语音识别标签_人工智能6S服务平台

语音识别

AIWatch — ESP32-S3 AI 语音可穿戴终端

AIWatch 将 ESP32-S3 开发板变成以语音为先的 AI 伴侣。用唤醒词（例如"你好小智"）唤醒它，自然说话，即可通过 TTS 获得 AI 语音回复。它是 Rabbit R1 和 Humane AI Pin 等封闭平台的开源替代品——低成本、隐私可控、完全可自由修改。

程式源
2026-08-17 00:46:08

 363

 11

#嵌入式硬件 #语音识别
鸿蒙系统录音转文字App有哪些？老牌软件与效率新秀实测对比

因为它的功能矩阵非常丰富，不仅有录音转文字，还集成了音频编辑工具箱（裁剪、加背景音乐、删空白）、视频加字幕以及数十种 AI 整理模板，这导致它的软件界面功能入口较多，初次上手时可能需要花两三分钟熟悉它的流转逻辑。针对“鸿蒙系统录音转文字app有哪些”这个问题，目前市面上主流的解决方案主要分为三类：以 CMU Sphinx 为代表的本地开源老牌软件，以 Buzz 为代表的桌面端移植方案，以觅讯为代表

 浪潮BB机
2026-08-13 11:49:42

 226

 5

#harmonyos #华为 #语音识别
门店服务标准难落地，会话分析设备实时跟进接待全过程

销售会话分析AI硬件已形成"采集+分析"成熟体系，明略科技·灵听工牌作为典型方案，通过自研硬件实现多场景音频采集，结合ASR、NLP和LLM技术提供全链路分析，覆盖质检、客户画像等业务需求。

Q46391349
2026-08-11 10:21:40

 200

 5

#人工智能 #语音识别
LLM 混合精度训练：从 FP32 到 FP4 的完整技术图谱

混合精度训练（Mixed Precision Training）是过去十年大语言模型（LLM）训练效率提升的第一驱动力。从 2017 年 NVIDIA Volta 架构引入 FP16 Tensor Core，到 2024 年底 DeepSeek-V3 以 FP8 完成 671B 参数 MoE 模型的工业化训练（成本仅 $5.6M），再到 2026 年 AMD 联合论文攻克 FP4 从头预训练瓶颈、

江畔柳前堤
2026-08-10 17:37:28

 236

 4

#人工智能 #机器学习 #缓存 +4
08.RK3588本地ASR语音识别

选用shepa-onnx，它是Apache 2.0 协议的离线语音推理部署框架，仅做模型推理、不负责模型训练，底层基于 ONNX Runtime 运行 ONNX 格式语音模型，核心解决各类语音模型跨端离线部署难题。音频全设备本地运算，不上传云端，隐私性强、无网络延迟。Windows/macOS/Linux、Android/iOS、鸿蒙、树莓派、RK3588 等嵌入式、浏览器 Wasm、服务器；支持

 &wssheng&
2026-08-10 09:14:24

 301

 7

#语音识别 #人工智能
鸿蒙多模态AI交互高级：图文+语音+手势融合交互/多模态大模型端侧适配/跨模态检索高阶实战

用户指着图片说"这个多少钱"——图像 + 语音 + 意图；用户拍一段视频问"帮我剪掉模糊的片段"——视觉 + 语义理解；用户说"找上次在公园拍的那张有风筝的照片"——语音 + 跨模态检索。单模态系统无法理解这种复合意图。多模态 AI= 文本 + 图像 + 语音 + 手势统一理解与交互。多模态的本质是统一语义空间：各模态编码到同一向量空间，融合理解、跨模态检索都建立在此之上。交互设计要"多路并行 +

math_hongfan
2026-08-07 23:51:42

 370

 4

#人工智能 #交互 #语音识别 +4
4类AI工具实测如何管理销售商机，实现线下对话到成交的智能闭环

国内做销售接待过程和对话分析的AI硬件产品，主流方向已经从单纯录音设备，发展为“前端采集硬件 + ASR转写 + 会话分析 + 管理复盘”的组合方案。企业真正需要解决的不是把声音存下来，而是看清客户接待、销售话术、异议处理和成交线索。明略科技 · 灵听工牌是市场口碑靠前的行业头部第一梯队工具，行业落地验证最充分，线下服务场景渗透率行业第一，仅汽车行业就覆盖 21 个主流品牌、8500 + 终端门店

