语音SDK

onnxruntime-1.22.0交叉编译arm64目标平台

1背景在上一实践《sherpa-onnxAI语音框架添加acl加速库实践》中，笔者基于最新github源码版本编译出的onnxruntime动态库（包括acl库)测试效果不理想，后续尝试下载onnxruntime
·2025-07-09 18:36

多模态交互HMI全解析：语音、手势、眼动追踪的集成方案

多模态交互HMI全解析：语音、手势、眼动追踪的集成方案内容摘要在人机交互的世界里，传统的按键和触摸屏已经不能满足我们对便捷和自然交互的需求了。
贝格前端工场·2025-07-09 17:31

微软智能语音平台赋能理想汽车：创新驱动，引领智能出行新体验

作为中国造车新势力的佼佼者，理想汽车凭借其首款量产车型理想ONE，不仅在市场上取得了辉煌成绩，更通过与微软工业级智能语音平台的深度合作，重新定义了车载语音交互的标准，为全球汽车行业树立了智能化转型的典范
·2025-07-09 12:56

CosyVoice升级版 - 阿里最新开源语音克隆、文本转语音项目 支持音色保存 本地一键整合包下载

近日，阿里通义实验室发布开源语音大模型项目FunAudioLLM，而且一次包含两个模型：SenseVoice和CosyVoice。
昨日之日2006·2025-07-09 11:47

CosyVoice2.0整合包：免费一键启动，释放语音克隆的创意潜能

引言语音克隆技术正在重塑内容创作与技术开发的边界，而CosyVoice2.0整合包以其简单易用和强大功能，成为语音合成领域的耀眼新星。
VXHAruanjian888·2025-07-09 10:40

嵌入式C语言中void*的妙用与实战

目录嵌入式C语言中`void*`的工程应用详解✳️一、什么是`void*`二、典型应用场景1.通用参数传递2.通用回调机制3.通用数据结构（链表、队列）4.封装模块接口（如SDK、HAL）⚠️三、使用`
隐身模式·2025-07-09 10:40

React Native 一些API详解

console.log(Platform.OS)//获取版本console.log(Platform.Version)//{"Brand":"google","Fingerprint":"google/sdk_gphone64
Misha韩·2025-07-09 08:00

PC端基于SpringBoot架构控制无人机(三):系统架构设计

1.引言从大疆到自研飞控的转型，在无人机业务开发过程中，大部分工作都是基于大疆无人机的上云SDK来完成的。
kangkang-·2025-07-09 07:47

多线程导出excel高并发_表格存储：使用TableStoreWriter进行高并发、高吞吐的数据写入-阿里云开发者社区...

针对这些场景，我们在存储层做了很多的优化(本篇文章不赘述)，同时在SDK接口层也做了一些优化，专门
rayyangul·2025-07-09 06:15

全球 AI HR 浪潮下的中国实践：从效率革命到战略重构

这种转变的底层逻辑，源于大模型技术带来的三大突破：多模态交互能力：AI已能同时处理文本、语音
weixin_54980836·2025-07-09 06:41

MCP客户端请求MCP服务器资源的Python SDK实现

我将为您提供一个详细的指南，说明如何使用PythonSDK让MCP客户端请求MCP服务器的资源。
AI天才研究院·2025-07-09 01:11

ChatTTS实现文本转语音（TTS）全流程教程【附完整代码 & 环境配置】

言简意赅的讲解ChatTTS解决的痛点‍本教程手把手带你从零上手ChatTTS，实现文本到语音（TTS）转换，适合自媒体配音、有声内容创作、AI语音实验等场景。
文浩（楠搏万）·2025-07-09 00:37

人工智能LLM | 基础配置 | 通过环境变量配置API-KEY 一文通教程

您可以使用配置环境变量的方法，避免在调用各种SDK时显式地配置API-KEY，从而降低泄漏风险。环境变量是操作系统中用于存储有关系统环境的信息的变量。您可以通过环境变量来配
H-大叔·2025-07-09 00:07

《移动App测试实战》读书笔记

通用网关接口，常称为单个业务接口Function：请求组合，包含多个CGI层接口的调用TestCase：单个测试用例TestSuite：多个测试用例的集合UI层的自动化面向Android：AndroidSDK
xh15·2025-07-09 00:02

