语音识别

不脱发的程序猿2 天前
嵌入式硬件·物联网·esp32·语音识别
ESP32制作加热杯垫如果杯子已经放在桌面上,我看这块杯垫时最先想到的不是电热膜能不能发热。我更关心几个动作能不能接在同一条状态链里。温度、时间、输入和语音提醒只要有一个环节脱开,使用起来就会像几个互不相干的小功能。
我就是全世界6 天前
人工智能·语音识别
【轻AI越影视觉开发板】local_voice_process 语音功能模块教程——从音频采集到本地语音识别、多模态视觉交互与 ESP32-S31 硬核对比摘要:本文基于上海海思轻AI越影解决方案的 【轻AI越影视觉开发板】,从零带你完成开箱组装、多仓 SDK 环境搭建、官方 local_voice_process 全双工语音模块源码剖析与上板实测。在此基础上,我更进一步将自研的边端实时语音助手(edge_voice_assistant)与 LVGL Siri 式流体动效、1080p 摄像头实时视觉理解(VLM) 完整移植到轻AI越影视觉开发板上,并给出了与乐鑫 ESP32-S31-Korvo-1 在同一云端、同一协议下的 27 轮端到端延迟、硬件 VQE
Hello_Pyhx10 天前
音频·语音识别·科龙
VoiceStudio v0.5.7 上手:运行环境、模型安装与故障定位VoiceStudio 的安装完成与语音生成成功,中间隔着运行环境、模型文件和实际推理三个环节。本文按这条链路介绍 v0.5.7:先确认机器能运行哪一条后端,再准备模型,最后用短文本检查结果。使用官方预编译包即可开始,不需要先从源码编译 Electron。
dyxal13 天前
人工智能·开源·语音识别
FireRedVAD 深度解析:小红书开源的工业级语音活动检测“小钢炮”关键词:FireRedVAD、语音活动检测、VAD、DFSMN、流式推理、Silero-VAD无论 ASR 模型变得多强大,VAD(语音活动检测)始终是语音流水线的第一道关口。它的任务只有一个:判断“这段音频里有没有人说话” ,并把语音片段切出来,把静音和噪音扔掉。
路上有只喵15 天前
人工智能·语音识别
认识元器件 · 单片机(MCU/MPU/SOC) · 实战篇9先看时钟,参考ST微控制器振荡器电路设计指南 AN2867 应用笔记https://www.st.com/resource/en/application_note/cd00221665-oscillator-design-guide-for-stm8af-al-s-stm32-mcus-and-mpus-stmicroelectronics.pdf
akinggw15 天前
c++·交互·语音识别
libsherpacore - 基于 sherpa-onnx 的 C++ 语音交互静态库基于 sherpa-onnx 的 C++ 语音交互静态库,封装 ASR(语音识别)、KWS(关键词唤醒)、VAD(人声检测)、TTS(语音合成)四大功能,提供统一的唤醒→识别→合成交互流程。
天空'之城16 天前
毕业设计·esp32·智能家居·语音识别·离线控制
004基于语音识别的智能家居本地控制系统目录一、这个毕设是干什么的?二、它解决什么问题?三、核心功能?四、用到哪些技术?五、系统是怎么工作的?
糖糖单片机设计16 天前
stm32·单片机·嵌入式硬件·51单片机·语音识别
基于 STM32 + LU-ASR01 的智能台灯智能台灯的"智能"两字,最容易做歪——要么只能手机控制、要么只能语音、要么只会按环境光开关一台灯。真正的智能台灯应该把语音、APP、自动感光、人体感应、手动开关五个维度串到一起:说一句"开灯"就能亮、走到桌前自动开、离开自动关、光线够强自动关、APP 还能远程看一下状态。
沐梯子16 天前
人工智能·语音识别·xcode
MOSS-Transcribe-Diarize 和豆包语音识别哪个好?多人会议录音转写的准确率与说话人归属对比会议录音转成文字后,整理纪要的人常碰到一种情况:字都转对了,发言人却记错了。不少国内团队会先考虑火山引擎的豆包语音识别模型;另一个选择是 MOSS-Transcribe-Diarize(MOSS 多说话人语音转录模型),这是模思智能与 OpenMOSS 研发的端到端模型,能在一次生成里给出文字、说话人编号和时间戳。只看文字,MOSS-Transcribe-Diarize 0.9B 小幅领先;把说话人归属算进去,它的领先就很明显了,更适合多人会议纪要。
自养Agent17 天前
人工智能·大模型·llm·音视频·语音识别