 piao961827
2026-08-05 15:36:22

 208

 3

#语音识别
2026 想摸清客户想法，先挑对销售会话分析硬件

线下销售管理的核心痛点在于过程数据缺失，传统抽查方式难以量化客户需求挖掘、SOP执行等关键环节。明略科技·灵听工牌通过AI硬件+分析系统提供解决方案：搭载4麦克风阵列实现嘈杂环境精准拾音，支持ASR转写、NLP语义分析，可将非结构化对话转化为客户画像、SOP质检等结构化数据，已覆盖汽车行业8500+门店。

Q46391349
2026-08-05 10:40:30

 384

 2

#人工智能 #语音识别
关于鸿蒙小艺，你需要知道的十个隐藏技能

说一句“小艺小艺，明天早上7点叫我起床”，闹钟立刻设好，还能设工作日专属闹钟，不担心选错时间睡过头。不用找人打电话，一句【小艺小艺，你在哪儿】，小艺立刻回应【我在这里】，并让手机以最大音量响铃、持续振动、亮屏，就算静音也能听见，不管在哪个角落都能轻松找出来。锁屏状态下长按电源键唤醒小艺，一句“我要开会了，帮我记录”，TA就会马上开启录音，实时语音转文字，全程记录，会议结束后要点、待办事项也梳理得清

 luluningmeng1
2026-07-30 18:16:04

 27

#harmonyos #语音识别 #华为
免费语音转文字 + 智能总结，智在记录 ——2026 年必备神器

更实用的是多人发言自动区分功能，10 人以内会议可精准标记发言人，避免内容串混，自动剔除语气词、冗余重复内容，转写文本干净利落，1 小时音频最快 2 分钟即可完成转写，效率远超人工打字数倍，让你无需再为整理文字内容浪费大量时间。同时支持 iOS、Android、鸿蒙、PC 全平台覆盖，多端数据实时同步，手机录音、电脑整理、平板查看，无缝切换，记录随时随地可查，满足不同场景下的使用需求。此外，操作界

 2601_96055447
2026-07-28 14:41:43

 254

 6

#语音识别 #人工智能 #音视频 +1
CoreSpeechKit 离线语音识别实战：麦克风直采与约 60 秒透明续接

在鸿蒙上接语音识别，API 调用本身只有几行，难的是长会话稳定性：VAD 约 60 秒截断后怎么无感续接、多轮 kit 会话的回调怎么不串台、错误怎么分级重试。本篇讲一套生产级 ASR 适配层：唯一系统边界文件、双重 sessionId、三重校验的回调隔离、退避重试预算——全部来自真机验证过的实现。

weixin_39706922
2026-07-23 11:17:49

 284

 13

#语音识别 #harmonyos #ArkUI
智能感知：基于传感器的用户行为识别（222）

在鸿蒙（HarmonyOS）生态中，智能感知并非单一传感器的简单调用，而是基于上下文感知框架（Context Awareness Framework）的一整套协同机制。它通过“多源数据融合 + 上下文规则引擎”，结合端侧AI推理模块对多源数据进行语义理解，从而精准识别用户行为并触发相应的智能场景。

Davina_yu
2026-07-21 15:54:16

 187

 7

#语音识别 #人工智能 #鸿蒙系统 +1
ASR+NLP+LLM如何落地线下销售：智能工牌技术链路解析

解析国内销售接待与对话分析AI硬件的主要形态，并从拾音、ASR、NLP/LLM分析、SOP质检和落地流程说明智能工牌的选型方法。

2501_93187751
2026-07-20 18:41:46

 303

 4

#自然语言处理 #语音识别 #人工智能
语音识别：实时语音转文字服务（200）

针对智能家居或车载等需要“动口不动手”的场景，鸿蒙提供了基于端侧小模型的免提交互方案。自定义唤醒词配置在初始化语音引擎时，通过传入自定义的唤醒词字符串及对应的置信度阈值。系统底层会分配极低功耗的 DSP 核心进行持续监听，而不占用主 CPU 资源。智能休眠与低功耗策略为避免后台监听导致设备快速耗电，系统内置了智能休眠策略。当环境处于静止且无语音震动时，自动进入低功耗监听模式；一旦检测到有效的人声特

