补齐 Linux 生态短板：开发者开源网页版语音输入法，支持中英互译
针对 Linux 桌面环境长期缺乏高效语音输入工具的痛点，有开发者利用 Web 技术构建了一款轻量级解决方案。该项目通过调用百度实时语音识别 WSS API，实现了语音到文字的实时转换，不仅支持简体中文（含部分方言），还兼容英语输入。这一工...
标签索引
语音识别
这个标签下有 33 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
AI 时代的生产力外挂：为何大疆麦克风比键盘更值得投资？
在 AI 时代，硬件投入的逻辑正在发生微妙变化。作者通过亲身实践发现，在语音识别技术高度成熟的当下，高音质的输入设备（如大疆麦克风）配合 AI 模型，能带来惊人的生产力提升。该设备不仅能配合微信全局语音输入实现高精度转写，甚至支持低声“悄悄...
微软发布三款 MAI 模型：性能超越 Whisper 与 Gemini，主打极致性价比与安全
微软 AI 正式推出了 MAI-Transcribe-1、MAI-Voice-1 和 MAI-Image-2 三款重量级模型，旨在以世界级质量与极具竞争力的价格切入市场。其中，Transcribe-1 在多语言转录基准中表现优于 Whisp...
Cohere 发布最强开源语音大模型 Transcribe：准确率超越 Whisper，登顶 HuggingFace 榜单
AI 企业 Cohere 正式宣布推出全新的自动语音识别（ASR）模型 Cohere Transcribe。该模型拥有 20 亿参数，基于 Conformer 架构构建，从零开始训练并支持包括中文在内的 14 种语言。在权威的 Huggin...
NotebookLM技术揭秘：如何在无字幕状态下解析YouTube视频？
近期，用户发现NotebookLM能够精准总结许多原本没有字幕的YouTube视频，这一“神奇”功能引发了技术社区的好奇。实际上，这并非依靠传统的OCR字幕提取，而是得益于NotebookLM背后集成的Google Gemini大模型原生多...
支持苹果Metal加速！Parakeet.cpp发布纯C++语音识别引擎
一款名为Parakeet.cpp的新型推理引擎在GitHub上发布，它使用纯C++重写了NVIDIA的Parakeet语音识别模型。该引擎利用作者的Axiom张量库，并通过Metal API实现了GPU加速，特别优化了在Mac设备上的本地运...
开源语音AI重磅更新：Moonshine模型精准度超越Whisper v3，专为实时场景优化
Moonshine Voice是一个全新的开源AI语音工具包，旨在解决Whisper在实时语音交互中的高延迟问题。该模型采用流式处理架构，打破了Whisper 30秒固定窗口的限制，支持在用户说话时同步计算，大幅降低响应延迟。官方数据显示，...
开源神器Eve：24小时全平台录音+实时本地转写，你的个人AI记忆外挂
开发者近日开源了一款名为 Eve 的跨平台长时录音与转写工具。该工具支持 macOS、Windows 和 Linux，能够实现 24 小时不间断录音，并利用本地算力（默认采用 Qwen3-ASR）进行实时语音转文本。Eve 具备 VAD 静...
开源工具 Eve：支持 24 小时连续录音与本地实时转写
开发者 nexmoe 开源了一款名为 Eve 的跨平台录音工具，致力于解决长时间会议记录与即时想法捕捉的痛点。Eve 支持 macOS、Windows 和 Linux，能够实现 24 小时不间断录音，并调用本地算力（默认 Qwen3-ASR...
FireRedASR2重磅发布：支持20余种中文方言的SOTA级工业语音系统
FireRedASR2S 是一款集 ASR（语音识别）、VAD（语音活动检测）、LID（语言识别）和 Punc（标点恢复）于一体的工业级系统。该系统宣称在所有模块均达到 SOTA（最先进）水平。核心亮点在于其对中文场景的深度适配，除中英混合...