对于软件开发者而言，无论是阿里云、腾讯云等厂商提供的实时语音识别 API，还是 Whisper、FunASR、Qwen3-ASR 等开源模型，都已经能够将音频转...

过去几年，自动语音识别（ASR）的进步相当明显。从早期基于声学模型与语言模型的组合架构，到 Whisper、Paraformer、Qwen3-ASR 等深度学习...

在使用AI会议助手整理多人会议时，经常会遇到一种情况：语音转写的内容基本正确，但发言人却对不上。

摘要： 本文是一篇面向 Android 开发者的语音技术全链路实战教程。文章从系统自带语音引擎的基础配置讲起，逐步覆盖文字转语音（TTS）、中文转拼音、原始音频...

在多语言语音识别领域，一个看似矛盾的现象是：模型明明能够识别中文，也能够识别英语，但当两种语言出现在同一句话中时，识别效果却可能明显下降。

在中文语音识别领域，普通话 ASR 已经有相当成熟的技术体系。无论是基于 Conformer 的传统端到端模型，还是近年来的多语言语音大模型，都能在标准普通话语...

我做的是工业设备讲解类短视频，素材来自车间实拍，每期 1~2 分钟。这类视频有两个硬约束：

互联网商业服务全面普及背景下，虚假购物网站、仿冒服务站点已经成为网络欺诈的主要载体。虚假网站通过仿制页面、规避合规披露、诱导风险支付等手段实施侵害，造成消费者财...

随着数字化业务深度渗透社会各领域，网络钓鱼攻击手段逐步脱离传统邮件模式，向社交平台、即时通讯、伪网页多载体混合的社交工程方向演化，攻击链条的伪装性、迷惑性持续提...

因为科研单位引入AI会议助手，并不是简单安装一个“录音转文字软件”，而是在现有内部网络、服务器、国产操作系统和安全边界中加入一整套AI处理链路。