语音识别

烟雨江南785

离线语音识别在无网、断网环境下，如何稳定运行？技术专题 / 企业级 AI 基础设施从本地推理、缓存队列到断点续传，解释工业、政务和涉密场景的离线 ASR 工程

烟雨江南785

离线语音识别怎么部署？——灵声智库离线 ASR、批量录音转写、CPU/GPU 与私有化部署实践北京宜天信达技术委员会 · 灵声智库｜离线语音识别、离线部署、批量转写与本地私有化ASR技术长文图 1 离线语音识别、历史录音批处理与本地化部署场景

多人发言自动区分的录音转文字APP：AI发言人识别实测实际办公场景里，不少人都遇到过这类问题：开完整场跨部门对齐会，录了一个半小时的音，转成文字后所有内容混在一起，分不清哪条需求是谁提的，哪项任务是派给谁的，要核对只能反复拉进度条重听，整理时间比开会还长。

如何提升中文语音识别准确率？Speech Seaco Paraformer热词设置详细步骤你有没有遇到过这样的情况：会议录音里反复出现“Paraformer”“FunASR”“科哥”这些词，但识别结果却变成了“怕拉佛玛”“饭阿斯”“可歌”？这不是模型不行，而是它没被“重点提醒”——就像老师点名时喊“张三”，如果全班有十个张三，不加说明就容易叫错人。

牛哇网络工作室

UnityHDRP写实数字人全流程基础5—语音输入和语音识别UnityHDRP写实数字人全流程基础课—前言 UnityHDRP写实数字人全流程基础课0—前期准备 UnityHDRP写实数字人全流程基础课1—创建AIAgent UnityHDRP写实数字人全流程基础课2—AIAgent连接和文本输出 UnityHDRP写实数字人全流程基础课3—查看智能体配置 UnityHDRP写实数字人全流程基础课4—语音输出 UnityHDRP写实数字人全流程基础课5—语音输入和语音识别 UnityHDRP写实数字人全流程基础课6—UI自适应与美化 UnityHDRP写实数字人全

【花雕动手做】行空板 K10 系列实验之人工智能语音识别小车的10个参考案例行空板K10是一款专为快速体验物联网和学习人工智能而设计的开发学习板，100%采用国产芯片，知识产权自主可控，符合信息科技课程中编程学习、物联网及人工智能等教学需求。该板集成2.8寸LCD彩屏、WiFi蓝牙、摄像头、麦克风、扬声器、RGB指示灯、多种传感器及丰富的扩展接口。凭借高度集成的板载资源，教学过程中无需额外连接其他设备，便可轻松实现传感器控制、物联网应用以及人脸识别、语音识别、语音合成等AI人工智能项目。

iPhone日历查看会议纪要APP推荐：按日期查找历史录音更方便上周三找第三季度需求评审的会议纪要，折腾了我快半小时。当时把转写存在钉盘的项目文件夹里，记不清具体归到哪个子目录，翻了五六个同名的“需求评审纪要.docx”，打开每个都要加载十几秒，最后还是在聊天记录里翻到当时发的文件才找到。

FunASR 语音识别本地部署实录（下）：34 分钟录音实测，踩过的坑、上线前要补的事服务能 curl 通只是开始。一段 63MB、34 分钟的双轨录音丢进去，才是真考验。上一篇把服务搭起来了，这篇拿一段真实录音压测。过程里先撞了 413，又看着 RTF 从 0.24 一路涨到 2.72，顺手把上线前要补的事列了张清单。文里所有数字都是我自己这台 Mac 上跑出来的，换台机器会有出入，但量级和结论大差不差。

烟雨江南785

国产化语音识别如何落地？——灵声智库国产 CPU/OS、GPU/NPU、流式转写与离线私有化部署实践北京宜天信达技术委员会 · 灵声智库｜国产化语音识别、本地化ASR、离线部署与私有化部署技术长文图 1 国产 CPU、操作系统与本地私有化语音识别部署场景

民乐团扒谱机

【微实验】倒谱算法（Cepstrum）深度解析：原理、数学推导与代码实现人声的产生可以被建模为激励源-滤波器结构。声带振动产生准周期的脉冲序列，这是激励源，决定了基频 f 0 f_0 f0。这个脉冲序列经过声道（咽喉、口腔、鼻腔构成的共鸣腔）时，声道会对不同频率分量施加不同的增益，形成若干个共振峰 F 1 , F 2 , F 3 . . . F_1, F_2, F_3... F1,F2,F3...。

