语音通话第4页

Audio-Visual Speech Enhancement（视听语音增强）领域近三年研究进展与国内团队及手机厂商动态分析

一、视听语音增强领域近三年研究进展多模态融合与模型轻量化多模态特征融合：中国科学技术大学团队提出通过引入超声舌头图像和唇部视频的联合建模，结合知识蒸馏技术，在训练阶段利用教师模型传递舌部运动知识，从而在推断时仅依赖唇部视频即可提升语音增强效果

AndrewHZ·2025-02-17 20:47

语音与自然语言处理（NLP）：智能交互的核心技术

随着人工智能（AI）技术的飞速发展，语音识别与自然语言处理（NaturalLanguageProcessing,NLP）成为了智能交互系统的核心技术。

给生活加糖！·2025-02-17 14:21

使用多模态大语言模型进行深度学习的图像、文本和语音数据增强

本文通过探索利用多模态LLMs进行图像、文本和语音数据增强的最新文献，填补了

数行天下·2025-02-17 12:42

ASR技术与Whisper引擎

一、ASR技术简介ASR英文全称是AutomaticSpeechRecognition，中文叫做自动语音识别，是利用机器对语音信号进行识别和理解并将其转换成相文本和命令的技术。

Catformon·2025-02-17 01:38

chattts本地化python部署及采坑记录(2024年亲测可用)

ChatTTS是一个文本转语音的开源项目，短短2周左右的时间，在GitHub上已经斩获了24.4k的Star！

Catformon·2025-02-17 00:05

一文带你了解人工智能：现状、应用、变革及未来展望

从智能手机的语音助手到自动驾驶汽车，从智能家居到医疗诊断，AI正在改变着我们的生活方式。本文将结合时事，为大家介绍当前人工智能的发展形势、在生活中的应用、人工智能的变革以及未来的发展方向。

空青726·2025-02-16 08:02

《DeepSeek Janus Pro 7B：多模态人工智能大模型部署全攻略》

从智能语音助手到图像识别系统，从自动驾驶汽车到智能医疗诊断，多模态AI的身影无处不在，它让机器能够理解和处理多种类型的信息，如文本、图像、音频等，从而实现更加智能、高效的交互。DeepSee

空云风语·2025-02-16 03:57

通义模型Prompt调优的实用技巧

对较难被准确遵循的复杂规则可拆分为多条规则，有助于提升效果策略二：适当冗余关键信息策略三：使用分隔符给Prompt分段策略四：增加学习示例策略五：编写清晰地说明-指定任务所需的步骤策略六：让大模型反思自己的推理过程策略七：语音场景下的

大模型实战·2025-02-15 22:16

多开工具与语音识别技术的融合与创新

多开工具与语音识别技术的融合与创新摘要：随着科技的不断进步，多开工具和语音识别技术的融合与创新正在为我们的日常生活带来更加便利和高效的体验。

·2025-02-15 18:26

鸿蒙开发：文本合成语音

前言Android开发的同学都知道，在Android当中，实现一段文字合成语音播放，可以使用系统提供的对象TextToSpeech来很快的实现，如果不用系统自带的，也可以使用三方提供的，比如讯飞的语音合成等等

·2025-02-15 14:19

【开发日志】数字人+LLM：从概念到实现的全程记录！

i91490016GBGPU:GTX40608GBSYS:Windows11WSL:Ubuntu22.04本文章使用到的技术内容:数字人框架:LiveTalking大模型:Llama3.1TTS:GPT-SoVits语音转视频

AI大模型-王哥·2025-02-15 13:11

麒麟990和麒麟8000哪个好

麒麟8000是华为针对中高端市场推出的一款5G芯片，支持卫星通信技术，可以通过北斗、GPS、GLONASS等卫星系统进行定位和导航，也可以通过北斗、天通等卫星系统进行语音和短信通信，为用户提供更广阔的联网空间

m0_50613577·2025-02-15 12:33

行业洞察 | 你的耳机能进行骨传导声纹识别吗？

此前小米推出的降噪耳机4Pro采用了骨声纹降噪的方式，支持通话降噪功能。其实骨声纹早在2020年就装载在华为FreeBuds3上发行过。但很多人依然不知道何为骨声纹识别？骨声纹识别之于我们普通的