构建强大AI代理的最佳开源工具

在2025年，打造一个智能自主的代理意味着要组装一套能够协同工作的智能工具栈——处理从推理和记忆到浏览器控制和实时语音等所有功能。
·2025-07-08 23:28

Unity XR Interaction Toolkit 开发教程（1）：OpenXR 与 XRI 概述【3.0 以上版本】

文章目录UnityXR开发架构底层插件（对接硬件）高层SDK（面向应用交互层）OpenXRXRInteractionToolkit特点XRI能够实现的交互类型XR交互参与的对象XRI中与交互相关的状态SpatialXR
·2025-07-08 20:11

手机通话语音离线ASR识别商用和优化方向

手机通话语音离线ASR识别商用和优化方向--本地AI电话机器人上一篇：手机FunASR识别SIM卡通话占用内存和运行性能分析下一篇：编写中。
limingade·2025-07-08 20:10

12.Java SDK源码分析系列笔记-PriorityQueue

文章目录1.PriorityQueue是什么2.使用3.源码分析3.1.属性3.2.有参构造3.2.1.初始化元素到数组中3.2.2.维护堆的属性3.2.2.1.下沉操作3.3.插入3.3.1.上浮操作3.4.删除3.4.1.下沉操作4.参考1.PriorityQueue是什么是一个队列，只不过加上了优先级的概念，换句话说队列里的元素是根据某种规则排好序的2.使用publicclassPriori
Thinker QAQ·2025-07-08 19:01

【读代码】深度解析Kyutai Labs Delayed Streams Modeling项目

引言在实时语音交互需求爆炸式增长的今天，KyutaiLabs推出的**DelayedStreamsModeling（延迟流建模）**框架以其创新的流式处理能力和多模态支持，为语音技术领域注入了全新活力。
·2025-07-08 17:51

【实战】如何训练一个客服语音对话场景VAD模型

VAD在其中扮演着“预处理器”和“过滤器”的关键角色：提升ASR效率与准确性：只将检测到的语音片段送入ASR引擎，可以避免ASR对静音和噪声进行无效识别，减少计算资源浪费，并降低识别错误率。
kakaZhui·2025-07-08 17:51

BigQuery对象引用（ObjectRef）全面指南：一站式整合结构化与非结构化多模态数据分析

非结构化媒体通常需要导出到专门的服务进行处理（如图片分析需计算机视觉服务，音频需语音转文本引擎），这会造成数据孤岛，阻碍全局分析视角的建立。
·2025-07-08 14:59

别再瞎摸索了！HarmonyOS AI 字幕控件用法全解析

正好HarmonyOS推出了AI字幕控件，这东西能自动识别语音、生成字幕，一下子就让视频和音频内容变得更易用了。对咱们做鸿蒙原生应用的人来说，更是省了大事儿—
·2025-07-08 13:39

Android 16开发者全解读

哈喽，我是老刘Android16的更新最近发布，带来了全新的系统特性和视觉体验，也在SDK版本机制、兼容性、性能优化等多个层面进行了更新。
·2025-07-08 13:38

openstack 扩展开发最佳实践之计算节点高可用

首先，千万，千万，千万不要用Openstack提供的SDK，原因如下。一，SDK的相关文档并不健全。二，版本不够统一，即兼容的问题。所以不要使用openstack的SDK而是
手机版网站·2025-07-08 12:49

鸟类识别与分类相关数据集

随着深度学习技术的快速发展，其在图像识别、语音识别等领域取得了显著的成果。鸟类识别作为生态学研究的重要内容，对于物种多样性保护、生态环境监测等领域具有深远的影响。
Bryan Ding·2025-07-08 12:48

未来已来：美颜SDK如何通过深度学习实现个性化美颜形象？

从“千人一脸”到“千人千面”，美颜SDK走进了一个真正智能的时代。一、美颜SDK，从滤镜到AI的技术跃迁美颜SDK是一类集成在App中，用于图像实时处理和优化
美狐美颜SDK开放平台·2025-07-08 12:17