Vue3 还原一个企业级后台-11-Mock数据策略原型好不好用，70% 取决于 Mock 数据的真实度。前面三篇业务模块的文章里我贴的截图，列表里那些"管网泄漏检测"、“压力监测分析”、“流量预测模型”，名字不重复、时间有分布、状态有逻辑——不是因为我一口气写了 75 条手写数据，而是用了 mockjs。本文把这个"让假数据看起来像真的"的策略完整拆开。

民乐团扒谱机

【微实验】谐波乘积谱（HPS）算法深度解析：原理、数学与代码实现数字音频的频谱分析通常依赖 FFT（快速傅里叶变换）。理想情况下，一个音符的频谱在基频 f 0 f_0 f0 处有最高峰，在其整数倍 2 f 0 , 3 f 0 , 4 f 0 . . . 2f_0, 3f_0, 4f_0... 2f0,3f0,4f0... 处有逐渐衰减的泛音峰。检测 f 0 f_0 f0 最朴素的方法就是"找最大峰"。

PDF 表格翻译后总是错位？参数表、测试数据和跨页表格处理方法摘要：PDF 中看起来完整的表格，在文件内部可能只是按照坐标摆放的文字与线条。翻译后文字长度变化，就可能出现表头错列、合并单元格拆散、单位丢失和跨页续表难以识别。本文聚焦表格专项问题，给出从样本测试到数字复核的处理与验收方法。

烟雨江南785

大型展会和行业活动如何做实时字幕？——灵声智库多会场流式 ASR、统一转写与内容沉淀实践北京宜天信达技术委员会 · 灵声智库｜展会实时字幕、多会场并发转写与大型活动流式ASR技术长文图 1 大型展会、主论坛、分论坛和发布活动实时字幕场景

烟雨江南785

医院门诊医患沟通如何实时转写？——灵声智库流式 ASR、医学术语与双角色记录实践北京宜天信达技术委员会 · 灵声智库｜医院门诊实时转写、医患沟通语音识别与院内私有化ASR技术长文图 1 医院门诊和远程问诊医患沟通实时语音转写场景

系统安全隐患全方位排查方案：标准化渗透测试全流程数字化转型纵深推进下，政企信息系统、业务平台、内网架构持续迭代升级，网络攻击手段也随之朝着隐蔽化、精准化、产业化方向演变。多数企业依托基础防火墙、终端防护、入侵检测等常规安全设备搭建防护体系，但静态化、被动式的防护模式，无法抵御动态化、多样化的网络入侵。在专业攻击视角下，系统配置漏洞、业务逻辑缺陷、权限管控疏漏、数据传输隐患等各类安全短板，都会成为非法入侵的核心突破口。

2026飞书妙记与通义听悟会议录音转写工具实测横评作为经常跟各种会议打交道的项目经理，我经常被问到：“飞书妙记和通义听悟哪个好用？”**直接给实测结论：如果你深度依赖飞书生态，飞书妙记在团队协同上最顺手；如果你需要便捷的网页端智能摘要，通义听悟能满足大部分常规需求。但如果你追求全平台覆盖、专业的本地降噪剪辑，以及生成可直接交付的会议纪要和思维脑图，那么“随身鹿”无疑是目前综合体验更优的效能之选。**

Whisper + VAD + TTS：一套完整的 Python 本地语音处理流水线在 AI 应用里，语音交互正在从“锦上添花”变成“标配功能”。但很多教程一上来就推付费 API 或者重量级框架，让想自己动手的人望而却步。

怪奇云呼军

从声音特征到 CRM 回流：闪电智能 Voice Agent 沟通策略自适应系统 v1 实战一条事件日志看起来很普通：用户说“直接告诉我物流到哪了”，系统给了简短回答，CRM 里也有一个工单编号。真正排查时却发现，日志没有说明这次简短回答来自用户明确要求、模型推测，还是某个旧策略残留；CRM 编号也只是被写进了上下文，并不能证明外部工单真的创建成功。

Vue3 还原一个企业级后台-06-主布局设计后台系统的"骨架"搭得好不好，决定了未来 10 个页面的开发效率。脚手架把房子盖起来了，现在该砌墙和装门了——主布局就是这堵墙和这扇门。