语音唤醒

机器人触觉的意义

虽然视觉和语音技术已高度发展，但机器人在现实世界中的操作仍然受限，因为：视觉有局限性：仅凭视觉，机器人难以判断物体的材质、温度、表面摩擦力等信息。例如，看起来像金属的物体，可能是塑料镀层。
越来越胖的GuanRunwei·2025-03-19 20:11

人工智能的未来：从基础到前沿的探索与展望

2.人工智能的种类与发展内容概述：AI的种类可以按智能的复杂度分为三大类：弱人工智能（NarrowAI）：目前大多数应用都属于弱AI，如语音助手、自动驾驶等。它们专注于特定任务，并且无法扩展
小二爱编程··2025-03-19 17:52

【论文精读】PatchTST-基于分块及通道独立机制的Transformer模型

动机Transformer模型因其自注意力机制在处理序列数据方面的优势，在自然语言处理（NLP）、计算机视觉（CV）、语音等多个领域取得了巨大成功。这种机制使得模型
打酱油的葫芦娃·2025-03-19 17:17

HarmonyOS TEXT 语音搜索场景学习和总结

在HarmonyOS中实现语音搜索功能时，涉及到麦克风权限的申请、音频数据的采集、编码和传输等多个步骤。
·2025-03-19 16:19

HarmonyOS TEXT 语音搜索场景学习和总结

在HarmonyOS中实现语音搜索功能时，涉及到麦克风权限的申请、音频数据的采集、编码和传输等多个步骤。
·2025-03-19 16:12

深入探索 PyTorch 在语音识别中的应用

深入探索PyTorch在语音识别中的应用在本篇博客中，我将分享如何使用PyTorch进行语音识别任务，重点围绕环境配置、数据预处理、特征提取、模型设计以及模型比较展开。
Zoro｜·2025-03-19 13:19

AI人工智能深度学习算法：搭建可拓展的深度学习模型架构

深度学习、模型架构、可拓展性、神经网络、机器学习1.背景介绍深度学习作为人工智能领域最前沿的技术之一，在图像识别、自然语言处理、语音识别等领域取得了突破性的进展。
AI大模型应用之禅·2025-03-19 02:09

面试经验分享 | 某安全厂商HW面试经验

目录：所面试的公司：某安全厂商所在城市：安徽省面试职位：蓝初面试过程：面试官的问题：所面试的公司：某安全厂商所在城市：安徽省面试职位：蓝初面试过程：腾讯会议（语音）面试过程：整体流程就是自我介绍加上一些问题问题
渗透测试老鸟-九青·2025-03-18 19:21

《AI大模型趣味实战》 No3：快速搭建一个漂亮的AI家庭网站-相册/时间线/日历/多用户/个性化配色/博客/聊天室/AI管家(下)

V1.3版本对AI管家模块进行了全面升级，包括使用更快速的GLM-4-Flash模型、优化语音交互体验、改进用户界面以及增强系统稳定性。本文详细解析了这些改进的技术实现，包括语音识别与合成
带娃的IT创业者·2025-03-18 17:38

李开复：AI 2.0 时代的价值

人工智能，AI2.0，价值创造，伦理挑战，未来趋势1.背景介绍人工智能（AI）技术近年来发展迅速，从语音识别、图像识别到自然语言处理，AI已经渗透到我们生活的方方面面。
AI大模型应用之禅·2025-03-18 15:53

李开复：AI 2.0 时代的机遇

人工智能，深度学习，Transformer，大模型，通用人工智能，AI2.0，应用场景，未来趋势1.背景介绍人工智能（AI）技术近年来发展迅速，从语音识别、图像识别到自然语言处理等领域取得了突破性进展。
AGI大模型与大数据研究院·2025-03-18 15:52

STM32 MY1690语音芯片实现智能时间播报系统 | 零基础入门STM32第七十一步

师从洋桃电子，杜洋老师文章目录一、系统架构与核心组件1.1硬件拓扑图1.2核心组件说明二、语音播报原理分析2.1语音文件命名规范2.2播报指令协议三、两种播报方式对比3.1无语法播报（机械式）3.2有语法播报
触角01010001·2025-03-18 13:07

