语音编码器综述第8页

人工智能基础：从零开始讲解AI的基本概念、发展历程及其核心技术

一碗黄焖鸡三碗米饭·2025-02-22 16:42

数字人源码源头搭建技术全攻略，支持OEM

搭建数字人源码系统是一项综合性的技术工程，融合了计算机图形学、人工智能、语音处理等多学科前沿技术。本文将深入剖析数字人源码搭建的技术细节，为开发者提供详尽的技术开发指南。

余18538162800）·2025-02-22 16:39

十月学习笔记

transformer的架构：基于encoder-only或decoder-only架构Transformer模型由编码器（enco

木子不多余·2025-02-22 15:28

如何避免论文查重中的误判

整合文献综述

kexiaoya2013·2025-02-22 12:40

【AI大模型应用开发】【RAG评估】1. 通俗易懂：深度理解RAGAS评估方法的原理与应用

微信公众号也可搜【同学小张】本站文章一览：上篇文章【AI大模型应用开发】【RAG评估】0.综述：一文了解RAG评估方法、工具与指标，我们盘点了当前RAG系统评估的一些主流方法、工具和评估指标。

同学小张·2025-02-22 06:21

深度学习-123-综述之AI人工智能与DL深度学习简史1956到2024

文章目录1AI与深度学习的简史1.1人工智能的诞生(1956)1.2早期人工神经网络(1940-1960年代)1.3多层感知器MLP(1960年代)1.4反向传播(1970-1980年代)1.5第二次黑暗时代(1990-2000年代)1.6深度学习的复兴(21世纪末至今)1.6.1CNN卷积神经网络(1980-2010)1.6.2RNN递归神经网络(1986-2017)1.6.3Transform

皮皮冰燃·2025-02-22 04:07

领航-跟随型编队（六）避障问题综述

领航-跟随型编队避障问题指编队在运动过程中，领航机器人根据某种方式获取与识别前方障碍物，同时编队整体采取一定方法及时规避障碍物与防止内部碰撞，涉及到障碍物检测、编队避障规划、编队避碰协调，运动控制等问题。本文在总结现有文献的基础上，将编队避障问题主要分解为在以下几个方面[7-10]：（1）避障规划与避碰协调问题。即在实现单个移动机器人路径规划问题的基础上，如何建立一个控制模型并以某种运动规则实现个

丑萌硬件媛·2025-02-22 03:47

计算机学报论文字数要求,常见EI学报综述类文章分析

想写篇综述文章，所以对一些学报进行了简单分析，呵呵自己对期刊没有一视同仁，所以分析得有祥有略。

文艺范理工生·2025-02-22 00:53

超越实验室：打造真正在现实世界中奏效的 AI (泛化性与鲁棒性)

海棠AI实验室·2025-02-22 00:20

深度学习模型：原理、架构与应用

深度学习（DeepLearning）是机器学习中的一个分支，基于人工神经网络的发展，尤其是多层神经网络的研究，使其在语音识别、图像处理、自然语言处理等领域取得了显著进展。

一ge科研小菜菜·2025-02-21 22:00

鸿蒙-状态管理V2

目录前言综述@ComponentV2@ObservedV2和@Trace@Local@Param@Once@Event@Monitor@Computed前言前面我们讲了状态管理V1相关装饰器和注意事项，

Huang兄·2025-02-21 20:20

UNet：UNet的损失函数与优化器_2024-07-24_07-32-39.Tex

其设计灵感来源于编码器-解码器结构，特别之处在于它在解码器部分引入了跳跃连接（skipconnections），这使得网络能够融合低层的特征细节和高层的语义信息，从而在图像分割任务

chenjj4003·2025-02-21 16:46

【深度学习】Unet的基础介绍

它的结构由两个主要部分组成：下采样（编码器）：图像逐渐被缩小并且提取特征。上采样（解码器）：逐渐恢复图像的尺寸，并通过“跳跃连接”将高分辨率的特征与低分辨率的特征结合，以保持细节。

