浏览量：21
智能音箱，打造智慧生活
智能音箱是一款通过语音识别技术，可以回答问题、播放音乐、控制家居设备等功能的智能设备。它采用先进的声音处理技术，提供高品质的音乐播放体验。支持与智能手机、智能家居设备等进行无线连接，实现智慧生活。智能音箱定价合理，并且适用于家庭、办公室等场景。
语音转文字,支持实时语音识别、录音文件识别等
腾讯云语音识别(ASR)为开发者提供语音转文字服务的最佳体验。语音识别服务具备识别准确率高、接入便捷、性能稳定等特点。腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同类型开发者需求。技术先进,性价比高,多语种支持,适用于客服、会议、法庭等多场景。
将小爱音箱接入ChatGPT，打造专属智能家居语音助手。
MiGPT是一个通过将小爱音箱与ChatGPT的智能理解能力相结合，实现智能家居语音控制的项目。它不仅支持设备自动化，还能够通过角色扮演、流式响应、长短期记忆等技术，让智能家居设备更智能、更贴心地响应用户的指令。MiGPT支持Docker和Node.js两种启动方式，用户可以根据自己的需求进行选择。
智能语音助手，简化生活
智能语音助手是一款基于人工智能技术开发的插件，可以帮助用户简化生活。它具有语音识别、语音合成、智能对话等功能，用户可以通过语音指令完成各种操作，如查看天气、设置提醒、播放音乐等。智能语音助手还支持个性化定制，用户可以根据自己的需求设置喜欢的声音、语速等。定价方面，智能语音助手提供免费版和付费版两种选择，付费版提供更多高级功能和个性化定制选项。该产品主要适用于办公场景、个人生活场景等。
语音识别AI购物清单助手
HoneyDo是一款语音识别AI购物清单助手，通过语音输入购物清单，AI将其转化为整洁有序的列表。另外，还支持拍照识别食材并列出清单，以及与家人实时同步共享购物清单等功能。HoneyDo分为免费版和PRO版，PRO版提供无限语音录制和图像捕捉功能。
提供语音识别、语音合成等语音AI能力
依图语音开放平台为开发者提供语音识别、语音合成等语音AI能力,包括精准语音转文本、文本转语音合成、声纹识别、语音增强降噪等服务,支持不同场景下的语音交互应用开发。平台提供高效、灵活的语音AI能力接入方式,可轻松将语音技术应用于各类产品与业务场景。
打造智能生活，让语音成为你的助手
智能语音助手是一款通过语音识别和人工智能技术实现语音交互的智能助手。它可以帮助用户完成各种任务，如查询天气、播放音乐、提醒日程等。具有智能学习能力，可以逐渐了解用户的偏好和习惯，提供个性化的服务。智能语音助手支持多平台使用，包括手机、电脑和智能音箱等。定价灵活，提供免费版和付费版，满足不同用户的需求。
智能语音助手，简化您的生活
智能语音助手是一款能够通过语音指令帮助您完成各种任务的应用程序。它可以回答您的问题、提供天气预报、设置提醒事项、播放音乐、控制智能家居设备等。智能语音助手具有高度的智能性和个性化定制功能，能够与您进行自然对话并提供个性化的服务。定价灵活多样，满足不同用户需求。它适用于各种场景，包括家庭、办公室、车辆等。
智能语音旗舰应用，无障碍语言记录与交流。
汉王语音王App是汉王科技基于自研多模态天地大模型，自主研发的智能语音旗舰应用。它集AI语音记录、智能翻译与同声传译于一体，支持AI精准转写、拍录同步、话稿整理、智能总结及不间断实时翻译等功能。依托全栈AI技术，汉王语音王致力于帮助用户跨越语言障碍，提高办公、学习、会议、旅游等场景的效率和便捷性。
智能语音助手，让您的生活更便捷
智能语音助手是一款能够通过语音指令进行操作的人工智能助手。它可以回答问题、提供实时信息、执行任务等。优势包括高度智能化、便捷易用、快速响应等。定价根据不同需求而定，提供免费和付费版本。定位于提供个人和企业生活的智能化支持。
年度旗舰智能音箱，天空音布局，音质卓越。
天猫精灵 X6 智能音箱是阿里巴巴旗下人工智能品牌天猫精灵发布的年度旗舰产品。它独创了天空音布局，采用1.1声学架构，通过独立高音单元的天空方向扬声设计，构建出天籁之音回荡的穹顶效果。音箱搭载了Hi-Fi级高保真数字功放，拥有高信噪比和低失真率，以及强劲的驱动单元。此外，天猫精灵 X6 还获得了CCEG金耳朵优选产品证书，支持与超过4.6亿台智能设备相连，覆盖1600余个品牌、6800余种型号。
