语音识别
SeniorTalk
SeniorTalk是全球首个面向中文超高龄老年人的语音数据集，涵盖202位75岁以上老人的55.53小时语音数据，覆盖16个省市，包含多种口音。数据通过两两自发对话采集，内容贴近真实交流场景，并附有多维标注，如说话人信息、时间戳、口音分类等。该数据集可用于语音识别、说话人验证、语音编辑等研究，支持适老化设备、健康管理和辅助养老系统的开发，推动相关技术进步。
CapsWriter
CapsWriter-Offline是一款基于PC端的离线语音输入与字幕转录工具，支持实时语音转文字功能，具备高准确率和无限时长录音能力。其核心技术依托于深度学习模型，可处理中英文混合语音，并提供热词自定义功能以提升特定术语的识别效果。此工具适用于会议记录、学术讲座、视频字幕生成等多种场景，同时确保用户数据的安全与隐私。
---
15个AI视频翻译工具和软件，自动配音生成全球任意语言
本文介绍了15款基于人工智能技术的视频翻译工具，这些工具能够实现精准的语音识别、自然语言处理和机器学习，从而将视频内容从一种语言翻译成另一种语言，为全球观众提供无缝的语言转换体验。这些工具涵盖了多语言支持、精准翻译与文化适配、字幕与音频同步、自动对口型和重新配音、智能视频去文字、翻译视频文字、视频翻译精校版、支持多种语言、字幕调整和声音克隆等多个功能和特点，极大地提升了视频内容的本地化质量和传播效
Parakeet TDT 0.6B
Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别（ASR）模型，采用 FastConformer 和 TDT 架构，具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异，实时因子高达 3386，适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。