UDP数据发送与接收详解

UDP适合于对速度要求高而对可靠性要求相对较低的应用场景，比如视频流、语音通话等。在本文中，我们将详细探讨如何使用Python的socket库进行UDP数据的发送与接收，提供完整的代码示例及运行结果。
web安全工具库·2025-03-18 11:18

AI API：快速集成智能化功能的开发利器

AIAPI的核心功能主要与AI技术相关，比如自然语言处理（NLP）、计算机视觉、语音处理、机
桂花饼·2025-03-18 11:16

ubuntu20.04挂起/休眠后无法唤醒，只能强制重启

文章目录1、设备信息2、问题描述3、解决思路3.1、禁用挂起功能3.2、降低驱动版本1、设备信息OS:Ubuntu20.04.2LTSx86_64Kernel:5.8.0-63-genericShell:zsh5.8DE:GNOMECPU:Inteli5-6300HQ(4)@3.200GHzGPU:IntelHDGraphics530GPU:NVIDIAGeForceGTX960MNVIDIAVe
koigh·2025-03-18 04:11

Python 中的离线语音转文本

Python中的离线语音转文本一、说明  写作、编码、写博客、办公室工作、文档、报告都需要一个人在键盘上打字。这会导致健康问题，如腕管综合症、手和手指疼痛等。我非常了解这种痛苦。
无水先生·2025-03-18 03:09

最方便的离线python实时中文语音识别！

废话不多说，直接上代码，先安装环境需要安装的包：jsonpyaudionumpyvosk新建一个py文件写入：importjsonimportpyaudioimportnumpyasnpfromvoskimportModel,KaldiRecognizer,SetLogLeveldefSaveWave(model):#设置音频参数FORMAT=pyaudio.paInt16#音频流的格式RATE=
迟钝皮纳德·2025-03-18 03:37

基于树莓派的轻量级AI数字人开发全流程指南 ——从硬件选型到语音视觉交互实战

其核心在于整合语音识别、视觉感知、自然语言处理（NLP）和动态反馈四大关键功能。本文将以树莓派5开发板为核心，搭配AI加速硬件，结合开源框架，为大家详细阐述如何实现本地化轻量级数字人开发。
zhz5214·2025-03-18 02:56

小米音频理解技术重大突破：7B模型借助DeepSeek-R1算法引领行业新篇章

MMAU评测基准包含10000条音频样本，涵盖语音、环境声和音乐等多种类型，难度极高。即便如此，该模型的表现已超越人类专家的82.2%识别准确率，展现出卓越的音频理解能力。
耶耶Norsea·2025-03-17 22:22

从零开始学习鸿蒙系统

只能进行语音通话。就是大哥大。-2G时代：1996年到1997年出现了第二代GSM、CDMA等数字制式手机，增加了接收数据的功能。2G不仅可以通话，还可以数据收发的功能，最开始的速度只有9K/S。
Ning.L·2025-03-17 21:18

情感分析任务的概述

一、情感分析的概述1、什么是情感分析情感分析，也称为情感分类，是一种自然语言处理的任务，用于分析文本、语音或其他形式的数据中所包含的情感倾向。
阿你不是·2025-03-17 21:46

【sklearn 01】人工智能概述

深度学习目前在语音、图像等领域取得很好的效果
@金色海岸·2025-03-17 20:41

AI 大模型应用数据中心建设：高性能计算与存储架构

这些AI大模型在自然语言处理、计算机视觉、语音识别等领域展现出强大的应用潜力，但也对计算资源和数据存储提出了极高的要求。传统的计算架构难以满足AI大
AI智能涌现深度研究·2025-03-17 12:10

一个简单的语音识别实现---百度在线语音识别REST API SDK（Python）简单使用

百度在线语音识别RESTAPISDK（Python）简单使用首先申请开发者权限注册开发者信息完成注册创建新应用下载SDK并查看key在应用管理中，选择查看key，记录AppID、APIKey、SecretKey
DerrickOzil·2025-03-17 12:09

