AI 助理
文档备案控制台

智能语音交互

首页 标签 智能语音交互
# 智能语音交互 #
关注
2672内容
相关子社区
ModelScope模型即服务
15401内容 6活动 4422关注
最新 热门 文章 问答 视频 电子书 课程 训练营 活动
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Soundwave：语音对齐黑科技！开源模型秒解翻译问答，听懂情绪波动
Soundwave 是香港中文大学（深圳）开源的语音理解大模型，专注于语音与文本的智能对齐和理解，支持语音翻译、语音问答、情绪识别等功能，广泛应用于智能语音助手、语言学习等领域。
# 智能语音交互 # 人工智能 # 物联网 # UED # 异构计算 # Python
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
3D-Speaker：阿里通义开源的多模态说话人识别项目，支持说话人识别、语种识别、多模态识别、说话人重叠检测和日志记录
3D-Speaker是阿里巴巴通义实验室推出的多模态说话人识别开源项目，结合声学、语义和视觉信息，提供高精度的说话人识别和语种识别功能。项目包含工业级模型、训练和推理代码，以及大规模多设备、多距离、多方言的数据集，适用于多种应用场景。
# 日志服务 # 智能语音交互 # 人工智能 # 监控 # 算法 # 数据挖掘 # 语音技术
蚝油菜花
|
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
1834987572865575
|
2天前
|
博文
|
来自： ModelScope模型即服务
我把 AI 电话的模型参数做成了服务端下发的 Schema
本文是SmartCall开源AI呼叫中心项目关于「模型参数精细化配置」功能的开发记录。详解如何通过服务端参数目录、两层所有权（模型开关+智能体取值）、快照机制与通用渲染器，统一管理多厂商/多槽位模型的异构参数，提升配置安全性与可维护性。（239字）
# 智能语音交互 # 人工智能 # JSON # 前端开发 # 语音技术 # 数据格式
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
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。
# 智能语音交互 # 智能语音交互 # 人工智能 # 编解码 # 语音技术
汀丶人工智能
|
博文
|
来自： ModelScope模型即服务
智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
【7月更文挑战第8天】智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
# 自然语言处理 # 智能语音交互 # 智能语音交互 # 人工智能 # API # 决策智能 # 开发者 # 计算机视觉
-编程工程师-
|
博文
技术开源｜FunASR升级第三代热词方案
技术开源｜FunASR升级第三代热词方案
# 智能语音交互 # 智能语音交互 # 机器学习/深度学习 # 人工智能 # 算法 # 语音技术 # 开发者
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
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。
# 智能语音交互 # 智能语音交互 # 人工智能 # 物联网 # 测试技术 # 语音技术 # Python
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Step-Audio：开源语音交互新标杆！这个国产AI能说方言会rap，1个模型搞定ASR+TTS+角色扮演
Step-Audio 是由阶跃星辰团队推出的开源语音交互模型，支持多语言、方言和情感表达，能够实现高质量的语音识别、对话和合成。本文将详细介绍其核心功能和技术原理。
# GPU云服务器 # 智能语音交互 # 智能语音交互 # 人工智能 # 自然语言处理 # 语音技术 # 异构计算 # 智能硬件
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Kokoro-TTS：超轻量级文本转语音模型，支持生成多种语言和多种语音风格
Kokoro-TTS 是一款轻量级文本转语音模型，支持多语言和多语音风格生成，具备实时处理能力和低资源占用，适用于多种应用场景。
# 智能语音交互 # 人工智能 # 自然语言处理 # 并行计算 # API # 语音技术
免费试用