语音识别

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。

手写一个 LPC 语音 Codec：从一帧真实音频看编码到解码的全过程关键词：LPC、线性预测、Levinson-Durbin、Yule-Walker、反射系数、全极点合成、有损压缩适用读者：想真正"算一遍"搞清楚 LPC 怎么工作的同学 / 工程师 / 教程作者

黑妹天下第一乖

第 10 讲：阿加犀 AidVoice 端侧语音交互与语音识别实战本篇速览第 9 讲结尾我们留了个话头：到目前，这套系统的"看"（AidCV/AidStream 的视觉）和"想"（AidLite 推理、AidGen 大模型）已经跑通，连跨系统的"神经网络"（AidConnect）也打通了。但回想一下人和人打交道最自然的方式——不是看，也不是打字，而是说话。对一个要摆在真实场景里的端侧产品，“能听懂人话、能开口回答"往往是最低门槛的交互：产线工人戴着手套不方便点屏幕、车载场景不能低头看手机、老人孩子更习惯张口就问。这一讲，我们就给系统装上"耳朵和嘴巴”。

zhizhizhuzhuxia

电视剧解说配音怎么选工具，从情绪表现到长文本稳定性的一次实测梳理做电视剧解说的朋友最近问得最多的一件事，就是配音到底该用什么工具。电视剧解说和普通口播不一样，稿子动辄两三千字，还要有讲故事的劲儿，角色对话一多还得区分音色。很多工具念新闻稿还行，一碰长剧本就容易平、容易断错句。这篇把挑工具的逻辑拆开讲，顺手拿几款常见工具做了对比。

库拉镜像AI牛牛

短剧内容自动化生产：知漫剧工作室落地教程有单产能跟不上是普遍现象：分镜在一个软件、画面在另一个、配音字幕还要来回导，一条片的工时大半花在文件搬运上。批量接单更致命——文件名混乱、序号错位、版本对不上，返工直接吃掉利润。卡产能的不是创作能力，是链路。

库拉镜像AI牛牛

漫剧工作室量产方案：依托知漫剧 AI 短剧降本增效接单制工作室的困境高度一致：跨五六个软件反复导文件，一部 10 集短剧近 40% 工时耗在转格式、整理素材上；批量导出后文件名混乱、序号错位，交付打包全靠人工核对；中途改一版角色设定，前面素材又要重排。量产卡住的地方从来不是创作，是文件管理和链路衔接。评测中被提及的这款工具，正是冲着这两个点来的。

Jusshen zhzzneng《具身智能》词条汉语拼音字母标调拼写实测案例此文基于这项规则汉语拼音字母标调Jusshen zhzznengJusshen zhzzneng (embodied intelligence) s rengong zhzzneng yux jiqigrenxue jiochap d qanyanlt lingyug, qangdio zhzznengti tongos shenti yux huanljngr d dontais jiohuz shlxan ziczhu xuexil h jnhoa, qil hethxn zaiyu jang ga

Xinxngb xnrxim chanyes《新兴信息产业》词条汉语拼音字母标调拼写实测案例此文基于这项规则汉语拼音字母标调规则Xinxngb xnrxim chanyesXinxngb xnrxim chanyes s xin yidai xnrxim jizshuc chanyes d tonxchengp, yu 2010 nian bei liewei Zhongo qif da zhanzluexing xinxngb chanyes zhp yi. Qil handgair xayidai tonxnr wangxluo, wgliankwangx, sanwangx ronghe

信创电话助手录音盒多路设备配置教程如果你是通过官方软件直接操作设备的，步骤很简单：打开软件，点击菜单帮助 → 关于本软件；系统会弹出设备接线图窗口，在窗口右下角找到属性项「最多设备数」；

文本转语音(TTS)技术选型与工程实践在短视频、有声读物、课件制作等场景中，文本转语音（Text-to-Speech, TTS）已经成为核心能力之一。本文从技术实现角度，对当前主流的TTS方案进行对比分析，并给出工程选型建议。