Magic Data·2025-02-15 06:14

linux中流设备_设备端SDK(Linux)文档

:55:00功能描述摄像头直播:支持RTMP推流，当前视频支持H264，音频支持G711a以及AAC_LC格式.存储卡录像查看:将存储在SD卡等外存中的录像文件推到服务端，支持seek到指定位置操作.语音对讲

知酒僧·2025-02-15 04:59

WhisperX：革命性的自动语音识别工具

WhisperX：革命性的自动语音识别工具项目地址:https://gitcode.com/gh_mirrors/wh/whisperX项目介绍WhisperX是一个开源的自动语音识别（ASR）项目，由

孔秋宗Mora·2025-02-15 03:14

WebP2P+自研回音消除：视频通话SDK嵌入式EasyRTC构建高交互性音视频应用

回音消除算法的核心在于从麦克风采集的混合信号中分离出原始语音信号和回声信号，并将回声信号从混合信号中移除。EasyRTC采用的自研算法基于以下几种技术：自适应滤波器：通过实时调整滤波器

Likeadust·2025-02-14 22:10

嵌入式WebRTC压缩至670K，目标将so动态库压缩至500K，.a静态库还可以更小

最近把EasyRTC的效果发布出去给各大IPC厂商体验了一下，直接就用EasyRTC与各个厂商的负责人进行的通话，在通话中，用户就反馈效果确实不错！

xiejiashu·2025-02-14 21:55

【前端开发学习笔记17】使用ai

AI的认知&两个工具-认知同步AI早已不是新事物（接受）：语音识别，人脸识别，无人驾驶，智能机器人...

wei387245232·2025-02-14 19:14

使用Python和Discord API进行数据提取和分析

技术背景介绍Discord作为一个广受欢迎的VoIP和即时消息社交平台，允许用户通过语音通话、视频通话、文本消息以及其他媒体和文件进行互动。

scaFHIO·2025-02-14 15:43

语音app系统软件源码开发搭建新手启蒙篇

在移动互联网飞速发展的今天，语音app已经成为人们生活中不可或缺的一部分。无论是语音聊天、语音助手还是语音直播，这些应用都给我们的生活和工作带来了极大的便利和精神娱乐。

山东布谷科技官方·2025-02-14 11:50

cnn以及例子

cnnCNN即卷积神经网络（ConvolutionalNeuralNetwork），是一种专门为处理具有网格结构数据（如图像、音频）而设计的深度学习模型，在计算机视觉、语音识别等诸多领域都有广泛应用。

阿拉斯攀登·2025-02-14 10:41

物联网智能语音控制灯光系统设计与实现

通过语音控制和自动调节灯光，用户可以更便捷地操作家中的照明设备，提高生活的舒适度与便利性。

木燚垚·2025-02-14 09:02

WebRTC与EasyRTC:开启智能硬件音视频通讯的全新旅程

一、WebRTC与智能硬件融合的崭新趋势WebRTC技术，凭借其无需插件或额外软件即可实现点对点实时通信的卓越优势，已然成为视频会议、语音通话及文件共享等众多领域的宠儿。

EasyNVR·2025-02-14 09:00

自然语言处理（NLP）入门：基础概念与应用场景

NLP的核心目标是将非结构化的自然语言（如文本和语音）转化为结构化数据，使机器能够高效处理、分析和生

Ash Butterfield·2025-02-14 00:38

uniapp语音时的动态音波的实现

一、实现效果该文做出来的效果：图片中的音波是动态的二、实现代码将它写为一个组件，方便之后用。命名为“audioWave.vue”.audio-wave{position:absolute;left:0;top:50%;transform:translateY(-50%);width:100%;height:40rpx;display:flex;align-items:center;justify-

