# 智能语音交互 #
1
关注
2665内容
一套基本的具身智能技术流程是如何实现的
Embodied Intelligence作为一种将感知、决策与执行相结合的前沿技术，正在引领机器人技术迈向新的高度。具身智能不仅要求机器人具备理解和处理复杂环境的能力，还需赋予其自主决策和执行任务的能力。本文将深入探讨如何将LLM和多模态大模型与机器人技术相结合，构建一套完整的具身智能技术流程。本文参考了同济子豪兄的部分工作，TsingtaoAI团队对整体构建做了一部分拓展和延伸。
前端开发实战：利用Web Speech API之speechSynthesis实现文字转语音功能
前端开发实战：利用Web Speech API之speechSynthesis实现文字转语音功能
三行代码实现实时语音转文本，支持自动断句和语音唤醒，用 RealtimeSTT 轻松创建高效语音 AI 助手
RealtimeSTT 是一款开源的实时语音转文本库，支持低延迟应用，具备语音活动检测、唤醒词激活等功能，适用于语音助手、实时字幕等场景。
SpeechGPT 2.0：复旦大学开源端到端 AI 实时语音交互模型，实现 200ms 以内延迟的实时交互
SpeechGPT 2.0 是复旦大学 OpenMOSS 团队推出的端到端实时语音交互模型，具备拟人口语化表达、低延迟响应和多情感控制等功能。
Text to Bark：让狗狗听懂人话！全球首个AI"狗语"生成器，137种狗狗口音任君挑选
ElevenLabs推出的Text to Bark是全球首个能将文本转换为逼真狗吠声的AI模型，支持多种犬种选择并适配智能家居设备，其核心技术基于深度神经网络训练。
SenseVoice实现语音转文字
这篇文章介绍了如何使用SenseVoice实现语音转文字的功能，包括通过Docker部署服务、使用网页界面或API进行语音文件的转换，并提供了详细的部署与使用步骤。
|
【人工智能】传统语音识别算法概述，应用场景，项目实践及案例分析，附带代码示例
传统语音识别算法是将语音信号转化为文本形式的技术，它主要基于模式识别理论和数学统计学方法。以下是传统语音识别算法的基本概述
阿里云百炼xWaytoAGI共学课DAY3 - 更热门的多模态交互案例带练，实操掌握AI应用开发
本文章旨在帮助读者了解并掌握大模型多模态技术的实际应用，特别是如何构建基于多模态的实用场景。文档通过几个具体的多模态应用场景，如拍立淘、探一下和诗歌相机，展示了这些技术在日常生活中的应用潜力。
百聆：集成Deepseek API及语音技术的开源AI语音对话助手，实时交互延迟低至800ms
百聆是一款开源的AI语音对话助手，结合ASR、VAD、LLM和TTS技术，提供低延迟、高质量的语音对话体验，适用于边缘设备和低资源环境。
免费试用