# 智能语音交互 #
1
关注
2665内容
CosyVoice 2.0：阿里开源升级版语音生成大模型，支持多语言和跨语言语音合成，提升发音和音色等的准确性
CosyVoice 2.0 是阿里巴巴通义实验室推出的语音生成大模型升级版，通过有限标量量化技术和块感知因果流匹配模型，显著提升了发音准确性、音色一致性和音质，支持多语言和流式推理，适合实时语音合成场景。
自动生成+语音转写，办公必备！2025年智能会议纪要10＋工具！
在当今快节奏的商业环境中，会议已成为组织沟通和决策的核心环节。然而，低效的会议管理往往导致时间浪费和信息丢失。会议纪要工具通过语音识别、智能摘要等技术，实现会议内容自动记录与结构化整理，提升会议效率与信息留存，助力企业优化知识管理与团队协作。不仅简化了传统手工记录的过程，更通过人工智能、自然语言处理等先进技术，实现了会议内容的自动捕捉、智能分析和结构化整理。这类工具已成为现代企业提升生产力、优化知识管理的重要基础设施，帮助团队从繁琐的会议记录工作中解放出来，将更多精力投入。
|
【深度学习】深度学习基本概念、工作原理及实际应用案例
深度学习是一种机器学习方法，它试图模拟人脑中的神经网络结构，以解决复杂的问题。深度学习的核心在于构建多层非线性处理单元（即神经元）的网络结构，这些网络可以从原始数据中自动提取特征并进行学习。
简介阿里云大模型的基本概况和产品矩阵
阿里云在大模型领域深入研究，推出了通义千问、通义万相、通义听悟等产品，涵盖自然语言处理、图像生成、语音识别等多个方面，同时提供行业专属模型和MaaS平台，致力于为企业和个人用户提供高效、智能的服务。
Spring Boot 接入大模型实战：通义千问赋能智能应用快速构建
【10月更文挑战第23天】在人工智能（AI）技术飞速发展的今天，大模型如通义千问（阿里云推出的生成式对话引擎）等已成为推动智能应用创新的重要力量。然而，对于许多开发者而言，如何高效、便捷地接入这些大模型并构建出功能丰富的智能应用仍是一个挑战。
探索深度学习中的Transformer模型：原理、优势与应用
探索深度学习中的Transformer模型：原理、优势与应用
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。
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。
WhisperChain：开源 AI 实时语音转文字工具！自动消噪优化文本，效率翻倍
WhisperChain 是一款基于 Whisper.cpp 和 LangChain 的开源语音识别工具，能够实时将语音转换为文本，并自动清理和优化文本内容，适用于会议记录、写作辅助等多种场景。
|
Android App开发语音处理之系统自带的语音引擎、文字转语音、语音识别的讲解及实战（超详细 附源码）
Android App开发语音处理之系统自带的语音引擎、文字转语音、语音识别的讲解及实战（超详细 附源码）
免费试用