牧歌悠悠·2025-02-21 11:34

edge-tts微软文本转语音库

Edge-TTS是一个Python库,比较好用，直接pip安装。pipinstalledge-tts输入edge-tts，输出提示信息，安装完成。usage:edge-tts[-h][-tTEXT][-fFILE][-vVOICE][-l][--rateRATE][--volumeVOLUME][-OOVERLAPPING][--write-mediaWRITE_MEDIA][--write-su

caridle·2025-02-21 10:47

AI 声音：数字音频、语音识别、TTS 简介与使用示例

从语音识别（ASR）到文本转语音（TTS），再到个性化声音克隆，这些技术已经深入到我们的日常生活中：语音助手、自动字幕生成、语音导航等应用无处不在。数字音频音频是声音的“数字化”。

凌虚NPG·2025-02-21 07:57

【音视频】如何对wav音频文件进行opus编解码？

它旨在提供高质量的语音和音乐传输服务，特别是在网络带宽受限的情

川弥·2025-02-21 03:09

HarmonyOS Next智能语音助手的语音合成与模型优化实战

本文旨在深入探讨基于华为鸿蒙HarmonyOSNext系统（截止目前API12）构建智能语音助手过程中语音合成与模型优化技术的实战应用，基于实际开发经验进行总结。

·2025-02-20 21:01

微信扫二维码挪车小程序开发制作功能

扫一下挪车，二维码代替了电话号码，只需要用手机扫描二维码，即可直接联系到车主挪车，在整个过程中，不需要知道车主联系电话或其他任何联系方式，平台会以微信、短信、语音通话等方式通知车主

dh13122250525·2025-02-20 19:32

《揭秘AI语音助手：从“听”到“说”的智能之旅》

在当今数字化时代，AI语音助手已成为我们生活和工作中的得力伙伴。无论是苹果的Siri、亚马逊的Alexa，还是国内的小爱同学、小度等，它们能轻松执行指令，如查询天气、播放音乐，甚至陪我们聊天解闷。

·2025-02-20 17:17

嵌入式音视频开发（二）ffmpeg音视频同步

系列文章目录嵌入式音视频开发（零）移植ffmpeg及推流测试嵌入式音视频开发（一）ffmpeg框架及内核解析嵌入式音视频开发（二）ffmpeg音视频同步嵌入式音视频开发（三）直播协议及编码器文章目录系列文章目录前言一

云雨歇·2025-02-20 16:05

transformer模型构建

2.6模型构建学习目标掌握编码器-解码器结构的实现过程.掌握Transformer模型的构建过程.通过上面的小节,我们已经完成了所有组成部分的实现,接下来就来实现完整的编码器-解码器结构.Transformer

AI耽误的大厨·2025-02-20 16:03

RealtimeSTT：实时语音转文本的开源神器，轻松实现高效语音处理

在语音技术飞速发展的时代，实时语音转文本（Speech-to-Text，简称STT）技术已逐渐成为语音助手、在线会议记录、字幕生成等应用的核心功能。

AI云极·2025-02-20 15:29

语聊房软件开发流程与基础功能

以下是关键流程、基础功能及示例代码：---一、开发流程1.需求分析-明确目标用户（社交/游戏/教育）-竞品分析（Clubhouse/Discord/狼人杀）-核心功能优先级排序2.技术选型-实时语音：声网

ALLSectorSorft·2025-02-20 15:54

鸢尾花分类项目 GUI

常见的应用包括图像识别、语音识别、推荐系统等。

编织幻境的妖·2025-02-20 14:49

《神经网络与深度学习》(邱锡鹏) 内容概要【不含数学推导】

还阐述了深度学习在人工智能领域的重要地位和发展现状，以及其在图像、语音、自然语言处理等多个领域的成功应用。术语解释人工智能：旨在让机器模拟人类智能的技术和科学。

code_stream·2025-02-20 13:12

Coze扣子专业版计费规则调整一览

专业版用户每日赠送500资源点（仅限当日有效），可抵扣智能体调用费用和模型调用费用语音识别API、语音合成API、实时音视频SDK全面开放，无需申请即可使用更新详解：智能体资源包、大模型资源包下架处理，

