语音识别

糖糖单片机设计

基于 STM32 的配网变压器涌流抑制器设计与实现配网变压器在空载合闸或故障恢复过程中，铁芯磁通饱和会产生数倍于额定电流的励磁涌流，轻则导致保护装置误动作，重则引发系统不稳定、缩短变压器寿命。本文基于 STM32F103C8T6 单片机设计了一套配网变压器涌流抑制器：EG8542 运放电路实时检测变压器电流，STM32 内置 ADC 采集电压数据，OLED12864 实时显示运行参数，用户可通过按键设置电流阈值——一旦检测到电流超过阈值，系统立即驱动 SRD-05V 电磁继电器切断回路，抑制涌流、保护设备。文章完整给出模块选型论证、硬件电路设计、软件流程

如何从视频中提取完整文案？常见方法及技术流程整理在短视频创作、内容分析和视频素材整理过程中，提取视频文案是一个比较常见的需求。尤其是在分析抖音、小红书、B站等平台的视频内容时，经常需要将视频中的口播台词、字幕信息和内容结构转换成可编辑的文本。

小米 CocktailASR 带来的启示：当语音识别开始区分“谁在说话”，ASR 技术正在发生什么变化？过去几年，自动语音识别（ASR）的进步相当明显。从早期基于声学模型与语言模型的组合架构，到 Whisper、Paraformer、Qwen3-ASR 等深度学习模型，语音转文字已经逐渐成为智能终端、办公软件和行业应用中的基础能力。

碧海银沙音频科技研究院

基于炬芯ATS录音卡BLE控制协议# BLE 录音控制本功能在 `bt_watch` 的蓝牙引擎就绪后注册独立的 GATT 服务。原日志中的设备名为 `zkBLE`，已成功连接并协商 MTU=247；本协议每条指令仅 4 字节，默认 MTU 也可使用。

离线语音识别模块选型指南：CI-03T、SU-32T、SU-03T 等模块在不同场景下的对比与选择在物联网和智能设备快速发展的今天，离线语音识别技术已经成为智能家居、车载电子、医疗健康等领域的重要交互方式。选择合适的语音识别模块对于产品的成功至关重要。本文将基于实际技术支持经验，详细对比 CI-03T、SU-32T、SU-03T 等主流离线语音识别模块的技术特性，帮助工程师和产品开发者在不同应用场景下做出最佳选择。

微安级唤醒、毫安级识别：基于 CI3422 的 AI 眼镜语音交互开发实战AI 眼镜是当下最热的智能硬件品类，而语音是它几乎唯一的自然交互入口。但"语音常开监听"和"眼镜级功耗预算"天然互斥。本文给出一条已被验证的工程路径：用启英泰伦 CI3422 芯片作为语音协处理器------硬件 VAD 以小于 50µA 的待机电流 7×24 小时监听，唤醒词命中后再唤醒主控 SoC，配合 2V~5.5V 宽压直供锂电池、QFN40（5×5mm）小封装和全离线 BNPU V4 识别，在 200mAh 级电池上也能做到"整月待机、秒级响应、数据不出镜"。文中覆盖架构设计、硬件要点、算法配置

梦想的颜色

【AI速览】TTS 语音克隆 + 音色稳定 + 长文本断句 + 数字人驱动全解目前绝大多数 AI 数字人、短视频配音、智能播报项目，看似门槛极低，实则上线后全是隐性 Bug：很多开发者只调用 TTS API 拼接音频，忽略了音色持久化、韵律建模、长文本分片策略、口型对齐联动四大工程核心。

烟雨江南785

灵声智库-招投标会议语音识别怎么做？实时转写、多人发言与会议留痕方案从评标现场音频到完整会议记录，聊清楚一套可落地的ASR方案招投标会议里的语音识别，真正有价值的不是“把一场会转成一大段文字”，而是把音频、发言人、时间戳、项目ID和最终文本对应起来，形成可检索、可回听、可追溯的会议记录。如果项目涉及内网、评标数据或敏感信息，整套ASR还需要部署在客户自己的网络环境中。

在 MCU 上跑 AI：端侧语音识别的极限压缩问题也很直接：一颗典型的 MCU（Cortex-M4F，100MHz，128KB SRAM，512KB~2MB Flash，无 NPU）要跑语音识别，看起来完全不够。这篇文章讲的就是怎么把它变得够用。