小蒋观天下

两轮车检测AI摄像头：场景分化下的行业竞争与卡位机遇两轮车检测AI摄像头行业已彻底告别全域普涨时代，迈入场景分化、结构为王的精细化竞争阶段。行业整体增速趋于平稳，各细分赛道在政策力度、落地需求、盈利水平上持续分化，结构性红利取代普适性红利，成为行业核心增长逻辑。企业竞争不再依赖硬件铺货与低价走量，而是聚焦场景适配、算法优化与定制化服务能力，精准卡位优质赛道成为突围关键。

视频转脚本技术拆解：语音识别与文本处理流程做短视频素材整理时，经常会遇到一个比较实际的问题：手里已经有一段视频，但真正需要的不是视频本身，而是里面的台词、字幕、时间节点以及完整表达逻辑。

时空节拍AI数字人

“人工智能+文旅“政策密集出台，景区该怎么接？从申报到落地：一份给景区管理方的务实参考进入 2026 年，与文旅相关的智能化政策密集出台：多部门联合发文推动"人工智能+消费"，文旅主管部门推进智慧旅游示范区与标杆项目，多个省份也陆续发布了三年行动方案。对景区管理方来说，问题已经从"要不要做"变成"怎么接住"——钱从哪来、从哪个点切入、建成后怎么验收、会不会变成新的闲置资产。这篇就按落地顺序，把这件事讲清楚。

AU60双麦波束成形硬件设计实操：选麦、接线、避坑波束成形不是算法调一调就行，硬件端的麦克风选型、间距、布线直接决定最终效果。这篇基于 AU-60 模组，把双麦波束成形硬件设计的关键环节走一遍。

Rengong zhzzneng 《人工智能》词条汉语拼音字母标调拼写实测案例Rengong zhzznengRengong zhzzneng (Artificial Intelligence, sofxie AI) s yandjiou kaifa yonyu moknij, yanlcshenm h kozhanj ren d zhzzneng d lixlun, fangfax, jizshuc jil yingyon xirtonx d yi menl xin jizshuc kefxue, s jicsuanji kefxue d yi g fenzhf. Tap qix

糖糖单片机设计

基于STM32的指纹刷卡智能门禁系统设计（RC522 + AS608 + 蓝牙远程开锁 + 断电记忆）一把机械锁，钥匙丢了要换锁、被复制了防不住、租客退租还得换芯。本文带来一套基于 STM32F103C8T6 的多方式智能门禁系统：刷卡（RC522）、指纹（AS608）、密码（矩阵键盘）三种本地开锁方式任选其一，手机蓝牙（JDY-31）还能远程开锁；密码输错蜂鸣器即刻报警；所有指纹、卡片、密码数据写入 AT24C02 EEPROM，断电也不丢失。住宅、办公室、公共场所的门禁管理需求，一套系统全兜住。

换个角度看PCSwitch：一套呼叫系统的成本结构和安全设计上一篇聊了PCSwitch的功能设计，这次从两个更底层的视角切进去：这套系统为什么能便宜，以及便宜的系统安全吗。呼叫中心选型时，这两个问题往往比“有什么功能”更关键。

VoiceStudio 多场景语音应用落地指南在内容创作和交互体验日益丰富的今天，声音的价值被重新定义。无论是电商直播中需要即时回应观众提问，还是在线教育里追求个性化的口语陪练，传统的录音棚模式往往显得笨重且成本高昂。许多开发者和产品负责人都面临着一个共同的痛点：如何在不牺牲音质和情感表达的前提下，实现语音内容的大规模、实时化生产？这不仅仅是技术选型的问题，更关乎用户体验的流畅度与业务落地的可行性。

AI语音软件适配麒麟V10：从环境检查到业务验证最近在整理一项AI软件适配工作时，看到一份麒麟软件适配认证。对应银河麒麟桌面操作系统V10的海光版、兆芯版和AMD64版。