登录社区云，与社区用户共同成长
邀请您加入社区
在广东、香港及粤港澳大湾区的企业会议中，粤语与普通话混合使用是一种常见情况。一场项目协调会，可能有人全程使用粤语，有人使用普通话，还有人讨论技术问题时突然切换成英语。对于人工会议记录人员来说，这通常不是什么大问题。但如果希望通过AI自动完成语音转写、发言人区分和会议纪要生成，事情就会复杂得多。例如，会议中出现这样一段粤语发言：“呢个方案我哋暂时唔确认，等测试嗰边出咗报告先，再决定几时上线。如果系统
本文深入探讨了如何利用大语言模型（LLM）提升自动语音识别（ASR）准确率的5种前沿融合策略，包括浅层重打分、端到端微调、LoRA适配、语音离散化和流式处理。通过实战案例和技术解析，展示了LLM在语音识别中的显著效果，如在CallHome数据集上WER降低13%，为开发者提供了从技术选型到落地实践的完整指南。
自动回复文字只是入门。真实客服场景里，客户要的是报价单 PDF、产品图册、活动链接——发不出来，机器人就只是个复读机。这篇把图片、文件、链接三类消息的发送方式和坑讲清楚，接口参数我逐个对照 Eyun 的个人微信 API 文档确认过，代码是示例，用前按文档校验。
一款基于Rokid眼镜的“拍照识花”智能体，实现“抬眼看一眼，即刻知其名”。用户唤醒后单击拍照，系统自动识别植物并语音播报中文名、拉丁名、科属等关键特征，结果即时存入历史。全程无需联网、无账号、无复杂操作，仅依赖本地模型与前端逻辑，强调“所见即所问”的自然交互体验，精准回应用户对身边植物的即时好奇心。
媒体消息的要点可以压缩成一句：按类型选上传接口、按类型填凭证字段、超过 8MB 换异步大文件链路。这篇的接口细节以Eyun 开发文档的 CDN 文件模块为准，动代码前先把上传接口页的请求示例跑一遍，比看十篇教程都管用。
一个纯HTML文件实现的语音问答助手，基于Web Speech API实现中文语音转写，结合AudioContext实时绘制波形，通过fetch调用大模型API（如DeepSeek）实现流式回答。支持本地配置持久化、手动输入兜底，无需打包与服务器，双击即可在浏览器运行，完整集成语音识别、波形可视化与大模型交互。
大模型能够生成结构清晰的会议纪要，但生成流畅不代表内容一定准确。例如，一场会议中先讨论周三交付，随后因为测试问题决定推迟到周五。如果AI只提取前半段信息，就可能将原始建议写成最终决议。会议决议提取：能否区分建议、争议与最终结论。行动项提取：能否完整找出需要执行的任务。事实一致性：是否出现会议原文中没有提及的决定、日期或人员。对于重要会议，支持保留原始转写稿、时间戳和音频内容的工具，更方便用户对关键
这是 JL-17T 最核心的卖点，也是工程价值最大的一块。传统做法里，「语音口令 → 动作」的映射要写固件代码：解析识别结果、查指令表、调用外设驱动。JL-17T 把这层映射搬到智能公元平台上，以配置的方式定义——比如把「打开取暖」关联到某个输出脚位的电平动作，整个过程不写代码。这带来两个直接变化：其一，指令调整不需要固件工程师参与，产品或测试人员就能改口令、换映射，验证轮次通常可以明显减少；其二
本文深度解析呼叫中心在信创环境下的全栈适配。针对鲲鹏（ARM）与龙芯（LoongArch）的指令集差异，剖析了媒体层的NEON/SIMD优化实践；并结合麒麟OS的内核调优与国密算法集成，探讨了容器化SBC在信创K8s集群中基于StatefulSet与SR-IOV的高性能、高可用部署架构。
