语音搜索功能

Transformer模型详解

导读Transformer在许多的人工智能领域，如自然语言处理(NaturalLanguageProcessing,NLP)、计算机视觉(ComputerVision,CV)和语音处理(SpeechProcessing
Yuki-^_^·2025-03-02 21:46

13个优秀的AI人工智能工具软件导航网站推荐

AI工具可以帮助我们完成各种任务，如绘画、编程、视频制作、语音合成等，让我们的工作和娱乐更加高效和有趣。但是，面对琳琅满目的AI工具，你是否感到困惑和无从下手？
m0_68282957·2025-03-02 15:51

自然语言处理之语法解析：BERT：自然语言处理基础理论

NLP建立于20世纪50年代，随着计算机技术的飞速发展，NLP技术在信息检索、文本挖掘、语音识别、机器翻译、情
zhubeibei168·2025-03-02 14:15

API开发：Flask VS FastAPI

文章目录一、简介二、性能表现三、开发效率（中文语音识别为例）四、代码可读性和维护性五、生态系统和社区支持六、总结一、简介Flask：Flask是一个轻量级的PythonWeb框架，它基于Werkze
Sherry Wangs·2025-03-02 13:07

DeepSeek应用场景及其解决的问题

DeepSeek是一种基于深度学习的智能技术，能够处理复杂的非结构化数据（如文本、图像、语音等），并在企业级应用开发中发挥重要作用。
杏花春雨江南·2025-03-02 11:18

MB-iSTFT-VITS：多语言语音合成的新标杆

MB-iSTFT-VITS：多语言语音合成的新标杆MB-iSTFT-VITS-multilingual项目地址:https://gitcode.com/gh_mirrors/mb/MB-iSTFT-VITS-multilingual
秦贝仁Lincoln·2025-03-02 04:20

麒麟系统中删除权限不够的文件方法

在麒麟系统中删除权限不够的文件，可以尝试以下几种方法：通过修改文件权限删除打开终端：点击左下角的“终端”图标，或者通过搜索功能找到并打开终端。定位文件：使用cd命令切换到文件所在的目录。
乙龙·2025-03-02 01:33

特征提取：如何从不同模态中获取有效信息？

它是将原始数据（如文本、图像、视频和语音等）转化为机器能够理解和处理的特征的核心步骤。
Ash Butterfield·2025-03-01 23:17

操作es聚合操作并显示其他字段_Elasticsearch 之聚合分析入门

首先举一个生活中的例子，这个是京东的搜索界面，在搜索框中输入“华为”进行搜索，就会得到如上界面，搜索框就是我们常用的搜索功能，而下面这些，比如分类、热点、操作系统、CPU类型等是根据ES的聚合分析获得的相关结果
weixin_39944595·2025-03-01 20:59

深度学习开源数据集大全：从入门到前沿

本文整理了当前最常用且高质量的开源数据集，涵盖图像、视频、自然语言处理（NLP）、语音与音频等方向，帮助研究者和开发者快速定位所需资源。
念九_ysl·2025-03-01 19:48

自然语言处理NLP入门 -- 第一节基础概念

NLP结合了计算机科学、语言学和机器学习，以便计算机能自动处理文本和语音数据。简
山海青风·2025-03-01 16:33

使用 Vosk 实现语音识别

在近两年里，如果说想要在本地部署离线语音识别模型，那么Whisper和FunASR肯定是首选项。所以为什么要使用Vosk呢？
分发吧·2025-03-01 15:26

python编译安装vosk语音识别包

不知道为什么，谁把vosk从pip源上删了。没办法只能自己编译安装了。下载源代码gitclonehttps://github.com/alphacep/vosk-api.git进入python文件夹cdvosk-api/python编译安装python3setup.pyinstall
hzjxinyue·2025-03-01 15:51

VOSK语音识别工具包使用教程

VOSK语音识别工具包使用教程voskVOSKSpeechRecognitionToolkit项目地址:https://gitcode.com/gh_mirrors/vo/vosk1.项目介绍VOSK是一个开源的语音识别工具包
邴联微·2025-03-01 15:50

