语音识别相关资讯及语音识别相关产品

豆包输入法正式上线深度整合AI，支持复杂语境智能预测与离线使用

字节跳动旗下“豆包输入法”近日宣布正式上线，安卓用户现已可通过官网和各大应用商店下载体验，iOS版本也将于近期推出。这款输入法基于豆包App同款语音模型，旨在提供更准确的语音识别、语义理解，以及全面提…

科大讯飞发布AI软硬一体方案：在90分贝噪声中也能精准识别

在2025年科大讯飞1024开发者节上，科大讯飞正式发布AI软硬一体解决方案，通过AI算法与硬件架构的深度融合，实现了在高噪声、远场等复杂环境下的精准识别与理解。这一突破被视为语音与视觉智能融合领域的…

阿里通义推出 Qwen3-ASR-Toolkit，实现音视频转录新突破

近日，阿里通义 Qwen 团队发布了一款名为 Qwen3-ASR-Toolkit 的开源 Python 命令行工具。这款工具旨在为用户提供更为便捷的音视频转录服务，特别是在音频时长方面，突破了 Qwe…

OpenAI Evals新增原生音频输入和评估功能

近日，OpenAI 的 Evals 工具迎来了令人振奋的重大更新，新增了原生音频输入和评估功能。这一创新意味着开发者们在测试和优化语音识别与生成模型时，可以直接使用音频文件进行评估，而无需经过繁琐的文…

通义推出CoGenAV多模态语音表征模型可实现音画同步感知

近日，通义大模型发布CoGenAV，以音画同步理念创新语音识别技术，有效解决语音识别中噪声干扰的难题。传统语音识别在噪声环境下表现欠佳，CoGenAV则另辟蹊径，通过学习audio-visual-t…

SoundHound AI（SOUN）获得重要 AIOps 认可，但股价目标被下调

最近，SoundHound AI， Inc.（NASDAQ:SOUN）在人工智能领域获得了显著认可，特别是在 AIOps(人工智能运维)方面的表现。然而，尽管在技术上取得了一定的成就，市场对其未来的预…

据tech星球消息，阿里通义实验室语音团队负责人鄢志杰已于 2 月 15 日正式离职，其职级为阿里原P序列体系中的P10 级别。鄢志杰是智能语音领域专家， 2003 年进入中科大语音实验室攻读博士，…

小红书开源的语音识别模型FireRedASR，中文识别准确率优越

在语音识别领域，中文识别的技术发展一直备受关注。近日，小红书的 FireRed 团队发布了一个全新的开源语音识别模型 ——FireRedASR。这个基于大模型的语音识别系统在多个标准测试集上取得了优异…

豆包大模型发布2024年8个关键瞬间：从AI新星到全面突破

今日，豆包大模型官方发布豆包大模型的8个关键时刻!自2024年5月15日首次亮相以来，豆包大模型已破土而出，历经230天加速成长。从初步的学语，到懵懂的世界探索，再到为创作者绘制奇幻梦境，这一路的每一…

Deepgram推出实时智能对话API，颠覆人机交互体验

Deepgram日前发布了一款革命性的AI语音代理API，为企业和开发者带来了前所未有的自然对话体验。这款API整合了先进的语音识别和合成技术，支持实时对话理解和生成，为构建高效语音助手开辟了新天地，…

摩尔线程近日宣布开源其音频理解大模型MooER（摩耳），成为业界首个基于国产全功能GPU训练和推理的大型开源语音模型。MooER不仅支持中英文语音识别，还具备中译英的语音翻译能力，展现了强大的多语言处…

字节跳动自动语音识别模型Seed-ASR,各种口音和方言统统能听懂！

语音识别技术一直是人工智能发展的重点领域之一。而如今，字节跳动推出的Seed-ASR引擎，正在彻底打破语言和方言的壁垒，为这项技术注入全新活力。 Seed-ASR经过了超过2000万小时的语音数据和近…

阿里巴巴发布新语音模型 Qwen2-Audio，实力超越 OpenAI Whisper

近日，阿里巴巴在其 Qwen-Audio 的基础上，推出了全新的开源语音模型 Qwen2-Audio。这款模型不仅在语音识别、翻译和音频分析方面表现出色，更是在功能和性能上实现了显著提升。Qwen2-…

以色列公司推出速度提升50%的开源语音识别模型Whisper Medusa

以色列人工智能公司 aiOla 近日在语音识别技术领域取得重大突破，推出了名为 Whisper Medusa 的开源语音识别模型。这款新模型的处理速度比 OpenAI 的 Whisper 模型快50%…

阅读量飙升腾讯云推出语音识别系统 ASR，大模型上线

腾讯云最新推出的语音识别系统 ASR 进行了升级，提高了处理方言和噪声的能力。ASR 支持识别 23 种地方言，并能应对方言混战的情况。通过自研的混合识别引擎，ASR 能快速识别并切换不同方言。采用蒸…

新鲜出炉，等待你的评论

阅读量飙升人脑细胞构建AI系统，语音识别准确率达78%

近期，利用活人脑细胞构建的AI系统在Nature子刊登上前沿类脑研究，语音识别准确率从30%-40%飙升至78%。该系统可进行无监督学习，类似神经网络，并依赖脑类器官中神经细胞的连接来实现学习。经过两…

新鲜出炉，等待你的评论

阅读量飙升亚马逊推出全新ASR系统，支持100多语言

亚马逊最新ASR系统覆盖100多语言，通过语音基础模型实现显著准确度提升。系统支持多项特性，成千上万企业利用该系统解锁音频内容见解，提高了可访问性和可发现性。

新鲜出炉，等待你的评论

阅读量飙升原神玩家福利，大佬做了个能对话的AI派蒙，免费送你！

来源：bilibili哔哩哔哩作者：@极客湾Geekerwan 视频时长/时间：00:20:26/ 2023-04-30 【内容介绍】视频讲解了up主使用ChatGPT+VITS语音生成+基于BE…

新鲜出炉，等待你的评论

创米

AIGC学院

阅读量飙升国货之光，阿里【通义听悟】听课做笔记视频总结，效率杠杠的！

来源：bilibili哔哩哔哩作者：@通义听悟视频时长/时间：00:02:15 / 2023-06-20 【内容介绍】通义听悟可以在会议、学习、访谈、培训等场景下：实时记录交流内容，同步翻译 …

新鲜出炉，等待你的评论

创米

AIGC学院

阅读量飙升面临人工智能伪造声音诈骗的挑战

随着人工智能技术的发展,电话诈骗者可以利用生成式AI来伪造熟悉声音,进行所谓的“声音网络钓鱼”欺诈。这种新的威胁对普通民众带来了巨大的挑战。为了应对这一风险,技术公司正在研发识别模式,找到阻止这种骗局…

新鲜出炉，等待你的评论

阅读量飙升全球最大开源翻译模型！Meta 出品，支持 100 种语音、语言！

Meta 开源了全球最大的多模式翻译大模型 SeamlessM4T，支持 100 种语言，并能识别地方语言。该模型能执行语音到文本、语音到语音、文本到语音和文本到文本的多模式翻译任务。Seamless…

新鲜出炉，等待你的评论