AI 助理
备案控制台

语音技术

首页 标签 语音技术
# 语音技术 #
关注
6626内容
最新 热门 文章 问答 视频 电子书 课程 训练营
TsingtaoAI
|
5月前
|
博文
赛事获奖｜TsingtaoAI斩获2025常熟虞山高新区第三届创新创业大赛奖项
4月18日苏州常熟，中共常熟市委人才办、常熟市科技局和常熟虞山高新区管委会主办的2025常熟虞山高新区第三届“虞创英才”创新创业大赛成功举办，TsingtaoAI凭借“基于DeepSeek的具身智能实训”项目，从海内外上百个优质项目中脱颖而出，成功跻身赛事前五强并荣获奖项。
# 机器学习/深度学习 # 人工智能 # 自然语言处理 # 机器人 # 语音技术
Deephub
|
5月前
|
博文
|
来自： 大数据与机器学习
GenPRM：思维链+代码验证，通过生成式推理的过程奖励让大模型推理准确率显著提升
本文提出GenPRM，一种生成式过程奖励模型，通过显式Chain-of-Thought推理与代码验证提升大型语言模型性能。针对传统PRMs的局限，GenPRM结合相对进展估计和监督微调，优化推理评估精度。实验表明，GenPRM在ProcessBench及数学任务中显著优于现有方法，且可通过测试时扩展进一步增强性能。然而，该方法在计算开销和跨领域应用上仍存在局限性。
# 测试技术 # 语音技术 # 索引
阿里云云原生
|
5月前
|
博文
|
来自： 云效DevOps
“思考更长时间”而非“模型更大”是提升模型在复杂软件工程任务中表现的有效途径 | 学术研究系列
本研究成功展示了通过统一的测试时计算（TTS）扩展框架，可以显著增强个人可部署的开源 SWE Agent 的代码推理和问题解决能力。我们证明了“思考更长时间”（增加推理计算）而非“模型更大”（增加参数）是提升模型在复杂软件工程任务中表现的有效途径。这项工作为在资源受限环境下（如私有部署）使用和发展高性能 SWE Agent 开辟了新的可能性。
# AES专家服务 # 机器学习/深度学习 # 运维 # 测试技术 # 语音技术 # 开发者
小华同学ai
|
5月前
|
博文
2.7K star！这个汉字工具库让中文处理变得超简单，开发者必备！
是一个功能全面的汉字工具库，提供拼音转换、笔画动画、偏旁查询、成语接龙、语音合成等20+种实用功能。支持Web/Node.js/小程序多端运行，仅需简单API调用即可实现复杂中文处理，是教育类应用、输入法开发、游戏设计的瑞士军刀
# 前端开发 # JavaScript # API # 语音技术 # 开发者
蚝油菜花
|
5月前
|
博文
|
来自： ModelScope模型即服务
别让创意卡在工具链！MiniMax MCP Server：MiniMax 开源 MCP 服务打通多模态生成能力，视频语音图像一键全搞定
MiniMax MCP Server 是基于模型上下文协议的多模态生成中间件，支持通过文本指令调用视频生成、图像创作、语音合成及声音克隆等能力，兼容主流客户端实现跨平台调用，采用检索增强生成技术保障内容准确性。
# 图像识别 # 人工智能 # 中间件 # API # 语音技术 # 开发者
蚝油菜花
|
5月前
|
博文
|
来自： ModelScope模型即服务
开源学习神器把2小时网课压成5分钟脑图！BiliNote：一键转录哔哩哔哩视频，生成结构化学习文档
本文介绍基于FastAPI与React构建的开源视频笔记工具BiliNote，其整合多模态AI技术实现视频内容结构化解析，支持跨平台视频源处理与本地化部署方案，提供从语音转写到智能摘要的全流程自动化能力。
# 图像识别 # 人工智能 # 前端开发 # 语音技术 # Docker # 容器
sysin
|
5月前
|
博文
Cisco NX-OS Software Release 9.3(15) - 数据中心网络操作系统
Cisco NX-OS Software Release 9.3(15) - 数据中心网络操作系统
# Devops # API # 语音技术 # 数据中心 # 数据安全/隐私保护
蚝油菜花
|
5月前
|
博文
|
来自： ModelScope模型即服务
覆盖16省方言的老人语音数据集！SeniorTalk：智源研究院开源全球首个超高龄老年人中文语音数据集
SeniorTalk是由智源研究院与南开大学联合推出的全球首个中文超高龄老年人对话语音数据集，包含202位75岁及以上老年人的55.53小时语音数据，涵盖16个省市的不同地域口音。
# 智能语音交互 # 数据采集 # 人工智能 # 数据处理 # 语音技术 # 智能硬件
蚝油菜花
|
5月前
|
博文
|
来自： ModelScope模型即服务
AI终于能听懂宝宝说话了！ChildMandarin：智源研究院开源的低幼儿童中文语音数据集，覆盖22省方言
ChildMandarin是由智源研究院与南开大学联合推出的开源语音数据集，包含41.25小时3-5岁儿童普通话语音数据，覆盖中国22个省级行政区，为儿童语音识别和语言发展研究提供高质量数据支持。
# 智能语音交互 # 数据采集 # 人工智能 # 自然语言处理 # 安全 # 语音技术
蚝油菜花
|
5月前
|
博文
|
来自： ModelScope模型即服务
ACTalker：港科大联合腾讯清华推出，多模态驱动的说话人视频生成神器
ACTalker是由香港科技大学联合腾讯、清华大学研发的端到端视频扩散框架，采用并行Mamba结构和多信号控制技术，能生成高度逼真的说话人头部视频。
# 视觉智能开放平台 # 人工智能 # 语音技术
免费试用