Open WebUI：开源AI交互平台的全面解析

进阶特性管理与安全生态系统集成持续更新核心功能️交互体验类ChatGPT界面:提供直观的聊天界面设计跨平台响应式设计:完美适配桌面/移动端即时响应:毫秒级响应速度富文本支持:代码语法高亮完整Markdown/LaTeX渲染语音输入支持
·2025-03-01 06:17

Open WebUI：开源AI交互平台的全面解析

进阶特性管理与安全生态系统集成持续更新核心功能️交互体验类ChatGPT界面:提供直观的聊天界面设计跨平台响应式设计:完美适配桌面/移动端即时响应:毫秒级响应速度富文本支持:代码语法高亮完整Markdown/LaTeX渲染语音输入支持
·2025-03-01 01:42

人工智能丨ChatGPT 免费开放网络搜索，能否挑战 Google 的搜索霸主地位？

随着OpenAI推出的ChatGPT系统，它的功能不断增强，而一个重要的新变化是——ChatGPT的网络搜索功能现在对所有用户免费开放。这一变革有可能颠覆Google多年来在搜索引擎领域的统治地位。
霍格沃兹测试开发学社测试人社区·2025-02-28 23:26

隐匿于幕后的“守护者”：鉴黄师

互联网公司的鉴黄师则需查找审核发布在自家平台上的色情诈骗网站，对用户上传的图片、视频、语音和文字等信息进行审查，判断是否存在色情内容，根据不同等级采取相应措施，如封号、禁言或删除内容等。
安琪CiCi·2025-02-28 18:49

饿了么算法工程师-AIGC岗内推

3、探索多模态数据的结合，包括图像、文本、语音等，以丰富智能系统的理解和交互能力。4、将自然语言处理技术与具体业务场景相结合，考虑业务的特殊性并适配业务需求。参与到具体的NLP相
飞300·2025-02-28 15:26

社区拼团系统功能开发及架构全析

用户端功能商品展示与搜索功能分类浏览：社区拼团系统对商品进行详细分类，如生鲜、食品、日用品、
wv15889726201·2025-02-28 12:04

Pytorch使用手册—使用TACOTRON2进行文本到语音转换（专题二十四）

一、概述本教程展示了如何使用torchaudio中的预训练Tacotron2构建文本到语音的管道。文本到语音的管道流程如下：文本预处理首先，输入的文本被编码为一系列符号。
AI专题精讲·2025-02-28 09:43

游戏语音趋势解析，社交互动有助于营造沉浸式体验

语音交互的新架构出现2024年标志着对话语音AI取得了突破，出现了结合STT→LLM→TTS模型来聆听、推理和回应对话的协同语音系统。
网易数智·2025-02-28 03:22

Python爬虫获取item_search_img-按图搜索淘宝商品（拍立淘）接口

二、注册账号与获取API密钥注册淘宝开放平台账号要使用淘宝的按图搜索功能，首先需要在淘宝开放平台
Jelena15779585792·2025-02-28 00:56

DeepSeek全栈接入指南：从零到生产环境的深度实践

其核心能力体现在：1.1.1多模态智能引擎自然语言处理：支持文本生成（NLG）、语义理解（NLU）、情感分析等计算机视觉：提供图像分类、目标检测、OCR识别等CV能力语音交互：包含语音识别（ASR）、语音合成
量子纠缠BUG·2025-02-27 21:30

uniapp开发微信小程序时实现文字转语音播报 播报时一个字展示一个字 并有暂停语音的功能

{{isPlaying?'暂停':'播放'}}{{displayedText}}varplugin=requirePlugin("WechatSI")exportdefault{data(){return{text:'需要展示的文字',displayedText:'',isPlaying:false,index:0,intervalId:null,audioContext:null，plugin：
朱留坤·2025-02-27 19:13

GitHub开源数字人项目汇总（2025版）

大家好，今日分享以下是的"GitHub开源数字人项目"，涵盖图像生成、语音驱动、直播带货及实时对话等核心功能，按技术方向分类整理的关键信息：一、图像与动态生成类OneShotOneTalk功能：单张图像生成全身动态数字人
xinxiyinhe·2025-02-27 18:30