落笔画忧愁e·2025-02-20 09:33

Fastgpt接入Whisper本地模型实现语音识别输入

前言FastGPT默认使用了OpenAI的LLM模型和语音识别模型，如果想要私有化部署的话，可以使用openai开源模型Whisper。

泰山AI·2025-02-20 09:31

DeepSeek掀起推理服务器新风暴，AI应用迎来变革转折点？

AI浪潮下，推理服务器崭露头角在科技飞速发展的当下，AI是耀眼明星，席卷各行业，深刻改变生活与工作模式，从语音助手到医疗诊断、金融风险预测，AI无处不在。

小深ai硬件分享·2025-02-20 08:20

【拥抱AI】如何实现AI外呼通话，并与客户达成确认

1.技术选型与准备主要技术组件语音识别（ASR）：将客户的语音转换为文本。自然语言处理（NLP）：理解和生成自然语言对话。语音合成（TTS）：将文本转换为客户可以听到的语音。

奔跑草-·2025-02-20 06:08

华为的云端训练算力与迭代效率

华为云、云端训练、算力、迭代效率、人工智能、深度学习、模型训练、分布式训练、优化算法1.背景介绍人工智能（AI）技术近年来发展迅速，深度学习作为其核心驱动力，在图像识别、自然语言处理、语音识别等领域取得了突破性进展

AI大模型应用之禅·2025-02-20 05:34

AI外呼机器人：营销新利器还是骚扰电话的升级版？

AI外呼系统的核心技术是语音识别和自然语言处理。通过深度学习海量

yoloGina·2025-02-20 04:28

Java Pjsip (Pjsua2 api ) 2.10 windows sip语音呼叫教程

1.安装swigwin-4.0.1下载地址http://www.swig.org/download.html注意是swigwinWindowsusersshoulddownloadswigwin-4.0.1whichincludesaprebuiltexecutable.配置目录到winpath2.下载pjproject-2.10.zip(如果有python错误请安装py2.7及环境path配置)

java_lilin·2025-02-20 04:47

芯麦GC1808立体声ADC芯片解析：高性价比与全集成音频采集方案

引言在直播设备、智能语音终端等新兴应用的推动下，高性能音频采集系统的需求持续增长。

青牛科技-Allen·2025-02-20 03:16

怎样让小爱音响免费畅听？本地音乐库与自动搜歌播放全搞定！（如何让小爱音响播放本地音乐库？如何让小爱音响自动搜索下载音乐到本地并播放？）

文章目录介绍演示环境小爱音响准备部署配置语音口令️注意事项⚓️相关链接⚓️介绍还在因为小爱音响的音乐资源问题苦恼吗？当你心情正好，想放首歌，却发现不是提示“没有资源”，就是让你开会员？

xiaoqiangclub·2025-02-20 03:45

开源项目亮点：打造你的DIY智能语音助手——“小爱音箱自定义固件”

开源项目亮点：打造你的DIY智能语音助手——“小爱音箱自定义固件”项目地址:https://gitcode.com/gh_mirrors/xia/xiaoai-patch在当今智能家居设备泛滥的时代，一款能够深度定制

侯深业Dorian·2025-02-20 03:40

《深入浅出AI》前言知识：深度学习基础总结

GoAI·2025-02-20 00:22

wav2lip部署方案-数字人项目

该项目商用需要通过原作者原作者github链接说明该项目可以将语音和视频或图片结合生成数字人。

何为标准·2025-02-19 23:10

语音识别使用SenseVoiceSmall模型实现源码

SenseVoiceSenseVoice是具有音频理解能力的音频基础模型，包括语音识别（ASR）、语种识别（LID）、语音情感识别（SER）和声学事件分类（AEC）或声学事件检测（AED）。