AI大模型从入门到精通，2025终极指南！好卷啊，又不能躺平，只能悄悄卷你们了！

这些模型通常具有高度的准确性和泛化能力，可以应用于各种领域，如自然语言处理、图像识别、语音识别等。为什么要学AI大模型？
大模型教程·2025-03-17 10:30

小红书开源工业级自动语音识别模型

微信公众号｜搜一搜：蚝油菜花大家好，我是蚝油菜花，今天跟大家分享一下FireRedASR这个小红书开源的工业级自动语音识别模型。
蚝油菜花·2025-03-17 07:39

语音识别后处理代码

importreimportdifflibimportosfromdatetimeimportdatetime,timedeltadefextract_snippets_no_duplicates(input_file,output_file,window=150):"""从输入文本文件中提取包含目标字符（A、B、C、D、"开始"、"结束"）前后`window`个字符范围的文本。提取时扩展到完整的
hitsz_syl·2025-03-17 07:07

一周热点：微软攻克语音输入、文本输出难题-Phi-4-multimodal

以下是对该模型的详细解释：模型概述微软Phi-4-multimodal是一个能够同时处理文本、图像和语音的多模态大型语言模型。
数据分析能量站·2025-03-16 22:57

豆包AI的详细介绍

二、主要功能及示例智能对话功能描述：豆包AI能够理解和解析自然语言，用户可以通过语音或者文字的方式输入问题，它
古龙飞扬·2025-03-16 21:50

热门AI创作助手推荐【第一期】

星游AI创作助手人工智能在现代科技中的应用非常广泛，涵盖了诸多领域，包括但不限于以下几个方面：1.语音识别和自然语言处理：人工智能技术被广泛应用于语音识别和自然语言处理领域，例如智能助手、翻译系统、语音交互系统等
量子星澜·2025-03-16 20:11

Twilio发送短信

简介Twilio为将来的商业沟通提供强大支持，并使开发人员能够将语音、VoIP和消息传送嵌入到应用程序中。
五彩的颜色·2025-03-16 18:27

Android 百度语音合成工具类封装：内存泄漏防护与简化调用

适配高版本Android系统使用ApplicationContext避免内存泄漏默认回调支持，调用更简洁线程安全与资源释放优化完整代码：BaiduTTSManager.java：importandroid.content.Context;importandroid.os.Handler;importandroid.os.Looper;importandroid.util.Log;importand
tangweiguo03051987·2025-03-16 16:44

AI笔记——语音识别

摘要：语音识别（AutomaticSpeechRecognition,ASR）是人工智能领域的一项重要技术，它将人类的语音信号转换成文字。
Yuki-^_^·2025-03-16 15:07

自动语音识别（ASR）模型全览

适用场景：早期电话语音识别（嵌入式设备）、孤立词识别（工业控制终端）
u013250861·2025-03-16 15:05

【开源所有代码-全在线智能音箱】树莓派智能音箱，自定义唤醒词，大模型LLM GPT对话

安装sounddevicepipinstallsounddevice安装portAudiosudoapt-getinstalllibportaudio2sudoapt-getinstalllibasound-devsudoapt-getinstallportaudio.devsudoapt-getinstallpython3-pyaudiopipinstallpyaudio安装wavepipins
南七小僧·2025-03-16 15:04

记一次联想ThinkBook 16P G5 IRX ，麦克风无声音问题的解决

1、微信语音麦克风无声音在电脑上微信电话，麦克风的功能没有，或者说你要录个屏给客户，发现讲不了话，也是比较的麻烦。2、联系客服建议升级声卡驱动，然后更新了以后，一个样没什么区别。
花花鱼·2025-03-16 06:59

Assembly语言的自然语言处理

从语音识别、机器翻译到情感分析等，NLP正在改变我们与信息之间的互动方式。不过，当前主流的NLP研究通常是用高级编程语言（如Python、Ja
花韵婷·2025-03-16 05:57