OBS 二次开发插件录屏

基于OBS二次开发的录屏工具，使用OBS的SDK和Qt开发的工具。QT5.15.2MSVC64编译。
bug和崩溃我都要·2025-07-08 12:15

AI技术通过多模态应用（即融合文本、图像、语音、视频、传感器数据等多维度信息）正在深刻重塑工作模式、行业生态和人类创造力边界。

AI技术通过多模态应用（即融合文本、图像、语音、视频、传感器数据等多维度信息）正在深刻重塑工作模式、行业生态和人类创造力边界。
zzywxc787·2025-07-08 08:43

开源语音分离工具大比拼：人声 VS 背景音乐 ⚔️ - 获取干净训练语音 (数据截至 2025年4月17日)！！！

开源语音分离工具大比拼：人声VS背景音乐⚔️-获取干净训练语音(数据截至2025年4月17日)在音频处理，特别是机器学习训练数据的准备中，获取纯净的人声（去除背景音乐或噪声）是一个常见的痛点。
小丁学Java·2025-07-08 05:57

AI+小程序新范式：智能推荐、语音交互的场景落地全攻略

AI+小程序新范式：智能推荐、语音交互的场景落地全攻略内容摘要在AI技术席卷全球的今天，小程序与AI的结合已不再是“锦上添花”，而是企业生存的“必答题”。
·2025-07-08 05:56

PDF 的开发工具库: Adobe PDF Library

AdobePDFLibrary是Adobe公司提供的一个软件开发工具包(SDK)，它本质上是AdobeAcrobat的"无界面"版本，但功能更为强大。
纸上笔下·2025-07-08 05:25

Home Assistant Piper语音引擎新增en_US-hfc_female-medium语音模型支持分析

HomeAssistantPiper语音引擎新增en_US-hfc_female-medium语音模型支持分析addons:heavy_plus_sign:Dockeradd-onsforHomeAssistant
·2025-07-08 03:08

对于报错..\meson.build:1:0: ERROR: Unknown compiler(s): [[‘icl‘], [‘cl‘], [‘cc‘], [‘gcc‘], [‘clang‘]等

的官方编译器（MSVC）：下载并安装VisualStudio2022安装时勾选“使用C++的桌面开发”工作负载，并确保勾选以下组件：•MSVCv143-VS2022C++生成工具•Windows10/11SDK
随风万里无云·2025-07-08 03:37

不上榜 抖音火山版1128设备参数 给大家分享 已经激活mssdk

{"server_time":1751355543,"device_id":1145030648043035,"install_id":1145030648047131,"new_user":1,"device_id_str":"1145030648043035","install_id_str":"1145030648047131","device_token":"AAAZZQU5GIDSLXB
qq_1771238069·2025-07-08 01:50

安卓之gps

在分析之前，我们肯定得先看看android官方提供的定位SDK。默认AndroidGPS定位实例获取LocationManager:mLocationManager=(LocationMana
·2025-07-07 23:08

开源模型应用落地-OpenAI Agents SDK-集成MCP与Qwen3-8B模型的创新应用探索（七）

一、前言在人工智能技术飞速发展的今天，如何将先进的模型和技术无缝结合，成为推动行业变革的关键。OpenAIAgents通过集成模型上下文协议（MCP）和阿里巴巴推出的Qwen3-8B模型，正开启一场智能应用的革命。这种创新的结合不仅提升了AI代理与外部工具之间的通信能力，还在多模态任务处理、个性化服务等领域展现出巨大潜力。本文将深入探讨这一技术组合的实际应用场景，揭示其在改善客户体验和提升运营效率
开源技术探险家·2025-07-07 20:18

开源模型应用落地-OpenAI Agents SDK-集成Qwen3-8B-探索output_guardrail的创意应用（六）

一、前言随着人工智能技术的迅猛发展，大语言模型（LLM）在各行各业的应用日益广泛。然而，模型生成的内容是否安全、合规、符合用户预期，成为开发者和企业不可忽视的问题。为此，OutputGuardrail应运而生，作为一种关键的安全机制，它在模型生成结果之后进行内容审核与过滤，确保输出不偏离道德、法律和业务规范。通过检测不当的内容，不仅提升了AI系统的可信度，也为构建更加稳健和负责任的人工智能应用提供
开源技术探险家·2025-07-07 20:17

