按标签查看文章: speech-recognition

MAX 中的语音识别：服务器模型

了解 MAX 如何使用动态 ML 模型进行通话分析。我们解释架构、风险和益处。阅读无需应用更新的隐私分析和更新。

Qwen3.5-Omni：AI 从视频生成代码

来自 Alibaba 的 Qwen3.5-Omni：多模态 AI，拥有 256K 上下文，在音视频领域 SOTA。从屏幕录像生成代码。集成到项目中 — 阅读详情和基准测试。

语音识别：80% 准确率上限

了解为什么语音识别系统 25 年来准确率未超过 80%。语义、语法和上下文作为障碍。针对开发者：问题分析和解决方案。阅读详情。

用于语音的 MCU 上的 NPU：STM32N6 和声学

STM32N6 上带有 NPU 的声学语音识别模型：PER 5.3%、0.2 W、实时。比较、指标、开发者应用。研究实现。

C# 语音识别 VK Cloud 带钩子

使用 NAudio、低级钩子和 VK Cloud API 在 C# 中实现语音打字机。完整代码、错误处理、Clipboard 的 STA。中高级开发者——组装并测试。

使用 Whisper.cpp 和 aiogram 3.x 的机器人架构

Whisper.cpp 异步集成到用于西班牙语发音评估的 Telegram 机器人的详解。FSM、逐词评分、代码示例。面向中高级开发者。