雾眠气泡水@·2025-02-13 19:04

常见的深度学习模型总结

应用场景：分类、回归、语音识别、图像识别等。2.卷积神经网络(Convolutio

编码时空的诗意行者·2025-02-13 13:29

【深入探索-deepseek】高等数学与AI的因果关系

目录数学在AI不同领域的应用区别一、计算机视觉领域1.线性代数2.微积分3.概率论与统计二、自然语言处理领域三、语音识别领域四、数学在AI不同领域应用的逻辑图五、参考资料数学在AI不同领域的应用区别一、

我的青春不太冷·2025-02-13 11:09

用AI来变换声音：超酷的实时语音转换项目-Github上的免费开源项目

▲点击上方"DevOps和k8s全栈技术"关注公众号亲爱的读者朋友你们好！今天我要给大家介绍一个特别有趣的GitHub项目——RealtimeVoiceCloning，一个可以实时变换你声音的AI项目。无论你是技术达人还是刚刚入门的初学者，都能在这个项目中找到乐趣。准备好体验声音魔法了吗？让我们一探究竟！项目简介：项目名称：RealtimeVoiceCloning项目地址：https://gith

韩先超·2025-02-13 09:53

硅基流动多模型工作流应用平台，免费2000万Token来了

目前注册可获的2000万Token，可以使用将近60种文字对话、语音、图像生成等主流大模型。

yuntianming3906·2025-02-13 05:53

GaussianSpeech：音频驱动3DGS Avatar

本文介绍了GaussianSpeech，这是一种从语音合成高保真度的个性化三维人类头部虚拟形象动画序列的新方法。

AIGC探路者·2025-02-12 00:57

AI赋能灯塔低代码平台，AI应用落地“加速器”

AI技术已渗透到各个领域，从智能语音助手到精准医疗影像诊断，从金融风险预测到智能交通管理，其潜力无可限量。然而，将AI技术转化为实际应用却面临重重困难。

·2025-02-11 21:13

【大模型部署及其应用】Ollama搭建运行中文大语音模型Llama3-8B-Chinese-Chat

Ollama是一种用于运行大语言模型（如LLaMA）的平台，适合本地化部署和运行。以下是如何在Ollama上搭建和运行中文大语言模型Llama3-8B-Chinese-Chat的步骤：下载地址：https://huggingface.co/shenzhi-wang/Llama3-8B-Chinese-Chat-GGUF-8bit项目地址：https://github.com/ymcui/Chine

源代码杀手·2025-02-11 18:34

探秘DeepSeek多模态交互：解锁AI融合新境界

例如，在智能客服场景中，DeepSeek能够同时理解用户的语音和文字输入，快速准确地回答问题，提升客户服务效率；在智能教育领域，它可以根据学生的学习情况，

计算机学长·2025-02-11 16:51

基于Ernie-Bot打造语音对话功能

大模型场景实战培训，提示词效果调优，大模型应用定制开发，点击咨询GPT-4的语音对话功能前段时间在网上火了一把，许多人被其强大的自然语言处理能力和流畅的语音交互所吸引。

·2025-02-11 16:25

2025最新主流深度学习算法全解析

从语音助手到自动驾驶，从图像识别到自然语言处理，深度学习的应用无处不在，深刻地改变着

lucky_syq·2025-02-11 08:25

ChatTTS，一款基于Python的自然语言处理工具，适合智能聊天机器人领域！

它使用Tacotron算法来生成自然流畅的文本回复，支持多种语言和语音合成。 ##

m0_75259337·2025-02-11 05:28

ChatTTS，一款基于Python的自然语言处理项目

**项目介绍**：ChatTTS是一个基于Python的自然语言处理项目，它能够将文本转换为语音。该项目使用TensorFlow和Gensim库进行语音合成和文本分析，使得生成

m0_75259337·2025-02-11 05:28

Python 潮流周刊#54：ChatTTS 强大的文本生成语音模型

本周刊由Python猫出品，精心筛选国内外的250+信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进Python技术，并增长职业和副业的收入。本期周刊分享了12篇文章，12个开源项目，3则音视频，全文2100字。以下是本期摘要：文章&教程①许多实用的Python命令行程序②我最喜欢教的编程问题：数字长度③修复Python循环导入的一种方

