标签：语音识别

作者在对比语音输入工具时发现，微信输入法的表现优于本地运行的LLM工具。微信方案在处理中英混合及专有名词时识别更准，且已引入AI优化。其产品理念尤为亮眼：无账号、无登录、无广告，支持跨设备剪贴板，主打轻量化“不粘人”。尽管暂缺电脑端语音输入...

赞(0)Toy2026-01-18前沿 阅读(43)去评论

本文介绍了如何将AI记忆中枢Nowledge Mem与语音输入工具Spokenly结合。通过在语音转录后、AI处理前运行Bash脚本调用NMEM的语义搜索功能，系统能自动召回历史记录中的项目名、变量名和专有名词。这种集成方案大幅提升了专业术...

赞(0)Toy2026-01-17前沿 阅读(29)去评论

GitHub 上发布了一款名为 Handy 的免费开源语音转文本应用程序，引发了社区关注。该工具采用了先进的 Parakeet V3 模型，配备图形用户界面（GUI），旨在降低普通用户的使用门槛。与 Superwhisper、MacWhis...

赞(0)Toy2026-01-15前沿 阅读(36)去评论

OpenMOSS推出MOSS-Transcribe-Diarize模型，这是一款创新的AI语音处理工具，能够自动识别最长90分钟视频或音频中的不同说话者，并添加精确时间戳标记。该模型通过深度学习算法实现多人声分离与转录，极大提升字幕制作效率...

赞(0)Toy2026-01-09前沿 阅读(46)去评论

随着AI技术快速发展，国内许多AI厂商如科大讯飞、字节跳动等在文本模型上已兼容OpenAI的chat/completions端点。然而，在语音转录领域，用户普遍关注是否有类似兼容OpenAI Whisper的/audio/transcrip...

赞(0)Toy2026-01-02前沿 阅读(42)去评论

开发者推出Linux本地离线语音输入法VocoType-ibus，基于VocoType-cli引擎，支持Wayland和GNOME环境。采用PTT交互模式，按住F9键即可语音输入，松开立即上屏，延迟仅0.1秒。完全离线运行，保护隐私，中文识...

赞(0)Toy2025-12-31前沿 阅读(54)去评论

DeepSeek App在手机端最新版本悄然上线了语音识别功能，支持语音转文字。用户在Linux.do论坛讨论中提到，DeepSeek发布的模型中似乎没有语音识别能力，因此推测该功能可能采用了公司未公开的自家语音识别ASR技术。这一更新可能...

赞(0)Toy2025-12-30前沿 阅读(95)去评论

Qwen3-ASR是一个开源的语音识别工具，兼容OpenAI API接口，提供免费使用方案，适合开发者和研究人员。用户可通过Docker快速安装，支持多种模型如qwen3-asr和qwen3-asr:itn，后者启用逆文本标准化。文章详细介...

赞(0)Toy2025-12-27前沿 阅读(49)去评论

豆包软件在语音识别方面表现出色，能够准确识别快速说话和低声内容，识别速度快，用户体验良好。尽管该软件整体能力被评价为’有点拉胯’，但其语音识别功能却赢得了用户称赞。用户在实际使用中发现，豆包对’悄悄话&#...

赞(0)Toy2025-12-21前沿 阅读(56)去评论

作者分享了使用豆包AI的实战经验，指出其在OCR识别速度与准确度、语音转文字质量以及代码生成方面的显著优势。通过实际案例对比，豆包在处理中文和英文文本、尤其是手写识别方面表现优异。在修改刷机脚本的具体应用中，豆包成功生成了可用代码，而Cha...

赞(0)Toy2025-12-20前沿 阅读(57)去评论

豆包输入法凭借出色的语音识别功能引起用户关注。该输入法内置约150MB的本地模型，支持离线使用，即使在网络断开的情况下仍能保持高性能。用户在配置较低的红米14c设备上测试发现，其语音识别能够实现瞬时同步，识别准确度高，运行流畅。这种在低端设...

赞(0)Toy2025-12-19前沿 阅读(68)去评论

本文介绍了一种免费使用Qwen3-ASR语音识别服务的方法，该服务兼容OpenAI端口，可与Spokenly语音转文字应用完美集成。文章提供了两种免费使用途径：一是通过阿里云百炼官方赠额使用，二是通过API中转免密使用。详细介绍了部署步骤、...

赞(0)Toy2025-12-18前沿 阅读(61)去评论

智谱AI输入法近日完成重要升级，显著提升了语音识别的准确度，尤其针对IT专业术语实现了高效转换。用户可直接通过语音输入，将复杂的技术术语精确转化为文字，大幅节省编辑和文档处理时间，工作效率实现翻倍。该功能对程序员、IT工程师等专业人士极具实...

赞(0)Toy2025-12-17前沿 阅读(84)去评论

作者在实际测试中发现，开源语音识别模型GLM-ASR-Nano-2512在词汇覆盖上存在不足，如未能识别“职务类犯罪”等术语，而B站自带的AI语音字幕系统则表现更优。作者分享了使用glm-4.6模型的个人经验，认为其代码知识库更丰富，并推荐...

赞(0)Toy2025-12-11前沿 阅读(84)去评论

Pebble公司推出创新的智能戒指Index 01，这是一款专为捕捉灵感而设计的外部记忆设备。用户只需按住戒指上的按钮，对着麦克风低语，想法就会被自动记录并同步到手机。这款产品采用不锈钢材质，小巧如婚戒，支持防水设计，电池寿命长达数年无需充...

赞(0)Toy2025-12-10前沿 阅读(71)去评论