在研发场景中，语音验证码接口开发是保障用户身份验证、提升业务安全性的核心环节，多数开发者在对接该接口时，常面临参数配置错误、鉴权失败、兼容性适配难等问题。本文聚...

随着多因素认证（MFA）技术的广泛部署，传统的凭据窃取攻击面临巨大挑战，迫使网络犯罪团伙转向更具交互性和欺骗性的攻击手段。近期，身份管理厂商Okta披露了一种新...

随着区块链技术的普及与去中心化金融（DeFi）生态的演进，加密货币已深度嵌入全球支付与价值转移体系。然而，其匿名性、跨境流通的便捷性以及监管套利的空间，使其逐渐...

随着电信网络诈骗手段的日益智能化与心理化，全球各国政府纷纷探索强化金融机构责任的监管路径。韩国政府拟议的强制性语音钓鱼（Voice Phishing）受害者赔偿...

** 随着全球化进程加速，智能设备能否听懂并响应不同语言用户的指令，已成为决定其市场竞争力的关键。2026年，支持多语言语音识别的AIoT（人工智能物联网）方案...

用了这么多年的输入法，是不是还没听说过收费的？但最近一段时间，一款叫Typeless输入法却要210元/月（1000元/年），大家还排着队充值使用呢！

随着语音大模型的普及，不管是TTS还是ASR，都与音频处理有着紧密的联系，AIGC的蓬勃发展，也催生了文本到音频（Text-to-Audio, TTA）的落地场...

ASR，全称Automatic Speech Recognition，语音交互的耳朵，即自动语音识别，核心作用是 “把语音转换成文本”，相当于给机器装上耳朵，让...

ASR，全称Automatic Speech Recognition，即自动语音识别，核心是把人类说话的音频信号转换成文字。日常用的微信语音转文字、会议纪要自动...

前期我们了解了TTS的基础应用，今天我们继续探索两个强大的TTS模型：Tacotron2和SpeechT5。Tacotron2作为经典的序列到序列TTS模型，以...

然而，碰到的第一个挑战就是，如何让传统的语音识别，能够100%准确的转化成各个云平台API，或者K8S，Linux的操作指令？

在音视频内容处理领域，高精度的语音转写与高效的字幕生成已成为众多开发者、内容创作者及企业的核心需求。市场上虽然工具众多，但往往在技术架构、识别准确率，特别是对复...

Voiceitt语音识别团队负责人Filip Jurcicek表示，识别非标准语音与普通语音识别在一些根本方面存在差异。

在一篇入选ICASSP前3%的优秀论文中，某中心的研究人员通过改进基于图的标签传播技术，提升了针对非标准发音的语音识别性能。

人工智能在医疗领域的应用正以前所未有的速度加速推进，医疗行业采用 AI 的速度已达到整体经济体系的两倍。顺应这一趋势，Google 去年通过 Health AI...

2022年，语音领域规模最大、最全面的国际学术会议Interspeech在韩国仁川举行。某中心作为白金赞助商出席。某中心语音AI组织的几位资深科学家重点介绍了该...

近年来，自动语音识别（ASR）已转向全神经网络模型。连接时序分类（CTC）损失函数因其预测不依赖于先前上下文，从而产生推理延迟低的简单模型，成为端到端ASR的一...

语音识别模型我之前都是用Belle-whisper-large-v3-zh，小巧、快速，但是方言支持和准确性差一点意思。最近智谱Z.AI 开源了 GLM-ASR...

第二遍语言模型通常用于对自动语音识别生成的假设进行重评分。研究表明，通过在训练中融入自然语言理解的目标任务，可以提升这类重评分模型的性能。