语音视频聊天

深度学习算法模型：从原理到未来

从手机中的语音助手到医学影像的智能诊断，从自动驾驶汽车到生成式AI创作的诗歌和画作，深度学习算法模型正逐渐渗透到社会的每个角落。
YDH_AlwaysRunning·2025-03-05 00:20

HarmonyNext实战案例：基于ArkTS的多设备协同实时翻译应用开发

本文将详细讲解如何使用ArkTS开发一个多设备协同实时翻译应用，该应用允许用户在多个HarmonyOS设备上实时翻译语音或文本内容，并同步显示翻译结果。
·2025-03-04 14:01

HarmonyNext实战案例：基于ArkTS的跨设备多人实时语音聊天应用开发

本文将详细讲解如何使用ArkTS语言开发一个跨设备多人实时语音聊天应用，该应用允许多个用户在各自的设备上进行语音通话，并支持实时音频传输和同步。
·2025-03-04 14:31

记录微信小程序中的遇到的问题，ios不支持gif,ios下语音播放

最近是在做一些微信小程序的工作，在后台中的代码没有什么问题的时候然而在小程序中我去一次次的踩了很多的坑，就比如这gif图片不支持在ios端播放，ios中的语音的播放的问题{{isactive==item_id
kay三石·2025-03-04 14:28

MoneyPrinterTurbo – 开源的AI短视频生成工具

工具支持API和Web界面操作，具备自定义文案、多种视频尺寸、批量视频生成、多语言支持、多种语音合成技术、字幕定制和背景音乐选择等功能。
牛马尼格·2025-03-04 03:45

悦读声界·小说语音管理系统

1.产品介绍产品名称：悦读声界·小说语音管理系统主要功能：智能语音朗读功能描述：用户可通过语音指令或简单点击，启动系统内置的AI语音引擎，自动将小说文本转化为流畅自然的语音朗读，支持多种语言及方言选择，
大霸王龙·2025-03-04 03:38

AI大模型教程入门到精通，非常详细收藏我这一篇就够了！AI大模型零基础入门教程（适合小白）

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？
AGI大模型学习·2025-03-04 01:21

【深度学习】Hopfield网络：模拟联想记忆

Transformer模型自2017年被提出以来，已经成为自然语言处理（NLP）领域的核心架构，并在计算机视觉、语音处理等其他领域也取得了显著的成功。
T-I-M·2025-03-03 22:32

AI时代保护自己的隐私

你输入的每条聊天记录，你发出的每条语音命令，人工智能生成的每张图片、电子邮件和文本。
好运工具 - HapTool·2025-03-03 19:37

神经进化算法(Neuroevolution) 原理与代码实例讲解

神经进化算法,Neuroevolution,进化算法,深度学习,机器学习,遗传算法,神经网络,代码实例1.背景介绍在机器学习领域，神经网络凭借其强大的学习能力和泛化能力，在图像识别、自然语言处理、语音识别等领域取得了显著的成就
AI大模型应用之禅·2025-03-03 13:25

Teams电话 中国语音解决方案

Teams电话中国语音解决方案，目前有以下四种方式：一、PhoneSystemwithCallingPlan（基于云服务，目前中国没有）直接使用Microsoft名下的电话号码，把Microsoft当作运营商
CTS喜友科技·2025-03-03 11:06

【关于声网】Hume AI 的 OCTAVE 语音引擎与声网对话式 AI 引擎：AI 语音技术的最新突破

以下是正文：HumeAI的OCTAVE语音引擎与声网对话式AI引擎：
岱宗夫up·2025-03-03 05:51

微信小程序毕业设计大全

微信小程序程序列表:微信小程序健身房课程预约系统6638微信小程序投票系统6640微信小程序小说阅读推荐系统6641微信小程序垃圾分类识别系统（语音识别，拍照识别）qt-93982微信小程序网上书店qt
QQ1305637939·2025-03-03 00:39

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

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

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

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

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

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

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

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

如何省流量？视频高度压缩背后的预测技术

视频直播、视频聊天，已经完全融入了每个人的生活。视频为何如此普及呢？是因为通过视频能方便快捷地获取到大量信息。但视频数据量非常巨大，视频的网络传输也面临着巨大的挑战。于是视频编解码技术就出场了。
音视频开发老马·2025-02-26 07:11

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

【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
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他