说话人识别系统原理

简单来说，说话人识别系统就像是一位“语音侦探”，能够通过分析语音中的独特特征，精准地判断出说话者的身份。
醉心编码·2025-02-27 16:14

长文本切割实现流式调用文本合成语音

长文本切割实现流式调用文本合成语音下面是一个文本合成音频的接口文档快速TTS音频构造接口文档请求地址：http://52.83.113.111:13679/Say/api/ra请求方式：postxmlraw
岁月的眸·2025-02-27 07:07

深度学习的前沿与挑战：从基础到最新进展

.卷积神经网络（CNN）2.循环神经网络（RNN）3.生成对抗网络（GAN）4.变分自编码器（VAE）5.自注意力机制与Transformer深度学习的应用1.计算机视觉2.自然语言处理（NLP）3.语音识别与合成
Jason_Orton·2025-02-27 03:09

python系列&deep_study系列：使用python操作麦克风录制讲话，实时语音识别转换为文字

使用python操作麦克风录制讲话，实时语音识别转换为文字使用python操作麦克风录制讲话，实时语音识别转换为文字项目步骤VoskPyaudio完整代码使用python操作麦克风录制讲话，实时语音识别转换为文字在这个项目中
坦笑&&life·2025-02-27 02:57

大模型之二十七-语音识别Whisper实例浅析

Whisper简介Whisper是OpenAI于2022年9月开源的一个多语种识别模型，目前支持99种语言，是目前性能最好的开源多语种识别ASR大模型，第一版版使用了68万小时标注好的语料预训练模型，而large-v3的标注数据超过了500万小时，其paper中并没透露使用语料的详细来源，估计是爬了一些版权数据，在Huggingface上提到模型有很强的泛化能力，能够在未经特定训练的情况下处理新的
shichaog·2025-02-27 01:55

使用Python和Vosk库实现语音识别

使用Python和Vosk库实现语音识别在人工智能和机器学习领域，语音识别技术正变得越来越重要。Python作为一种强大的编程语言，拥有丰富的库和框架，可以方便地实现语音识别功能。
车载testing·2025-02-27 01:22

元搜索 searxng 项目介绍

它继承了SearX的核心理念，即通过聚合多个搜索服务和数据库的结果来提供全面的搜索功能，同时严格保护用户隐私。SearXNG的主要目标是为用户提供一个不被追踪、不被分析的搜索环境，
魔王阿卡纳兹·2025-02-27 01:21

Python+whisper/vosk实现语音识别

Whisper-large-v3-turbo模型二、vosk1、Vosk介绍2、vosk安装3、使用vosk三、总结一、Whisper1、Whisper介绍Whisper是一个由OpenAI开发的人工智能语音识别模型
唯余木叶下弦声·2025-02-27 01:50

RK3568笔记七十八：PCM转WAV

一、简介最近看到Deepseek大模型，网上也有很多使用ESP32的小智智能语音功能，所以想在RK3568上实现类型的功能。
殷忆枫·2025-02-27 00:48

深度学习：从神经网络到智能应用

无论是语音识别、图像识别，还是自动驾驶、自然语言处理，深度学习都在推动着技术的发展和行业的变革。那
Jason_Orton·2025-02-27 00:43

ChatGPT免费背后的技术暗战 国产数字孪生如何打造“虚实共生”新生态？

当ChatGPT搜索功能向全球免费开放，AI技术的平民化时代正式来临。在这场看似“让利”的商业策略背后，实则是全球科技话语权的重新洗牌。国产厂商如何在这场博弈中占据主动？
wlsjdszls·2025-02-26 15:08

全市场大模型分类及对比分析报告

大模型凭借其强大的计算能力和海量数据处理能力，在自然语言处理（NLP）、计算机视觉（CV）、语音识别等领域取得了显著成果。
早退的程序员·2025-02-26 13:53

