我一开始使用豆包呢，是奔着着她的语音通话去的，豆包提供的情绪价值真的很足吧，语音播报声音也比较好听，会和豆包闲聊，主要还是以烦恼琐事为主hh，确实帮我缓解了心情...

直到挖到Unified TTS这个神仙 API！它直接把「多家 TTS 服务商」打包成一个统一接口，开发者接入一次，就能调用全网主流平台的语音能力，直接把开发效...

本项目是一个基于本地大模型和语音合成模型的实时语音通话助手。它提供了一个仿“电话通话”的沉浸式 Web 界面，支持实时语音识别、大模型角色扮演对话以及高质量的语...

DeepSeek 同时发布两个正式版模型： DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。

在前两篇文章中，我们分别探讨了小智AI音箱的核心技术架构与高阶开发能力。本文将视角转向企业级市场，深入剖析小智AI音箱如何从“家庭娱乐设备”演变为酒店、办公、医...

在上一篇《小智AI音箱：智能语音交互的未来之选》中，我们全面解析了其核心技术、用户体验与基础开发能力。本文作为进阶技术实践指南，将聚焦于三个高阶方向：

在人工智能与物联网深度融合的时代，智能音箱已从简单的音频播放设备，演变为家庭智能中枢。小智AI音箱作为新一代国产智能语音助手硬件代表，凭借其强大的技术底座、流畅...

理论再完善，终需落地验证。本文将带你从零开始，使用 Flutter 构建一个名为 “VitaTrack” 的全场景健康应用，覆盖：

笔记所对应活动链接：https://activity.csdn.net/writing?id=11045&spm=1011.2124.3001.10637

打开某购物APP的“AI导购”功能，你上传一张“黑色连帽卫衣”的照片（图像输入），说“帮我找类似款式，预算500以内”（语音输入），AI会返回符合条件的商品列表...

先定义一个语音合成（TTS）的事件监听器 speakListener 及其初始化方法 initListener()，用于处理语音合成过程中的各种事件回调

GPS坐标首先通过地图API进行反向地理编码，获取POI名称（如岳阳楼）；接着进行知识库检索，再将相关信息输入LLM（Prompt：请像评书演员一样介绍岳阳楼）...

语音特征提取与建模 通过MFCC（梅尔频率倒谱系数）或PLP（感知线性预测）算法提取语音的声学特征，建立目标发音的基准模型。深度学习模型如CNN或LSTM可用...

把这两件事放一起看，你会发现关键分水岭不是“识别率再高一点”，而是让 ASR 具备上下文推理能力：专有名词、多音字、人名地名，很多时候不是“听不清”，而是“不会...

语音识别转文本相信很多人都用过，不管是手机自带，还是腾讯视频都附带有此功能，今天简单说下：

Core Speech Kit功能:Core speechKit(基础语音服务)集成了语音类基础A!能力，包括文本转语音(TextToSpeech)及语音识别(...

TTS（Text-to-Speech）是HarmonyOS提供的重要语音服务能力，可以将文本内容转换为语音播放。本文基于实际项目经验，详细介绍如何在Harmon...

在数字化浪潮席卷教育领域的今天，传统课堂的教学模式正面临前所未有的挑战。尤其是历史学科，因其内容的时空局限性，学生往往只能通过文字、图片等静态载体间接感知历史，...

测试后 1pcs 正常（误判），5pcs 物理损坏，烧写器报 E37（读不到 flash id）。阻抗对比测试显示，异常芯片 8 脚（供电脚）阻抗为无穷大，与正...

近日，在南京VoiceAgent实时语音大会上，云蝠智能带着VoiceAgent 2.0惊艳亮相！虽在众声喧哗的智能语音赛道中音量不算最大，但这家公司的资历与积...