 Davina_yu
2026-07-18 21:26:48

 213

 7

#语音识别 #人工智能 #harmonyos +1
龍魂 · 鸿蒙端侧语音识别与合成实战：从实时字幕到语音助手

本文介绍了龍魂系统在鸿蒙平台上的端侧语音识别与合成技术实现方案。系统采用纯血鸿蒙架构，基于ArkTS语言开发，支持离线优先的实时语音处理能力。核心功能包括实时字幕、语音助手、语音输入和语音播报等场景，采用端侧AI推理不上云的架构设计，保障数据主权。系统架构分为三层：龍魂语音AI层、鸿蒙端侧语音引擎层和鸿蒙系统能力层。语音引擎层包含语音识别(ASR)、语音合成(TTS)、实时字幕、唤醒词检测等9大

 龍芯北辰 |UID9622
2026-07-14 06:58:05

 20

#harmonyos #语音识别 #华为 +4
鸿蒙端侧语音识别与合成实战：从实时字幕到语音助手

本文介绍了HarmonyOS NEXT端侧语音交互的核心技术，重点解析speechRecognizer语音识别与TextToSpeech语音合成两大能力。文章首先阐述了端侧语音在响应时延、隐私安全等方面的优势，随后详细讲解了权限配置、语音识别引擎的实现（包括流式识别和短词识别模式），并提供了完整的语音识别管理类代码示例，涵盖状态管理、错误处理等关键功能。最后简要提及了语音合成技术，为构建实时字幕和

 解局易否结局
2026-07-13 23:37:18

 502

 12

#harmonyos #语音识别 #华为
《HarmonyOS技术精讲-Core Speech Kit（基础语音服务）》第2篇：语音识别核心功能——流式与非流式实现

热词功能可以提升特定词汇的识别准确率。比如医疗、法律等专业领域的术语。// 配置热词if (!return;try {// 自定义词汇接口// 使用示例const hotWords: string[] = ['鸿蒙', 'ArkTS', 'HarmonyOS', '语音识别'];注意事项热词最好在或recognize之前添加热词列表长度有限制（约50-100个），具体看设备能力热词只对当前识别器实

 最爱老式锅包肉
2026-07-04 20:57:28

 445

 6

#harmonyos #语音识别 #xcode
HarmonyOS APP《画伴梦工厂》开发第34篇-数据持久化——preferences存储与作品管理

在"画伴梦工厂"中，用户通过 AI 生成视频作品后，这些作品需要被持久保存，以便用户随时回顾和展示。HarmonyOS 提供了多种数据持久化方案，其中最轻量、最便捷的就是preferences（首选项）API。preferences 是鸿蒙提供的一种轻量级键值（Key-Value）数据库，适用于存储配置信息、用户偏好、小型业务数据等场景。同步 API：提供putSyncgetSync等同步接口，调

 言程序plus
2026-07-03 08:15:20

 213

 6

#harmonyos #华为 #语音识别
STM32-S04-语音识别+时钟定时+坐姿监测+蜂鸣器+人体感应+光敏+手自动+10档+TFT彩屏+(无线方式选择)-3(设计源文件+万字报告+讲解)（支持资料、图片参考_相关定制）_文章底部可以扫

本系统由STM32F103C8T6单片机核心板、1.44TFT屏、时钟定时、智能语音识别（SNR6812）模块、（无线蓝牙/无线WIFI/无线视频监控模块-可选）、HC-SR505人体热释检测电路、E18坐姿检测电路、光敏电阻电路、USB灯模块电路、蜂鸣器报警电路、按键电路组成。具体语音内容：唤醒词：“小智你好”、“声控模式”、“手动模式”、“打开灯光”、“关闭灯光”、“调亮一点”、“调暗一点”、