情感解说视频如何提升感染力？配音细节很关键做情感解说的人大概都有过这种困惑：文案是自己一句句磨出来的，画面也剪得很用心，可发出去就是不温不火，完播率上不去，评论区也没人破防。回头一看，问题往往不在文字，而在配音。

视频转脚本怎么处理更高效？四种工具的工作流程与适用场景分析做短视频拆解、素材整理和内容复盘时，经常需要把一段视频转换成可以编辑的脚本。视频中的口播、字幕、人物动作、镜头切换和信息顺序，都会影响最终的整理结果。

用 Ace Data Cloud 接入 OpenAI 兼容语音转文字：一份能直接运行的 API 指南会议录音整理、播客逐字稿、视频字幕、客服通话检索……这些场景的第一步通常都是把音频变成文字。Ace Data Cloud 提供与 OpenAI /v1/audio/transcriptions 兼容的语音识别接口：如果已经在用 OpenAI SDK，通常只需把 base_url 指向 Ace Data Cloud，并换成自己的 AceData Token，就可以沿用熟悉的调用方式。

支持多语种配音的短视频配音工具横向评测｜出海内容技术拆解本文从专业技术分析与深度使用两个维度，拆解 "多语种配音" 的真实能力构成，并给出中立选型方法论。文内数据来自各产品公开资料与官方说明，部分为笔者实测整理，仅供参考。

微纳代理 WN8034F 国产降噪音频方案WN8034F是一款基于带DSP增强及浮点运算的国产嵌入式CPU核CK804的高性能、高可靠性、低功耗、低成本SoC芯片，内置128K SRAM、512KBFlash，SARADC、Timers/RTC/WDT、PWM、PMU等外围设备和USB、UART、SPI、I2C、I2S、GPIO等I/O接口，采用SMIC 55nm LL工艺，48pin 4x4 LQFP封装，支持多种低功耗模式。主要面向数字语音与音频应用。

做电视剧解说视频用什么软件？配音、文案处理一次解决制作电视剧解说视频，真正耗费时间的往往不只是剪辑，还包括文案整理、台词提炼、解说稿润色、配音生成以及后期修改。如果每个环节都使用不同的软件，文案需要反复复制，音频需要来回导入，一旦发现某句话不顺畅，还得重新生成和调整，整个制作流程就会变得比较繁琐。

【说话人日志】DiariZen论文：Leveraging Self-Supervised Learning for Speaker Diarization 简称：WavLM + Conformer 局部 EEND（开源工具包 DiariZen）作者：Jiangyu Han, Federico Landini, Johan Rohdin, Anna Silnova, Mireia Diez, Lukáš Burget 单位：Brno University of Technology, Speech@FIT（BUT）出处：arXiv:

AU‑60 全功能 DSP 语音处理模组解析｜AI‑ENC/AEC/BF 一体化多接口语音前端方案前言在嵌入式对讲、会议终端、可视门铃、安防 IPC、智能工牌、楼宇门禁这类产品开发中，音频链路一直是痛点集中区：环境杂声、喇叭‑麦克风耦合回声、风噪敲击突发噪声、远场拾音差、多设备接口适配复杂。传统方案往往需要 DSP+Codec + 运放多颗器件搭建，算法调试周期长，模拟链路容易引入串扰底噪，数字与模拟设备之间兼容适配成本很高。

YEGE学AI算法

Python实现Log-Mel Fbank：分帧、加窗、FFT与Mel滤波器组语音算法工程师学习路线 · 音频基础 02本文从 16 kHz 单声道 PCM WAV 出发，使用 NumPy 实现预加重、分帧、Hamming 加窗、RFFT、功率谱、Mel 滤波器组和对数压缩，得到 80 维 Log-Mel Fbank，并说明训练端与部署端的逐层对齐方法。代码用于解释链路，不声称与 Kaldi、WeKWS 或其他前端的默认配置一致，也没有运行真实语音模型或目标设备。

VoiceStudio v0.5.6：从桌面生成到本地语音 API如果程序里需要把文字变成语音，可以把 VoiceStudio 看成一套带桌面工作区的本地语音服务：先在界面确认引擎与声音可用，再通过 HTTP 接口提交文字、取得音频。桌面负责模型管理和试听，脚本负责把这一步接进自己的流程。