Python猫·2025-02-11 04:57

python录音pyaudio_python调用pyaudio使用麦克风录制wav声音文件的教程

在我们研究语音识别，自然语言处理的过程中，常常会使用到它，比如我们调用百度语音识别所以我们首先研究一下pyaudio库的安装与使用。

极客羊·2025-02-11 00:54

OpenAI 实战进阶教程 - 第十二节 : 多模态任务开发（文本、图像、音频）

目标：在本节中，你将学会如何使用OpenAI提供的多模态接口（图像生成、语音转录等）开发更丰富的应用场景。为什么要采用多模态技术？

山海青风·2025-02-11 00:22

神经网络（Neural Network）

其强大的非线性建模能力使其在图像识别、自然语言处理、语音识别和预测分析等任务中表现出色。神经网络的基本构建单元是神经元，每个神经元接收多个输入信号，通过加权求和并应用激活函数来生成输出。

ningmengjing_·2025-02-10 23:41

基于“感知–规划–行动”的闭环系统架构

听觉：利用麦克风阵列、声学传感器，结合声纹识别、语音识别（如基于Transformer或RNN的模型）技术处理音频信息。文本与语义信息：通过文

由数入道·2025-02-10 22:39

深度学习入门：搭建你的第一个神经网络

从语音助手到自动驾驶汽车，从图像识别到自然语言处理，深度学习的应用无处不在。而Python作为一门简洁而强大的编程语言，成为了深度学习领域最受欢迎的工具之一。

Evaporator Core·2025-02-10 22:36

TTS（Text-to-Speech）文本转语音技术导论

TTS（Text-to-Speech）技术是一种将文本转化为语音的技术，它基于语音合成技术，将输入的文字信息转换为自然流畅的语音输出。

「已注销」·2025-02-10 20:26

【鸿蒙开发】第二十四章 AI - Core Speech Kit（基础语音服务）

目录1简介1.1场景介绍1.2约束与限制2文本转语音2.1场景介绍2.2约束与限制2.3开发步骤2.4设置播报策略2.4.1设置单词播报方式2.4.2设置数字播报策略2.4.3插入静音停顿2.4.4指定汉字发音

鸿蒙程序媛·2025-02-10 20:51

语音识别(Speech Recognition) 原理与代码实例讲解

语音识别(SpeechRecognition)-原理与代码实例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming/TextGenWebUILLM语音识别

AI天才研究院·2025-02-10 14:34

标贝科技客服领域智能语音方案引领行业智能化升级

从电商零售，到出行打车，甚至是银行/基金/券商等APP，智能客服系统已经成为了企业与客户沟通的重要桥梁，而语音交互是其中重要的组成部分。

标贝科技·2025-02-10 12:50

【电力负荷预测】时间卷积双向门控循环单元融合注意力机制TCN-BiGRU-Attention负荷多变量时间序列预测【含Matlab源码 4752期】

Matlab领域·2025-02-10 00:03

AI智慧医疗系统源码与互联网医院APP开发攻略：功能、架构、合规

一、AI智慧医疗系统的核心功能要开发一款成熟的智慧医疗系统，必须具备以下几个关键功能模块：远程问诊与在线会诊语音/视频问诊：支持医生与患者远程实时沟通，结合AI语音识别和自然语言处理（NLP），实现病情描述

万岳软件开发小城·2025-02-09 14:21

Neuron Forge：AI 算力市场的性价比之光

从我们日常使用的智能手机中的语音助手，到在医疗领域辅助医生进行精准诊断的智能

Muyu881·2025-02-09 13:17

推荐频道

语音通话