标签索引 / 第 2 页

语音交互

这个标签下有 18 篇文章。按时间回看相关判断与实践记录。

标签精选

Linux桌面端的AI语音革新：fcitx5新增极速本地语音输入插件

近日，一款基于fcitx5的本地语音输入法插件在GitHub开源社区引发关注。该插件不仅实现了极速的本地语音识别，更创新性地集成了大语言模型（LLM）后处理模块，能够智能为语音转写的文本添加标点符号，解决了传统语音输入缺乏语气的痛点。尽管在...

2026-03-091 分钟阅读107 阅读

近日，Hacker News社区展示了一款专为AI智能体设计的开源音频处理工具包。该项目旨在解决开发者在构建语音交互Agent时面临的复杂工程难题，提供了一套标准化的音频处理解决方案。该工具包可能涵盖音频流处理、格式转换、噪声抑制或与Whi...

2026-03-021 分钟阅读90 阅读

文章深入测评了AI输入法应用Typeless的使用体验。作者指出，尽管其UI设计优秀，但功能壁垒不高，豆包等竞品已具备类似能力。核心痛点在于，AI的“逻辑整理”功能虽适合代码编写等工作流，却会过度过滤日常对话中的语气词，导致回复显得生硬甚至...

2026-02-281 分钟阅读303 阅读

Anthropic 首席执行官 Dario Amodei 在印度班加罗尔开发者大会上发表演讲，正式宣布印度已成为 Anthropic 的全球第二大市场。Amodei 高度评价了印度的技术人才，称其拥有“技术卓越的国民基因”。会上最引人注目的...

2026-02-181 分钟阅读201 阅读

据彭博社及日本经济新闻报道，OpenAI已与五角大楼选定的国防科技承包商展开合作，参与美国军方的无人机蜂群挑战赛。OpenAI将提供技术支持，专注于将战场指挥官的语音指令实时转换为无人机的可执行数字指令。知情人士特别强调，该技术仅用于指挥层...

2026-02-141 分钟阅读149 阅读

在技术社区Linux.do的讨论中，有用户针对法语口语练习场景对多款主流大模型进行了实测。结果显示，国内头部模型如千问、豆包在法语实时语音交互方面的表现不尽如人意，无法满足日常练习需求；相比之下，GPT-4o在该场景下表现中规中矩。这一用户...

2026-02-071 分钟阅读224 阅读

传统 AI Agent 只能处理文本。但现实世界不只有文本，还有图片、音频、视频、传感器数据。下一代 AI Agent 必须是多模态的。能力一：视觉理解让 Agent 能”看”。应用场景：图片分析：识别物...

2026-02-055 分钟阅读285 阅读

一位开发者在进行“Vibe Coding”时，试图通过语音输入让 AI 生成一个菜单栏小窗口。然而，受口音影响，语音识别将指令误听为“小熊窗口”。令人忍俊不禁的是，AI 竟忠实地执行了这一错误指令，真的做出了一个“小熊窗口”。这一趣事生动展...

2026-01-161 分钟阅读240 阅读