【AI语音基础】VAD/说话人识别/声纹
本文的参考文献共有311篇，从1964年到2020年的说话人识别论文都有涉及，系统的读参考文献也是了解入门的好方法，能清晰的看到几十年来人们一直在关注什么问题，用什么方法去尝试解决，又在哪些地方有突破性的进展。正确率（Accurancy, 预测值将输入标签识别正确的比例），召回率（Recall，预测
探索AI、玩转AI！openKylin邀你开启智能操作系统新体验！
openKylin作为中国领先的开源操作系统根社区，积极布局探索AI+OS深度融合技术，打造AI子系统，为上层提供统一AI接口能力，并在即将发布的openKylin 2.0版本中，全面上线麒麟AI助手、跨应用智能图文处理、系统智能数据管理等AI功能，开启智能操作系统的新体验。基于KolourPain
基于funasr+pyaudio实现电脑本地麦克风实时语音识别项目语音转文本python实现
【代码】基于funasr+pyaudio实现电脑本地麦克风实时语音识别项目语音转文本python实现。
Edge-TTS：微软推出的，免费、开源、支持多种中文语音语色的AI工具[Python代码]
Edge-TTS，由微软推出的这款免费、开源的AI工具，为用户带来了丰富多样的中文语音体验。它不仅支持多种中文语音语色，还能实现流畅自然的语音合成。
裸服务器上语音AI部署指南
本文章概述了在裸服务器上部署语音AI的步骤，包括配置YUM源、安装所需软件如OpenSSL、Python 3.10.14和PaddleSpeech，并使用Anaconda创建虚拟环境以隔离依赖。此外，还涵盖了LangChain-ChatChat如何接入chatglm3-6b模型和m3e-base模型
SenseVoice 语音识别微调技术方案
该模型基于超过40万小时的多样化语音数据训练而成，能够支持超过50种语言的识别，展现出卓越的跨语言识别能力。需要找到finetune.sh脚本，根据自己的实际情况修改参数，如下图所示，一般需要修改的地方有：把使用的模型地址替换成前面下载好的模型路径、把训练和验证使用的数据集路径替换成自己的、指定日志
语音识别+AI总结项目搭建回顾
记录一下搭建语音识别+AI总结项目时的思路走向、遇到的问题以及一些解决方法的尝试和结果
【AI资讯早报】AI科技前沿资讯概览：2024年7月20日早报
【AI资讯早报，感知未来】AI科技前沿资讯概览，涵盖了行业大会、技术创新、应用场景、行业动态等多个方面，全面展现了AI领域的最新发展动态和未来趋势。
【内网穿透】如何本地搭建Whisper语音识别模型并配置公网地址
OpenAI开源的 Whisper 语音转文本模型效果都说还不错，今天就给大家推荐 GitHub 上一个开源项目 Whisper Web，允许你可直接在浏览器中运行使用 Whisper。基于 ML 进行语音识别，并可通过 WebGPU 进行运行加速，无需后端服务器，直接开箱即用。另外，识别到的文本支
实战whisper第二天：直播语音转字幕（全部代码和详细部署步骤）
基于Whisper的实时直播语音转录或翻译是一项使用OpenAI的Whisper模型实现的技术，它能够实时将直播中的语音内容转录成文本，甚至翻译成另一种语言。这一过程大致分为三个步骤：捕获直播音频流、语音识别（转录）以及翻译（如果需要）。下面详细解释其原理和意义。
【小沐学AI】Python实现语音识别（whisper+HuggingFace）
Whisper 是一种通用语音识别模型。它是在各种音频的大型数据集上训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。Transformer 序列到序列模型针对各种语音处理任务进行训练，包括多语言语音识别、语音翻译、口语识别和语音活动检测。这些任务共同表示为解码器要预测的一系列
【语音识别】在Win11使用Docker部署FunASR服务器
在win11上面通过docker使用funasr服务端进行实时语音识别
【小沐学AI】Python实现语音识别（faster-whisper-webui）
Whisper 是一种通用语音识别模型。它是在各种音频的大型数据集上训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。OpenAI 的开源模型 whisper，可以执行 99 种语言的语音识别和文字转写。但是 whisper 模型占用计算资源多，命令行使用门槛高。whisper
【机器学习】机器学习与语音识别的融合应用与性能优化新探索
机器学习作为语音识别领域的重要技术，已经在多个应用场景中取得了显著的成果。通过对数据的深入挖掘和模型的不断优化，机器学习技术将在语音识别中发挥更大的作用，推动智能语音技术的发展。以上是对机器学习在语音识别中的理论、算法与实践的全面介绍，希望能够为从事相关研究和应用的人员提供有益的参考。
Web Speech API的语音识别技术
这是一个实验性技术目前兼容性如图：pc端几乎兼容，移动端部分不兼容网页语音 API 的接口是语音服务的控制接口；它可以用于获取设备上关于可用的合成声音的信息，开始、暂停语音，或除此之外的其他命令。SpeechSynthesis 也从它的父接口继承属性，EventTarget.SpeechSynthe
全网爆火的AI语音合成工具-ChatTTS，有人已经拿它赚到了第一桶金，送增强版整合包
今天重点和大家分享下我们项目中用到的语音合成工具 - ChatTTS。别说你还没体验过，有人已经拿它赚到了第一桶金。
20240709 每日AI必读资讯
SenseVoice：语音识别模型，这个模型可以识别多种语言的语音，识别说话人的情感，检测音频中的特殊事件（比如音乐、笑声等）。- 使用树莓派3B+作为主控，配合Adafruit PCA-9685伺服驱动器，通过编写的步态控制程序，实现对伺服电机的精准控制。- CodeGeeX4-ALL-9B是Co
【小沐学AI】Python实现语音识别（faster-whisper）
Faster-Whisper是Whisper开源后的第三方进化版本，它对原始的 Whisper 模型结构进行了改进和优化。faster-whisper 是使用 CTranslate2 重新实现 OpenAI 的 Whisper 模型，CTranslate2 是 Transformer 模型的快速推理
【小沐学AI】Python实现语音识别（whisperX）
Whisper 是一种通用语音识别模型。它是在各种音频的大型数据集上训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。Transformer 序列到序列模型针对各种语音处理任务进行训练，包括多语言语音识别、语音翻译、口语识别和语音活动检测。这些任务共同表示为解码器要预测的一系列
LLM语音交互：Unity语音交互——关键词检测篇。（新手入门）
首先LLM语音识别我目前将它分为几个部分进行功能开发：语音转文本用的是Azure云服务，这个其实有很多教程都讲到过。然后后面文本转语音也是Azure云服务。至于LLM部分我之前的博文（）提到了，本次只介绍关键词检测功能的实现。关键词检索这里的功能主要分为两个部分，检索到有关键词则调用响应的方法（比如
