文件 test-...