语音识别
  1. 首页
  2. 语音识别

列表

TEN VAD

TEN VAD

TEN VAD是一款高性能的实时语音活动检测系统，专为企业级应用设计。它基于深度学习技术，能够精确区分语音和非语音信号，具有低延迟、轻量级和高精度的特点。支持多种平台和编程接口，适用于智能助手、客服机器人等场景，帮助构建更高效、更智能的对话系统。
AI项目与工具 2025年06月11日
Parakeet TDT 0.6B

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。
AI项目与工具 2025年06月11日
Gemma 3n

Gemma 3n

Gemma 3n 是谷歌 I/O 开发者大会推出的端侧多模态 AI 模型，基于 Gemini Nano 架构，采用逐层嵌入技术，将内存占用压缩至 2-4B 参数模型水平。支持文本、图像、短视频和音频输入，可生成结构化文本输出，并具备音频转录、情感分析等功能。可在本地设备运行，响应时间低至 50 毫秒，适用于语音助手、内容生成和学术任务定制。
AI项目与工具 2025年06月11日
Scribe

Scribe

Scribe 是由 ElevenLabs 推出的高精度语音转文本模型，支持 99 种语言，具备多说话者区分、非语言事件检测和单词级时间戳功能。输出结构化的 JSON 数据，适用于会议记录、字幕生成、内容创作等多种场景，广泛应用于教育、客服及媒体领域。
AI项目与工具 2025年06月12日
灵伴科技Rokid

灵伴科技Rokid

也和称Rokid，2014年成立，总部在杭州，创始人是前阿里巴巴M工作室负责人祝铭明，是一家专注于AI与AR技术的杭州高科技公司。
Ai科技公司 2025年06月05日
SeniorTalk

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。
AI项目与工具 2025年06月12日
OfferinAI

OfferinAI

OfferinAI是一款面向求职者和招聘者的智能工具，集成了实时语音识别、快速响应、网络搜索及代码生成等功能，旨在提升用户在面试和笔试中的表现。它支持多种模式，适用于在线面试、笔试辅助、技能测试及模拟面试等场景，帮助用户在多轮面试中获得竞争优势。
AI项目与工具 2025年06月12日
白瓜面试

白瓜面试

白瓜面试是一款集智能回答、代码解析、语音与图像识别于一体的AI面试辅助工具。它通过实时语音转录、图片分析及物理隔离功能，帮助求职者在技术面试和技术岗位应聘中保持高效表现。此外，它还支持在线面试、笔试优化及简历定制服务，旨在全面提升用户的面试体验。
AI项目与工具 2025年06月12日
BoldVoice

BoldVoice

BoldVoice 是一款专注于英语发音训练的工具，结合专业口音课程与AI语音分析技术，帮助非英语母语者提升发音准确性和口语自信。用户可通过录音获得实时反馈与改进建议，并根据个人母语背景定制学习计划。应用还提供发音测试、口音对比和多场景练习功能，适用于职场、考试、日常交流及表演等领域，有效提升英语口语能力。
AI项目与工具 2025年06月12日