# 智能语音交互 #
1
关注
2665内容
FireRedASR：精准识别普通话、方言和歌曲歌词！小红书开源工业级自动语音识别模型
小红书开源的工业级自动语音识别模型，支持普通话、中文方言和英语，采用 Encoder-Adapter-LLM 和 AED 架构，实现 SOTA 性能。
MarkItDown：微软开源的多格式转Markdown工具，支持将PDF、Word、图像和音频等文件转换为Markdown格式
MarkItDown 是微软开源的多功能文档转换工具，支持将 PDF、PPT、Word、Excel、图像、音频等多种格式的文件转换为 Markdown 格式，具备 OCR 文字识别、语音转文字和元数据提取等功能。
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。
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
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。
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。
免费试用