语音SDK 第10页

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

两种方案实现调用 DeepSeek API

在调用DeepSeekAPI时，通常有两种主要方案，分别是通过HTTP请求和通过SDK(软件开发生套件)。下面将详细介绍这两种方案。

Rverdoser·2025-02-21 06:21

【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

量化交易入门——平台框架、技术类策略、量化心得

量化平台分类：本地：MC、TB、WH、TS、MT4云端：聚宽、优矿、米筐、bigquantSDK/量化API：万得、东财choice、掘金量化开源框架：PyCTP、Vnpy、zipline、quicklib

アナリスト·2025-02-21 00:16

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

TT无人机零散笔记

TT扩展板上传模式：sdk：软件开发工具包。一键安装驱动：扩展模块使用Mind+编程是通过USB串口，因此在首次使用Mind+连接扩展模块时需要一键安装驱动。

xzal12·2025-02-20 20:12

基于Linux平台的多实例RTSP|RTMP直播播放器深度解析与技术实现

本文将结合大牛直播SDK的Linux平台RTSP/RTMP播放器功能，深入解析其实现原理、关键技术点以及优化策略。通过对代码的详细分析和实际应用的结合，帮助开发者更好地理解和应用该技术。

音视频牛哥·2025-02-20 19:07

iOS平台RTSP|RTMP直播播放器技术接入说明

技术背景大牛直播SDK自2015年发布RTSP、RTMP直播播放模块，迭代从未停止，SmartPlayer功能强大、性能强劲、高稳定、超低延迟、超低资源占用。

音视频牛哥·2025-02-20 19:06

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

使用Arcgis API for android加载OpenStreetMap底图并完成定位

环境：AndroidSDKAPI22，AndroidStudio1.2.2，arcgisandroidSDK10.2.7如何基于ArcgisAPIforandroid在AndroidStudio新建一个项目就不再赘述了

续汉冕·2025-02-20 17:46

《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

ArcGIS Runtime SDK for iOS 开发之地图范围（map extent）

注：本篇文章翻译自：https://developers.arcgis.com/ios/objective-c/guide/iphonesdk-mapnavigation.htm；地图视图包含了地图范围被定义和改变的选项

hlj184·2025-02-20 16:08

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

uni-app adb安卓wifi无线调试

工具手机和电脑连接的同一个WIFICMD进入到adb工具所在目录，可以使用HBuilder自带adb，如：D:\Tools\HBuilderX\plugins\launcher\tools\adbs，也可以使用AndroidSDK

景影随形·2025-02-20 15:25

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

应用内自动续订商品，畅享无缝服务体验

HarmonyOSSDK应用内支付服务（IAPKit）为开发者提供应用内自动续期订阅商品能力，用户购买后在一段时间内允许访问增值功能或内容，周期结束后可以选择自

·2025-02-20 12:38

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

mid-360|环境配置及传感器特定方向点云数据提取

本文将使用mid360实现简单的识别前方有障碍物时无人机悬停功能环境配置新建文件夹用于存储SDK以及ROS包gitclonehttps://github.com/Livox-SDK/Livox-SDK2

yangjh542426·2025-02-20 07:15

【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

探索Vearch：高效的深度学习向量相似度搜索系统

在本文中，我们将介绍Vearch的技术背景及其核心原理，演示如何使用VearchPythonSDK进行安装和设置，并分析一些实际应用场景，最后提供一些实战建议。

scaFHIO·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

Steamworks：Steamworks平台概览_2024-07-25_00-28-31.Tex

Steamworks：Steamworks平台概览Steamworks简介1.1Steamworks平台概述Steamworks是一个由Valve公司开发的全面的软件开发工具包(SDK)，旨在帮助游戏开发者和发行商在

chenjj4003·2025-02-20 03:39

Oculus SDK：Oculus集成Unity开发环境_2024-07-26_05-43-25.Tex

OculusSDK：Oculus集成Unity开发环境OculusSDK：Oculus集成Unity开发环境环境准备Unity版本选择在开始集成OculusSDK到Unity开发环境之前，选择正确的Unity

chenjj4003·2025-02-20 03:09

百度智能云千帆 ModelBuilder 技术实践系列：通过 SDK 快速构建并发布垂域模型

1千帆SDK简介在平台的基础能力之上，我们围绕大模型工具链

百度智能云技术站·2025-02-20 01:25

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

海康SDK中NET_DVR_CapturePicture方法截图使用心得概述

在深入研究了SDK使用手册后，我们发现了一个名为NET_DVR_CapturePicture的方法，它能够截取BMP格式的图片。相较于JPEG

Mr1Qian·2025-02-19 19:07

【大模型系列】入门常识备忘

模型库(相当于maven仓库的原理）1、huggingface网址https://huggingface.co/2、魔塔社区网址：https://modelscope.cn/home使用pythonsdk

万物皆字节·2025-02-19 16:45

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

认识 ADB（Android Debug Bridge，Android SDK 中的一个工具）

一、ADB概述ADB，全称AndroidDebugBridge，是AndroidSDK中的一个工具ADB位于AndroidSDK下platform-tools目录中ADB起到调试桥的作用，ADB可以让开发者通过

我命由我12345·2025-02-19 13:45

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

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

探索水平视界：Horizon SDK for iOS深度解析与应用推荐

探索水平视界：HorizonSDKforiOS深度解析与应用推荐去发现同类优质开源项目:https://gitcode.com/项目介绍在数字时代的洪流中，视频录制与摄影已不仅仅是捕捉瞬间的艺术，它更是技术创新的前沿阵地

杭律沛Meris·2025-02-19 08:40

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

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

批量更新 AWS ECS Fargate 服务：自动化平台版本升级

本文将介绍如何使用Python和AWSSDK(boto3)来批量更新ECSFargate服务，自动化这一过程。背景AWSFargate会定期发布新的平台版本，以提供新功能和进行例行维护。

ivwdcwso·2025-02-19 06:26

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SDK