【保姆级教程】用Cursor秒搞定小程序语音转文字！科大讯飞API免费额度太香了！
讯飞作为语音识别领头羊，提供5万次免费语音转文字服务。作者分享了从注册账号到使用WebSocket接口的全流程经验，并指导如何通过腾讯云函数生成鉴权URL实现微信小程序开发中的API调用。
语音识别
5500颗星，完全开源的数字人实时交互平台项目
DUIX是硅基智能的AI数字人交互平台，已获5.5k星，支持多方大模型接入及语音识别、合成技术，适用于智能客服等场景，提供一站式多模态实时交互SDK集成方案。
RAG用于视频文章生成及东方语种及汉语方言识别Dolphin实现思路解析
今天是2025年4月3日，星期四，北京天气晴朗。文章介绍了关于大模型测试《Large Language Models Pass the Turing Test》，以及RAG用于视频文章生成的方案WIKIVIDEO和面向东方语言的语音识别开源方案Dolphin。
苹果 AirPods 耳机计划推出实时翻译功能了
全球语言多样性带来沟通障碍，苹果AirPods耳机推出实时翻译功能，借助人工智能和机器学习技术实现快速准确的语音识别与翻译，促进便捷无障碍跨语言交流，同时引发关于科技伦理和隐私保护的思考。
DeepSeek一夜把百度干回20年前，网友：还有这好事？
百度回归 ‘百度一下 你就知道’ 概念，结合AI技术提升了搜索结果的个性化和多模态内容。升级后的百度APP不仅提供了更精准的答案，还整合了语音、绘图等功能，并接入了DeepSeek-R1模型。这些变化反映了百度在向“内容化”转变的同时也在提升用户服务体验。
吴永辉是谁？字节AGI计划一号位，谷歌AI扫地僧
字节跳动大模型团队再添强将。Google Fellow吴永辉加盟，加入Seed基础研究负责人职位。他曾是谷歌神经机器翻译项目及Rank Brain项目的贡献者，并参与了谷歌大模型Gemini的研发工作。
又一个满血版！问小白的DeepSeek-R1太猛了：比其他快一倍，不卡不限次，免费用！
今天分享了一款快、稳且免费的R1满血版推理模型平台——问小白。界面简洁，提问后2秒出第一个token，速度快于同类产品。适用于各种需要即时反馈的场景。
小红书语音识别新突破！开源FireRedASR，中文效果新SOTA
AIxiv专栏介绍及其最新发布成果FireRedASR模型。该模型在公开测试集中取得卓越性能，相比现有SOTA模型错误率降低8.4%，参数量更小。