语音识别

成都旺小宝科技

首访决策人没来，AI一客一策两天成交！先说一个正在发生的变化：现房时代，客户的决策链比过去长得多。期房时代看沙盘和效果图，"以后住进来什么样"靠想象，链条相对短。现在房子摆在眼前，要比的东西一下多了——楼层、采光、楼间距、公区、物业。"对比三五个盘、来回看两三个月"，成了案场常态。

对话录音质检系统的工程实践：从语音识别到LLM判定的误差控制摘要：把"一段多人对话录音"变成"带证据、可复核的质检结论"，链路上至少有五个环节会引入误差。本文按数据流顺序拆解每一环的关键设计与取舍，重点讨论误差如何传递，以及怎样让最终结论可审计。

时空节拍AI数字人

AI 数字人技术架构拆解：从形象克隆到实时驱动的 5 层链路数字人系统看起来是"一张会说话的脸"，工程上其实是五层链路的组合。本文按数据流拆一遍，方便做技术选型。

玩客云部署EasyVoice实战：HiNas、Docker、ARMv7、9001与固定地址访问(1)手里有大量小说、长文或视频旁白素材时，真正麻烦的往往不是“有没有TTS”，而是在线工具的字数、时长和操作方式不适合长期使用。尤其是几十万字甚至更长的文本，如果每次都要拆段、上传、等待，再手动合并，做一本有声书会非常折腾。

元岳数字人小元

一台终端兼顾接待与咨询，AI数字人对话赋能线下多场景服务线下空间的智能升级，往往会面临施工复杂、部署周期长、运维门槛高等难题。AI数字人一体机将算力单元、显示屏幕、语音采集模块、数字人渲染引擎整合为一体，把AI数字人对话能力封装在整机之中，不用单独搭建服务器、不用复杂的环境调试，通电部署即可实现语音问答、迎宾讲解、自助查询等功能，成为展厅、政务大厅、文旅场馆轻量化智能化改造的优选。有更高安全管控需求，可搭配数字人私有化部署方案；想要深度改造交互逻辑，也可基于数字人源码交付方案做二次开发。

喇叭麦克风贴一起也不怕回音！KL‑2510 语音处理模组，一站式搞定降噪 + AEC 全双工通话做对讲、门禁、会议、IPC 可视门铃的小伙伴大概率踩过音频大坑：喇叭和 MIC 距离近就疯狂回声啸叫；风扇、空调、风噪、敲击噪声混进录音；Windows / 安卓 / Linux 下驱动折腾半天；模拟麦、数字麦、USB 接口来回适配，音频电路 BOM 越堆越多，调试几星期音质依旧拉胯。

做短视频配音，想找操作简单、效果好的 AI 配音软件，有哪些可选？先简单说清楚 AI 配音背后的技术，有助于客观判断“效果好”到底指什么。当前主流的文字转语音（TTS）大多基于神经网络语音合成（Neural TTS）：模型先对输入文本做语言学分析，包括分词、多音字消歧、韵律与停顿预测，再生成语音波形。再往前一步的“声音克隆”，是用几秒真人样本训练出一个对应声线的合成模型，后续输入文字即可按该声线朗读。

是店小二呀

想用自己的音色给视频配音？我用Index-TTS跑通参考音频、语音生成和远程访问声音克隆真正让我觉得有意思的，不是“像不像某个人”这一件事，而是只准备一段参考音频，就能让本地TTS按这个音色去读新的文本。对做视频配音、有声内容、角色语音的人来说，这比每次重新录一遍更灵活。

Jicsuanji shzjue《计算机视觉》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Jicsuanji shzjueJicsuanji shzjue s yi menl yandjiou ruhet shx jiqig "kan" d kefxue, geng jnyibuz d sho, jiush shzhh yon shezzynghji h dianznao daitis renyan dui muzbiao jnxng shtbie genzonb h cezliangr deng jiqig shzjue, bng jnyibuz zuo

融合通信调度录音的困局：基于 MediaX 网关实现对讲语音 AI 事件萃取我们在做矿山、应急指挥、大型园区这类专网调度项目时，对讲录音几乎是必上的模块。在项目验收阶段，客户通常会要求提供完整留存所有对讲通话的音频，用于安全审计、事故回溯。现实是很多集成商在做完部署交付之后，都会遇到一个共性难题：录音文件是保存好了，但这套录音体系很难真正投入给业务使用。

2026年大模型语音机器人知识库导入与调优全指南：从切分到重排序的7个关键步骤摘要：部署大模型语音机器人，知识库质量直接决定对话效果。本文从问题诊断出发，按数据层、检索层、生成层、语音层、评测层分层拆解知识库导入与调优方法，提供可运行代码、完整依赖、实测性能数据、成本分析及四段式FAQ，帮助技术人员解决“导入后回答偏差大”的核心问题。关键词：大模型语音机器人、知识库导入、知识库调优、RAG、向量检索、ASR纠错、TTS适配、混合检索、Cross-Encoder

大模型语音机器人ASR识别不准，怎么优化？2026系统化优化指南ASR识别错误会导致机器人理解客户问题出错，很多团队上线后遇到识别率低的难题。本文整理ASR识别优化的技术方案，并给出一套可落地的优先级路线。

基于昇腾 910B NPU 部署 SenseVoiceSmall 语音识别服务本文记录在昇腾（Ascend）NPU 环境下，基于 Docker 部署 SenseVoiceSmall 语音识别模型的完整过程，包括 HTTP 接口服务启动、WebSocket 流式服务部署及测试。

O。O蛋黄酥啊

实时语音 Agent 开发完全指南：从 ASR/TTS 到 WebRTC/VAD 的链路拆解想让 AI 像真人一样和你对话？从麦克风采集到语音回复，中间藏着一条「毫秒级」的生死链路：ASR 听懂、LLM 思考、TTS 开口，还要在嘈杂环境里精准打断、抢话、防回声。本文一次性拆透 PCM/WAV、WebSocket/WebRTC、VAD、实时语音大模型与 Agent 架构，附关键指标与选型建议，助你快速上手实时语音开发。

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。