HTTP标准接口（提交转写/上传/查进度/取全文/全库搜索/导出笔记，异步任务+回调）、OpenAI语音接口兼容（Whisper生态改地址即用）、MCP协议（8个工具，覆盖转写/纪要/知识库/热词/任务/模板）。：本机回环监听（网络层到不了）、仅认本机（跨域非本机一律挡）、Token鉴权+重置二次确认、永不提供删除数据接口、只开放能力不开放权限。：录音/文稿/纪要三链自动关联，正文级全文搜索（含纪
蓝牙连接智能眼镜，实时语音转写、多语言翻译，AI 助手随时应答，字幕直投眼镜，会议、出行、外语沟通更自在。
本文构建智能语音机器人选型的技术评估框架，涵盖ASR真实场景准确率、首字与端到端延迟、多轮对话上下文管理三大维度，给出可量化的指标标准与POC测试清单，帮助技术团队用真实业务数据替代厂商演示，做出理性选型决策。
实测下来，**随身鹿**（开启金融领域设置）与**速记通Pro 5.0**处于第一梯队，能够准确识别绝大多数专业词汇；比如把“久期”转成“旧期”，把“计提商誉”写成“集体商誉”，或者遇到“LPR加点”“EBITDA”时出现大片断句错乱。** A2：普通大模型是按照大众日常对话概率来匹配同音字的，“集体”的通用概率远高于“计提”。只有在转写前明确选择“金融”领域，算法才会将该领域的专业词库权重提升。
基于sherpa-onnx的C++语音交互静态库，封装ASR、KWS、VAD、TTS四大功能，提供统一唤醒→识别→合成流程。采用纯C++17、PIMPL模式与sigslot信号槽，支持跨平台（Windows/Linux），实现多线程音频处理与事件循环。支持流式/非流式ASR、关键词唤醒与人声检测，可选三种TTS模型（Matcha/Kokoro/ZipVoice），并支持零样本语音克隆。通过配置文件
OpenBayes发布4个公共数据集与3个开源教程：涵盖AI算力（AIComputeSupply）、金属有机框架（MOFPropertyDiversity）及膝关节MRI预处理数据（Knee-Raptor-Corpus系列），支持科研与医疗影像研究；配套推出星系列大模型Xing4.0-29B-A4B、细粒度视觉语言模型VLX-Seek及开源实时语音合成模型BreezeTTS2，均支持在线运行，助力
本毕设设计一套离线语音控制智能家居系统，基于ESP32与SU-03T离线语音模块，实现“喊一句开灯/关风扇”等本地语音指令识别，通过串口驱动多路继电器控制电器，结合温湿度、光照传感器实现自动联动（如天暗自动开灯、高温自动开风扇），全程无需联网，响应快、稳定性高。系统采用模块化代码架构，功能完整、交互自然，突出“本地智能+无网可用”的差异化优势，适合有基础的学生完成中等难度创新项目。
本文设计了一款基于STM32F103C8T6的智能台灯，集成LU-ASR01离线语音识别、TCRT5000人体感应、GL5528光敏电阻、OLED显示与ESP8266无线通信，实现语音控制、自动感光、人体感应、手动开关及远程APP监控五维联动。系统支持“开灯/关灯/调亮/调暗”等语音指令，具备有人且光线昏暗时自动开启、离开或光线充足时自动关闭的智能逻辑，并通过PWM无级调光与MQTT协议实现平滑亮
本文设计基于STM32F103C8T6的硫化氢在线检测系统，融合MQ-136（0-100ppm）与SC4-H2S（0-10ppm）双传感器，实现全量程精准监测。结合DHT11温湿度补偿，通过OLED显示、JR6001语音报警、继电器联动排风扇，并利用ESP8266+MQTT将数据上传云端，具备“测得准、报得响、排得快、传得远”特性。系统经标气测试、温湿度补偿、联动响应及72小时稳定性验证，误差≤2
语音识别
——语音识别
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
北京朝阳AI社区
DAMO开发者矩阵
乐奇 Rokid 开放社区
鲲鹏昇腾开发者社区
AI硬件创业社区