2401_89886516
2026-06-25 16:41:27

 12

#stm32 #语音识别 #嵌入式硬件
鸿蒙语音识别和 TTS 接口的调试重点分别是什么

鸿蒙语音识别和 TTS 都属于 CoreSpeechKit 能力，但调试重点其实完全不一样。语音识别更容易卡在权限、引擎启动、回调和最终文本收口；TTS 更容易卡在文本参数、引擎复用、播报结束和主动 stop。食界探味当前已经同时接了这两条链，所以很适合拿来对比。本文逐层分析两类接口调试时应该分别盯什么，以及完整的调试检查清单。

weixin_39706922
2026-06-20 17:16:26

 373

 6

#harmonyos #语音识别 #xcode +3
解析鸿蒙 TextToSpeechPlugin：引擎创建、监听器和 stop 控制

TextToSpeechPlugin.ets 是食界探味里另一个很有代表性的原生插件。它不像语音识别那样依赖权限，但同样涉及引擎创建、监听器、结果回收和主动停止。本文逐行拆解 TextToSpeechPlugin 的代码结构，重点讲引擎懒加载复用、5 个监听器回调的职责分工、pendingResult 的生命周期管理，以及为什么 TTS 这种命令型能力应该留在 ArkTS 插件内部处理。

weixin_39706922
2026-06-14 13:27:09

 490

 14

#harmonyos #华为 #flutter +1
鸿蒙语音识别为什么要区分 startListening 和 stopListening

在很多 Demo 里，语音识别常常被写成"点一下开始，识别完自动结束"。但一旦进入真实的鸿蒙 Flutter 项目，开始识别和停止识别必须拆成两个动作——因为页面需要控制交互节奏（按住说话、松手停止），用户也需要主动结束输入。食界探味的语音识别通道把这两个动作明确分开，Flutter 侧两个方法、鸿蒙侧两个 handler，各自管理不同的生命周期阶段。本文重点讲清楚这不是接口数量问题，而是交互控制

 weixin_39706922
2026-06-13 09:50:18

 335

 3

#harmonyos #语音识别 #华为
CANN ops-audio 仓库详解：昇腾NPU上的音频处理算子与语音识别优化

CANN ops-audio 仓库详解：昇腾NPU上的音频处理算子与语音识别优化

 L、218
2026-05-23 17:15:27

 376

 9

#音视频 #语音识别 #人工智能
鸿蒙 HarmonyOS 6 | 音频播放 API 选型与低延迟并发实战

移动应用开发中音频播放的复杂性常被低估。开发者往往认为调用单个播放接口即可满足所有声音需求。项目进入中后期时短音效延迟、长音频状态管理与多流并发的资源竞争问题会集中爆发。鸿蒙6 提供三套核心音频播放 API，分别是 SoundPool、AVPlayer 与 AudioRenderer。它们各自覆盖特定场景。本文深入探讨这三个 API 在低延迟音效与并发播放场景中的核心难点并提供符合最新规范的实战代

 小雨青年
2026-03-18 09:00:00

 726

 7

#harmonyos #音视频 #语音识别
Flutter三方库适配OpenHarmony【flutter_speech】— 语音识别结果的后处理

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.csdn.net语音识别引擎返回的原始文本，往往不能直接用于业务场景。缺少标点、格式混乱、偶尔有错别字——这些问题都需要通过后处理来解决。flutter_speech本身不做后处理，它只负责把引擎返回的原始文本透传给Dart层。后处理的逻辑应该在Dart层实现，这样可以跨平台复用。今天我们来看看语音识别结

 weixin_37695089
2026-02-21 22:20:37

 915

 20

#flutter #语音识别
Flutter三方库适配OpenHarmony【flutter_speech】— 持续语音识别与长录音

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.csdn.netflutter_speech默认配置的最大录音时长是60秒，识别模式是短语音（recognitionMode=0）。对于语音搜索、语音指令这类场景完全够用。但如果你要做语音笔记、会议记录、实时字幕这类需要长时间识别的功能，就需要突破这个限制。今天我们来探讨如何基于flutter_speec

weixin_37695089
2026-02-21 18:25:09

 1880

 25

#flutter #harmonyos #语音识别
Flutter三方库适配OpenHarmony【flutter_speech】— 语音识别启动与参数配置

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.csdn.net引擎创建好了，监听器也设置好了，现在终于可以开始识别了。方法是用户按下"开始"按钮后真正触发的动作，也是整个语音识别流程中参数最多的一个环节。Core Speech Kit的需要传入一个对象，里面包含了音频参数、扩展参数、会话ID等配置。这些参数直接影响识别的质量和行为——采样率设错了识别