丢了个猪·2025-02-19 23:09

SenseVoice 实测，阿里开源语音大模型，识别效果和效率优于 Whisper，居然还能检测掌声、笑声！5分钟带你部署体验

前段时间，带着大家捏了一个对话机器人：手把手带你搭建一个语音对话机器人，5分钟定制个人AI小助手（新手入门篇）其中语音识别（ASR）方案，采用的是阿里开源的FunASR，这刚不久，阿里又开源了一个更强的音频基础模型

AI码上来·2025-02-19 23:38

从零到入门：人工智能学习路径全解析

这题有点难度·2025-02-19 21:24

从代码到专利：如何用自注意力机制实现高效序列转换？——深度解析Google的Transformer架构

在传统的序列转换任务（如机器翻译、语音识别等）中，循环神经网络（RNN）和卷积神经网络（CNN）是常用的模型架构。然而，这些模型存在以下问题：

CodePatentMaster·2025-02-19 21:53

HarmonyOS Next语音合成技术深度解析

本文旨在深入探讨华为鸿蒙HarmonyOSNext系统（截止目前API12）中的语音合成技术，基于实际开发实践进行总结。

·2025-02-19 15:31

探索 Open WebUI：功能全面的开源交互平台

目录探索OpenWebUI：功能全面的开源交互平台轻松部署兼容多API集成精细权限和用户组管理跨设备响应式设计移动渐进式Web应用（PWA）全面支持Markdown和LaTeX免提语音/视频通话模型构建器原生

gs80140·2025-02-19 14:52

agent和android怎么结合：健康助手，旅游助手，学习助手

agent和android怎么结合：健康助手，旅游助手，学习助手创新点智能交互创新：提出全新的agent-Android交互模式，如基于手势、语音、眼动等多模态融合的交互方式。

ZhangJiQun&MXP·2025-02-19 11:00

DeepSeek R1 模型详解与微调

目录引言DeepSeekR1模型概述DeepSeekR1模型架构3.1输入层3.2编码器层3.3解码器层3.4输出层DeepSeekR1核心原理

zhangjiaofa·2025-02-19 11:59

arXiv每日推荐-3.4：语音/音频每日论文速递

同步公众号(arXiv每日学术速递)【1】SELD-TCN:SoundEventLocalization&DetectionviaTemporalConvolutionalNetworks标题：SELD-TCN：基于时间卷积网络的声音事件定位与检测作者：KarimGuirguis,BinYang备注：5pages,3tables,2figures.SubmittedtoEUSIPCO2020链接：

sapienst·2025-02-19 09:16

如何高效使用Zoom视频会议软件：功能解析与操作指南

目录1.Zoom的基本功能介绍1.1视频会议1.2语音会议1.3屏幕共享1.4会议录制1.5聊天和文件共享1.6会议室和个人会议ID2.Zoom的使用方法2.1安装Zoom2.2创建和加入会议2.2.1

concisedistinct·2025-02-19 08:39

情感分析研究综述：方法演化与前沿挑战

文章目录摘要abstract1.引言2.模型方法2.1文本情感分析2.1.1文档级情感分类2.1.2句子级情感分类2.1.3方面级情感分类2.2文本情感分析方法2.2.1基于词典的方法2.2.2基于机器学习的方法2.2.3基于深度学习方法2.3视觉情感分析2.4音频情感分析2.5多模态情感分析2.5.1图文方法2.5.2视听方法2.5.3音频-图像-文本方法3.情感分析的挑战3.1讥讽检测3.2模

next_travel·2025-02-19 07:32

DeepSeek自研AI芯片，AI算力新变革？

AI算力告急，成本掣肘发展当下，AI技术迅猛发展，从科研领域的复杂模型训练，到日常生活里智能语音助手的实时交互，算力成了决定AI发展的关键因素。作为大模型领域的后起之秀，DeepSeek对计算资源

·2025-02-19 07:19

Jfinal websocket onMessage无法接收二进制音频数据问题

刚开始还没找到是数据大小限制的问题（由于要测试好多其它语音包，例如vad4j，webrctvad这些），以为是自己哪里搞错了，就找websocket什么时候

withme977·2025-02-19 03:30

推荐频道

语音编码器综述