这个终端AI编程神器能用语音改代码，自动生成Git记录并提交，接入DeepSeek斩获编程基准最高分

❤️如果你也关注AI的发展现状，且对AI应用开发感兴趣，我会每日分享大模型与AI领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！AI在线答疑->智能检索历史文章和开源项目->尽在微信公众号->搜一搜：蚝油菜花⌨️“每个CLI爱好者都该试试的AI编程革命：对着终端说话自动生成Gitcommit是怎样的体验？”大家好，我是蚝油菜花。如果你也经历过——在vim里卡了半小时，只为给函
蚝油菜花·2025-07-07 16:21

说话人识别python_基于各种分类算法的说话人识别（年龄段识别）

基于各种分类算法的语音分类(年龄段识别)概述实习期间作为帮手打杂进行了一段时间的语音识别研究，内容是基于各种分类算法的语音的年龄段识别，总结一下大致框架，基本思想是：获取语料库TIMIT提取数据特征，进行处理
weixin_39673184·2025-07-07 15:42

浅析Nordic nRF5 SDK例程架构（三）

浅析NordicnRF5SDK例程架构第一章前言及bsp例程浅析第二章ble_app_uart例程浅析第三章添加电池电量服务（BAS）第四章如何使用的修改协议栈（以SESIDE为例）文章目录浅析NordicnRF5SDK
Real你老王·2025-07-07 13:01

浅析Nordic nRF5 SDK例程架构（四）

浅析NordicnRF5SDK例程架构第一章前言及bsp例程浅析第二章ble_app_uart例程浅析第三章添加电池电量服务（BAS）第四章如何使用的修改协议栈（以SESIDE为例）文章目录浅析NordicnRF5SDK
Real你老王·2025-07-07 13:01

浅析Nordic nRF5 SDK例程架构（二）

浅析NordicnRF5SDK例程架构第一章前言及bsp例程浅析第二章ble_app_uart例程浅析第三章添加电池电量服务（BAS）第四章如何使用的修改协议栈（以SESIDE为例）文章目录浅析NordicnRF5SDK
Real你老王·2025-07-07 12:25

AI Infra：SuperMemory，构建“记忆增强智能体（Memory-Augmented Agents）”的基础设施

SuperMemory=MemoryOS+MemoryAPIs+MemorySDK+MemoryAge
·2025-07-07 11:41

人工智能动画展示人类的特征

从智能语音助手到自动驾驶汽车，AI正在改变着我们的世界。然而，尽管AI技术取得了令人瞩目的成就，但它仍然难以完全模拟人类的复杂行为和特征。人类的特征是多方面的，包括情感、认知、社交和创造力等。
AGI大模型与大数据研究院·2025-07-07 06:38

AI小智项目全解析：软硬件架构与开发环境配置

AI小智项目全解析：软硬件架构与开发环境配置一、项目整体架构AI小智是一款基于ESP32的智能物联网设备，集成了语音交互、边缘计算等功能。
Despacito0o·2025-07-07 02:44

Teacher Forcing--------一种用于序列生成任务的训练技巧

这在机器翻译、文本摘要、对话生成、语音合成
AI扶我青云志·2025-07-07 01:11

安装qt-sdk

QTSDK包括了Qt库、QtCreatorIDE和Qt工具。
·2025-07-07 00:33

飞睿智能酒店人体存在感应雷达模块24G传感器，智能空调、LED照明开关节能新风尚

从智能门锁到自动调节的室内环境，再到贴心的语音助手服务，智能酒店为我们带来了未有的便捷与舒适。
飞睿科技·2025-07-06 22:17

QT的语音识别

难点：难点就是如何跟百度云的语音应用进行通信。首先，要获取应用的APIKey、SecretKey，并通过请求鉴权接口换取token。
heng6868·2025-07-06 19:24

xilinx SDK为什么可以通过ID找到DMA控制器的基地址

在XilinxSDK中，通过设备ID（DeviceId）找到DMA控制器的基地址（BaseAddr）的过程依赖于一套完整的硬件-软件协同设计体系。
·2025-07-06 17:59
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他