【物联网项目】基于ESP8266设计的家庭灯光与火情智能监测系统（完整工程资料源码等）

主要模块如HC-SR501人体红外传感器模块、光敏电阻传感器模块、火焰传感器模块、LD3320语音识别模块、DHT11温湿度传感器模块等。使用Arduino开发软件进行烧录程序
阿齐Archie·2025-02-26 13:20

脑洞打开话题：deepseek这么火，什么时候能完全代替人类？

以下是关于AI何时可能完全代替人类的一些分析和思考：1.技术层面的限制尽管AI在某些特定任务上已经超越了人类（如图像识别、语音识别、围棋等），但要完全代替人类，AI需要在以下几个方面取得突破：通用人工智能
噔噔噔噔@·2025-02-26 10:29

python 语音转文本中文——DeepSpeech

DeepSpeech简介与音频转文本实践DeepSpeech是由Mozilla开发的一种开源语音识别引擎，基于深度学习技术，采用端到端架构，可以高效地将语音转换为文本。
drebander·2025-02-26 00:51

探索Google Serper API：实现高效的网络搜索

GoogleSerperAPI提供了一种便捷的方式，可以在项目中集成强大的网络搜索功能。
dfitghjk·2025-02-25 17:06

【2025最新】ChatGPT国内直连中文版镜像网站

两者对比项目官网镜像支付手段国际支付国内支付封禁策略网站检测，可能随时封禁采用更灵活的绕过策略，不易封禁价格每月140元订阅费用+每年70元虚拟卡一个月低至19.99元随用性需要固定订阅灵活选择，满足多种需求语音功能必须下载
J19109690198·2025-02-25 16:29

实战分享：如何基于源码开发一款优质的陪玩系统H5小程序APP公众号

功能需求：根据目标用户群体的需求，确定陪玩系统的核心功能，如实时语音互动、直播间与聊天室、
·2025-02-25 11:00

AI生成内容带来的核心挑战引发人机共治的必要提前

一、AI生成内容带来的核心挑战信息真实性危机斯坦福研究显示，AI生成虚假信息的速度是人类创作的6倍，如近期AI伪造的"拜登紧急状态"语音导致金融市场波动医疗领域已出现AI生成的伪科学内容，某健康论坛中23%
临水逸·2025-02-25 05:08

Deepseek 在电饭煲上应用会带来哪些影响？

例如，用户可以通过语音或触控界面直接与电饭煲交互，输入烹饪需求，电饭煲通过联网搜索或内置算法快速生成最佳烹饪方案并执行。这种智能化的控制方式能够提升用户体验，使烹饪过程更加便捷和高效。个性化推荐与优
百态老人·2025-02-25 05:03

android开发适配深色模式,手机不支持深色模式，如何用软件解决深色模式的问题？（附有系统全局深色模式实现方法...

本帖最后由巷子口的你于2020-8-807:57编辑1.92允许通过设置为助手应用来饮捷切频深色模式(设置入口一般为系统默认应用-助手和语音输人,MIU需要设置为语音助手)提醒:稳定模式一股不用开启,OPPO
weixin_39755853·2025-02-25 03:19

神经网络与深度学习入门：理解ANN、CNN和RNN

无论是智能手机的语音助手，还是推荐系统，背后都有一项核心技术在支撑，那就是神经网络与深度学习。今天，我们就来聊一聊这个听起来高大上的话题，其实它也没那么难懂！什么是神经网络？
shandianfk_com·2025-02-25 03:49

python 实现信号高通、低通、带通滤波处理代码，并画出滤波后的时域频域图

FIR滤波器常用于语音信号的低通、带通和高通滤波，特别是在需要无失真、稳定的频率响应和易于设计的情况下。FIR高通、低通、带通滤波：高通滤波：保留高频信号，衰减低频信号。低通滤波：保留低频
luthane·2025-02-25 00:03

HarmonyOS Next智能相册应用中的AI识图与语音识别实战

本文旨在深入探讨基于华为鸿蒙HarmonyOSNext系统（截止目前API12）构建智能相册应用中AI识图与语音识别技术的实战应用，基于实际开发经验进行总结。
·2025-02-24 23:19
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他