 weixin_37695089
2026-02-16 22:27:32

 945

 25

#flutter #语音识别 #人工智能 +1
Flutter三方库适配OpenHarmony【flutter_speech】— 语音识别监听器实现

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.csdn.net引擎创建好了，接下来最重要的就是设置监听器——告诉引擎"识别到结果了通知我"。这就是方法要做的事。监听器是整个语音识别流程中信息密度最高的部分。四个回调方法（onStart、onEvent、onResult、onError）加上一个onComplete，每个回调的触发时机、参数含义、与Da

weixin_37695089
2026-02-16 22:22:31

 796

 14

#flutter #语音识别 #人工智能 +1
Flutter三方库适配OpenHarmony【flutter_speech】— 语音识别引擎创建

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.csdn.net上一篇搞定了权限申请，今天来讲语音识别引擎的创建——。这是整个语音识别流程中最关键的一步，引擎创建成功了，后面的监听、识别、停止都是顺水推舟的事。说实话，这个API看起来很简单——就两个参数嘛。但实际用起来，参数格式、异步处理、异常捕获、能力检测，每一个环节都有讲究。我在适配过程中，光是l

weixin_37695089
2026-02-16 22:15:07

 1354

 18

#flutter #语音识别 #人工智能 +1
鸿蒙语音控制实战：从语音识别到业务执行的完整链路

摘要本文系统介绍了在鸿蒙系统中实现语音控制的完整工程方案。从权限配置、语音识别模块调用、指令解析到业务执行四个关键步骤，详细讲解了如何将语音控制功能落地到实际项目中。针对不同应用场景（页面控制、IoT设备、分布式协同）提供了具体实现方法，并给出了最小可运行Demo代码。文章特别强调了工程化思维，指出语音识别、指令解析和业务执行应分层实现，避免逻辑耦合。同时针对常见问题提供了实用建议，帮助开发者快

 硕硕芊岁
2025-12-25 22:43:36

 1142

 9

#harmonyos #语音识别 #华为
鸿蒙学习实战之路-语音识别-离线转文本实现

简单来说，这玩意儿就是把中文音频（支持中文普通话及中文语境下的英文）转换成文字，支持 PCM 音频文件或实时语音输入。短语音模式不超过 60 秒，长语音模式不超过 8 小时，特别适合手机/平板等设备在无网状态下使用。适用于听障人士辅助、会议记录、语音笔记等场景，尤其是在地铁、山区等无网环境下，依然能正常工作，相当实用！

刺猬二大爷
2025-12-24 22:15:26

 1394

 11

#harmonyos #学习 #语音识别
K230×小智：大模型的 “视觉觉醒”（适配庐山派开发板）

摘要：本文详细介绍如何将K230边缘智能芯片与"小智"大模型结合，实现人脸识别功能。内容包括硬件准备（开发板、摄像头、触摸屏等）、软件编译（SDK配置、模型部署）、网络连接设置以及应用运行步骤。重点展示了如何通过本地化处理使AI大模型具备视觉感知能力，突破传统云端计算的局限，推动边缘智能发展。文章还提供了操作注意事项和常见问题解决方案，为开发者实现AI视觉应用提供完整指南。

weixin_47067898
2025-12-04 09:35:10

 1072

 4

#人工智能 #语音识别
昇腾系列--音频压测：基于Atlas800T A2环境使用vllm-ascend部署Qwen2.5-Omni-7B，并用aisbench压测Qwen2.5-Omni-7B音频转文字的性能

本文详细介绍了Qwen2.5-Omni-7B大模型的环境部署与性能测试过程。在Atlas800TA2硬件平台上，完成vllm-ascend框架的环境安装，并成功加载Qwen2.5-Omni-7B模型服务，使用aisbench工具对模型的音频转文字性能进行压测。

会魔法的bug
2025-11-26 21:20:37

 1328

 22

#python #语音识别 #人工智能 +1