分享一款智谱的龙虾 AutoClaw，亲测可通过对话指令完成视频音频提取、视频拼接等操作，支持自定义模型，还能接入飞书配置机器人，全程动口不动手，操作简单且效果...

最近，xiaozhi 新增了 MCP 能力的支持，我写了个工具用来接入任意的mcp到xiaozhi：

1 .提升高频分量，平衡语音频谱，使得高频特征更加明显，便于后续的特征提取（如MFCC）。

除基础供电管理外，MT6357还兼顾振动器驱动、LED指示灯控制等附加功能，并通过内置高质量音频编解码器实现双向音频信号处理，在保障稳定性的同时，丰富用户交互体...

这款芯片专为音频类设备量身设计，具备丰富的接口配置与强劲的处理性能，可轻松应对音频编解码、音效处理等核心任务。

综合彭博社、《金融时报》等多家外媒报道，苹果公司于当地时间1月29日宣布收购以色列人工智能初创公司Q.ai，交易金额接近20亿美元，使得该收购成为苹果历史上第二...

3月24日，市场研究机构IDC发布预测报告称，2025年全球智能眼镜市场预计出货1205万台，同比增长18.3%。其中不具备显示功能的音频眼镜及音频拍摄眼镜预计...

3月17日晚间，雅创电子发布公告称，公司拟以不超2亿元，购买上海类比半导体技术有限公司（以下简称“上海类比”）部分股权，最终投资金额和持股比例尚未确定，交易完成...

可以看到，它的思路就是引导ai一步步思考，最后得到每一步的指示，最后得到结果，如果配合mcp的功能进行修正，就可以一步一步帮我吗完成复杂的功能。

学习完Dify后Dify使用deepseek尝试使用下coze，发现流程和交互几乎一模一样，不过coze的插件更丰富些，特别是多媒体插件，就尝试...

如果你有一段录音，里面混杂着人声、背景音乐、汽车喇叭声和狗叫声。你想把 “狗叫声”单独提取出来，或者反过来，你想把除了人声以外的所有声音都静音。

当我们在聊 Voice Agent、语音 AI、实时对话时，大家的注意力几乎都被 ASR、TTS、LLM 抢走了。

它允许同时并行处理多个音频片段，充分榨干 GPU 的算力，让显卡满载运行，拒绝“一核有难，八核围观”。

它通过学习大量高品质音频的频谱规律，当给它一段 16kHz 的低质音频时，它能通过神经网络预测并生成出原本不存在的 16kHz~24kHz 的高频部分，从而将音...

它最离谱的能力在于：拒绝切片，拒绝拼凑，它能在一个 64K 的超长上下文窗口内，一次性“吞下”整整 60 分钟的音频，并直接吐出完美的结构化结果。

不用下载任何东西，上传音频、输入歌词就能生成歌声，还能直接用内置 MIDI 编辑器调旋律（需魔法）

大家好，如果你正在寻找一款适用于会议的转录 API，可以考虑使用 Recall.ai[1]，这是一款支持 Zoom、Google Meet、Microsoft ...