MCU的工作原理：嵌入式系统的控制核心

3.低功耗管理在空闲时，MCU进入低功耗模式，等待外部事件唤醒。4.结果输出通过GPIO、通信接口或模拟接口输出处理结果。MCU的架构：模块化与可扩展性MCU的架构设计注重模块化和可
绿算技术·2025-03-16 04:16

NPU的应用场景：从云端到边缘

NPU的应用场景非常广泛，主要包括以下几个方面：1.云计算与数据中心AI推理服务：在云端提供高效的AI推理服务，例如图像识别、语音识别。
绿算技术·2025-03-16 02:29

NPU的工作原理：神经网络计算的流水线

2.数据输入·输入数据（如图像、语音）通过接口传输到NPU。3.计算执行·NPU根据模型结构，依次执行卷积、池化、全连接等计算任务。·矩阵乘法单元和卷积加速器并行工作，高效完成计算。
绿算技术·2025-03-16 02:28

谷歌Gemini 3大模型发布，AI领域再掀波澜！

从智能语音助手到图像识别技术，从自动驾驶汽车到医疗诊断辅助系统，AI正以前所未有的速度改变着我们的生活和工作方式。在这
广拓科技·2025-03-15 19:14

小狐狸AI数字人源码独立SAAS部署全开源+搭建环境教程

声音核心功能亮点：1:1真人级克隆技术声音克隆：上传3分钟音频，AI深度学习声纹特征，复刻语气、情感、方言形象克隆：通过照片/视频建模，生成动态3D数字人，表情自然，动作流畅智能口型同步引擎AI算法精准匹配唇形与语音
kaui52066·2025-03-15 18:34

Linux驱动开发IO操作之阻塞与非阻塞

当应用程序通过read读取或write写入设备文件的某些数据时，就会调用驱动程序的read或者write函数，此时可能会遇到没有数据可读或者写满的情况，这时如果驱动程序会进入睡眠，当有数据可读或者可写的时候唤醒再返回
暗夜之眼007·2025-03-15 13:54

uniapp vue3项目用原生h5 audioContext实现语音文件倍速播放，可适应h5和安卓app

前言uniapp项目要做类似微信的聊天语音播放功能，可以切换语音，可以点击切换播放/停止播放状态，还可以倍速播放。
努力做大神·2025-03-15 10:33

吴恩达机器学习笔记复盘（二）监督学习和无监督学习

语音识别，输入音频剪辑，输出文本记录。机器翻译，输入一种语言文本，输出其他语言的相应翻译。在线广告，输入广告和用户信息，预测用户是否点击广告，为公司带来大量
wgc2k·2025-03-15 09:21

cv君独家视角 | AI内幕系列七：EfficientViT模型：基于多尺度线性注意力模块，实现高效的高分辨率密集预测

通过一系列精心策划的文章，我们将带您深入了解AI的各个领域，从计算机视觉到文本语音等多模态领域，从基础理论到前沿技术，从行业应用到未来趋势。
cv君·2025-03-15 09:19

µC/OS-II ticks计数器介绍

1.2任务调度：在每个时钟节拍中断中，µC/OS-II会检查是否有任务需要唤醒（例如延时结束或超时），并触发任务调度。1.3统计信息：ticks计数器可以用于统计系统的运行时间、任务执行时间等。
小灰灰07·2025-03-15 05:11

Python中用SpeechRecognition库和 vosk模型来识别语音

Python中的SpeechRecognition库是一个比较好用的语音识别模块，提供了将语音识别成文字的方法，支持中文识别。
老菜鸟YDZ·2025-03-15 04:01

pjsip dtmf发送和接收（pjsua）

交互式语音应答（IVR）系统DTMF广泛用于IVR系统，用户
小gpt&·2025-03-15 00:00

云原生周刊：基于 KubeSphere LuBan 架构打造DeepSeek 插件

开源项目推荐KubeAIKubeAI是一个K8s上的AI推理操作器，旨在简化在生产环境中部署和管理大型语言模型（LLM）、向量嵌入和语音处理等机器学习模型。
·2025-03-14 22:37
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他