AI 私有化实战:多模态本地化·视觉与音频怎么装下这是《AI 私有化实战:把模型跑在你自己的机器上》第 10 讲。前九讲的输入输出都是文本。真实系统里还有截图、语音、图表、发票照片——「多模态」就是给本地栈补上这一块。
送外卖的工程师18 天前
人工智能·语音识别
STM32图书馆环境监测系统(机智云)STM32图书馆环境监测系统(机智云)一、功能介绍: 1)环境采集:采集环境温湿度、光照强度、烟雾浓度、噪声大小、刷卡信息 2)显示功能:屏幕显示温湿度、光照强度、烟雾浓度、噪声大小、到场人数 3)模式切换:通过按键可以切换手动模式和自动模式 4)自动模式:温度超过温度上限时开启风扇降温;温度小于温度下限时开启加热片加热;光照小于光照阈值时开启照明灯,烟雾浓度超过阈值时蜂鸣器报警提醒;噪声音量超过阈值时语音播报“请保持安静”;每次有NFC卡片刷入的时候舵机往返旋转一次(代表开关门),且到场人数加1 5)手
万岳软件开发小城19 天前
人工智能·自动化·语音识别·ai数字人小程序·ai数字人系统源码·ai数字人软件开发·ai数字人平台开发
AI数字人系统源码如何实现批量视频生成?任务队列与自动化生产流程解析随着AI数字人技术逐渐成熟,越来越多的企业开始尝试将数字人应用于产品宣传、知识科普、短视频营销和企业培训等场景。相比传统视频制作方式,AI数字人可以减少真人出镜、反复录制和后期剪辑等环节的工作量。
hey you~20 天前
人工智能·机器人·语音识别·意图识别·语音机器人·转人工·nlu安全
医疗器械门店语音机器人,产品咨询来电,怎么限制回答医疗诊断类内容?医疗器械行业有严格规范,语音机器人严禁给出诊断相关答复。技术人员需要配置内容拦截规则,一旦识别诊断类提问,自动拒绝回答并转人工。本文不复述方法论,直接给工程实现:完整的规则配置YAML、可运行的Python拦截代码、意图分类模型的训练脚本与评估指标、测试集构建方法、灰度发布方案和监控告警配置。以某医疗器械连锁门店(约60家门店,二类器械为主)的改造过程为底稿,附两次漏拦截和一次误拦截的完整复盘。适合需要直接落地诊断拦截方案的工程师参考。
smartpi_ai20 天前
人工智能·单片机·语音识别
高端智能沙发如何接入大模型语音:JL-17T 离在线语音模块方案实录title: 高端智能沙发如何接入大模型语音:JL-17T 离在线语音模块方案实录 keywords:
2401_8858850421 天前
android·前端·网络·python·语音识别
巴林语音通知接口如何对接?系统告警语音API接入教程出海中东市场的企业级系统中,服务器异常、业务告警、账户安全验证等场景对通知时效性要求较高,语音通知凭借强触达属性成为告警链路中的关键一环。很多开发者在对接过程中容易遇到号码格式不规范、鉴权逻辑出错、异常状态码定位困难等问题。本文系统讲解巴林语音通知接口的完整接入流程,从底层机制、代码实踩到故障排查,帮助前后端、全栈开发者快速完成系统告警语音API的落地集成。
shxjnpl21 天前
人工智能·语音识别·实时音视频
从 WenetSpeech-Yue 到 SenseVoice:如何通过专项微调提升粤语语音识别效果?在语音识别领域,通用多语言模型已经能够支持越来越多的语言和方言。SenseVoice、Whisper、Qwen3-ASR 等模型都具备粤语识别能力,开发者也可以通过开源框架快速搭建本地语音转写服务。
镭封21 天前
人工智能·智能手机·音视频·语音识别·媒体
从视频文案提取到 AI 配音,短视频制作需要哪些工具?现在短视频、AI 短剧的生产链路越来越连贯,很多创作者的流程都是:拿到参考素材→扒取文案→打磨剧本→校对内容→配音生成→剪辑成片。不少新手容易踩坑:工具挑得杂乱,来回复制粘贴文稿,反复导出导入,浪费大量时间。
2601_9556624621 天前
大数据·人工智能·音视频·语音识别·媒体
搞笑视频配音怎么做?如何选择有辨识度的声音搞笑视频能不能让人记住,画面和段子固然重要,声音也很关键。同样一个笑点,用平淡的语气讲出来可能没什么感觉,换成一本正经的旁白、夸张的角色声音,或者恰到好处的反差表达,效果就可能完全不同。
镭封21 天前
人工智能·小程序·音视频·语音识别·媒体
自媒体内容生产怎么提速?文案整理、配音与剪辑流程做自媒体,真正消耗时间的往往不只是写文案,而是从选题、整理素材、生成配音到剪辑成片的整套流程。尤其是影视解说、短剧推广、知识科普和情感口播类账号,如果每条视频都从头开始处理,很容易出现文案改了好几遍、配音反复生成、剪辑不断返工的情况。