跳至内容
每时AI

每时AI

  • 资讯
  • 国际
  • 分享
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 关于我们

语音活动检测

TEN VAD(语音活动检测)

上午8时 2025/05/24 作者 NLP工程化

TEN VAD 是一个轻量级流式语音活动检测模型,具有低延迟、低功耗和高准确率的优势,用于预处理语音输入的大语言模型(LLM)。

分类 开源 标签 LLM预处理、 VAD模型、 智能助手、 智能家居、 语音活动检测、 轻量级流式 发表评论

在 Hugging Face 上部署语音转语音模型

下午2时 2025/03/11 作者 Hugging Face

了多种先进的模型,创造出几乎天衣无缝的体验: 你输入语音,系统会用合成的声音进行回复。
https:

分类 开源 标签 Hugging Face、 S2S流程、 VAD、 推断端点、 自定义Docker镜像、 语音活动检测 发表评论

3.4k星星!开源超低延迟实时语音转文本STT,支持语音活动检测、唤醒词激活。

下午11时 2025/01/17 作者 开源AI项目落地

RealtimeSTT是基于Whisper的流式语音转文字项目,具有实时性和纠错机制。它能快速监听麦克风并转换为文本,适用于需要快速精准转换的应用场景。

分类 开源 标签 RealtimeSTT、 Whisper、 发布会、 实时唤醒词激活、 流式输出、 语音活动检测 发表评论

2025年 AGI AI AI技术 Anthropic ChatGPT Claude DeepSeek DeepSeek-R1 DeepSeek R1 GitHub GPT-4o LLM Manus Meta OpenAI Python Sam Altman 人工智能 人形机器人 具身智能 大型语言模型 大模型 大语言模型 字节跳动 开源 强化学习 微软 扩散模型 技术创新 智能体 木易 机器学习 深度学习 清华大学 生成式AI 用户体验 百度 腾讯 自然语言处理 英伟达 谷歌 阿里云 阿里巴巴 马斯克

近期文章

  • 35%准确率蒸发!字节&华科WildDoc揭示多模态文档理解鲁棒性短板
  • vui:小型对话式语音模型,能在本地设备上运行
  • adb-mcp项目通过四层架构可以完全实现AI对Adobe软件的精准操控
  • AI驱动的智能交易革命!开源多智能体交易系统,模拟真实团队决策,打造高效精准的股票交易系统!
  • 扩散语言模型扛把子LLaDA迎来新版本,数学、代码、对齐能力均提升

分类

  • 分享
  • 国际
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 资讯
2025 年 6 月
一 二 三 四 五 六 日
 1
2345678
9101112131415
16171819202122
23242526272829
30  
« 5 月    

归档

  • 2025 年 6 月
  • 2025 年 5 月
  • 2025 年 4 月
  • 2025 年 3 月
  • 2025 年 2 月
  • 2025 年 1 月
  • 2024 年 12 月
  • 2024 年 11 月

AI新闻 | X平台 | APK反编译 | 京ICP备2024096144号 |
© 2025 每时AI • Built with GeneratePress
 下载我们的APP,AI秒送达!  立即下载
×