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...

在一些需要高质量文本转语音（TTS）的场景中（比如：有声书配音、播客等）。之前介绍的EdgeTTS方案可能效果没有那么好。此时就比较推荐使用 MiniMax、C...

在需要文本转语音（TTS）的应用场景中（如语音助手、语音通知、内容播报等），Java生态缺少类似Python生态的Edge TTS 客户端库。不过没关系，现在可...

所有写入操作走幂等与限流策略（用 Redis lock / token），关键操作（发帖、支付）做事务与重试。

【引】在自己的职业生涯里， 有一段时间从事CPO的工作，于是才有了更多的关于AI产品经理的对话。尽管那是一段不成功的经验，但仍然有所收获。对于产品设计而言，知道...

例如：酒店接待机器人需高颜值与语音交互，选OLED单屏+语音跟踪；仓库巡检机器人需强抗振与低成本，选工业级LCD+电容触控。

本文全面解析语聊APP开发架构设计方案，涵盖RTC语音通话、IM消息系统、礼物互动、后台管理与高并发部署思路，适用于语聊平台与社交系统开发参考。

多模态智能体正成为AI发展的核心方向，其通过融合文本、图像、语音等多元信息，实现近似人类的感知与决策能力。本文深入剖析多模态智能体的关键技术，并结合腾讯云智能体...