在线语音合成与语音识别服务
TTSLabs是一款在线语音合成与语音识别服务，提供高质量、自然流畅的语音合成和准确可靠的语音识别功能。通过简单的API调用，用户可以将文字转化为真实的语音，并且可以将语音转化为文本。TTSLabs提供多种语音风格和多国语言的支持，具有快速响应、高效稳定的特点。价格灵活透明，适用于个人开发者和企业用户。
让应用通过语音与文本的转换实现智能交互。
Azure 认知服务语音是微软推出的一款语音识别与合成服务，支持超过100种语言和方言的语音转文本和文本转语音功能。它通过创建可处理特定术语、背景噪音和重音的自定义语音模型，提高听录的准确度。此外，该服务还支持实时语音转文本、语音翻译、文本转语音等功能，适用于多种商业场景，如字幕生成、通话后听录分析、视频翻译等。
实时浏览器端语音识别应用
Moonshine Web是一个基于React和Vite构建的简单应用，它运行了Moonshine Base，这是一个针对快速准确自动语音识别（ASR）优化的强大语音识别模型，适用于资源受限的设备。该应用在浏览器端本地运行，使用Transformers.js和WebGPU加速（或WASM作为备选）。它的重要性在于能够为用户提供一个无需服务器即可在本地进行语音识别的解决方案，这对于需要快速处理语音数据的应用场景尤为重要。
联合语音转录和实体识别的先进模型
Whisper-NER是一个创新的模型，它允许同时进行语音转录和实体识别。该模型支持开放类型的命名实体识别（NER），能够识别多样化和不断演变的实体。Whisper-NER旨在作为自动语音识别（ASR）和NER下游任务的强大基础模型，并且可以在特定数据集上进行微调以提高性能。
专业语音识别软件和服务
Vocapia Research开发的语音识别软件提供先进的语音处理技术，支持多语种识别，并能应用于广播监控、讲座和研讨会转录、视频字幕、电话会议转录和语音分析等领域。我们的产品具有大词汇量连续语音识别、语音分割和分区、说话人识别和语种识别等功能。我们的软件适用于批量或实时转录大量音频和视频文件，特别针对电话对话语音和呼叫中心数据的转录需求。我们提供多种语言的转录服务，并可根据客户需求定制模型或系统。
支持多种语音识别和语音合成功能的开源项目
sherpa-onnx 是一个基于下一代 Kaldi 的语音识别和语音合成项目，使用onnxruntime进行推理，支持多种语音相关功能，包括语音转文字(ASR)、文字转语音(TTS)、说话人识别、说话人验证、语言识别、关键词检测等。它支持多种平台和操作系统，包括嵌入式系统、Android、iOS、Raspberry Pi、RISC-V、服务器等。
智能日记应用，与您一同反思生活
Pearl是一个智能日记应用，旨在通过技术手段简化日记记录过程，让用户能够轻松地记录和反思日常生活。它通过识别用户的情绪和需求，帮助用户整理思绪、担忧和待办事项。Pearl的背景信息显示，该产品由Emily和Lele创立，他们在疫情期间通过日记记录生活，发现日记可以帮助人们更好地反思和享受生活。Pearl的主要优点在于它能够使反思变得轻松愉快，适合忙碌的现代生活节奏。目前产品处于起步阶段，提供免费试用。
AI智能语音助手
小爱同学是小米推出的AI智能语音助手，具有语音控制、智能问答、生活服务等功能。它可以帮助用户完成各种任务，提供实时天气、股票查询、音乐播放等服务。小爱同学可以与用户进行自然对话，提供个性化的建议和回答。同时，小爱同学还支持多平台接入，方便用户在不同设备上使用。
声波 - 语音识别和翻译
SpeechPulse是一款语音识别和翻译软件。它使用OpenAI的Whisper语音到文本模型，实现实时的语音识别，支持多种语言。用户可以使用麦克风输入文字，也可以通过转录音视频文件进行语音识别和翻译。SpeechPulse可以在各种场景下使用，例如办公文档编辑、网页浏览、文件转录、视频字幕生成等。它具有极高的准确性和低延迟，并且完全离线使用。SpeechPulse提供免费版和付费版，付费版支持更多功能和更好的准确性。
基于科大讯飞语音技术，实现智能客服的多渠道解决方案。
A.I.智能客服解决方案是科大讯飞基于其先进的语音技术，为企业提供的一套完整的客户服务系统。该系统通过电话、Web、APP、小程序、自助终端等多种渠道，实现智能外呼、智能接听、语音导航、在线文字客服、质检分析、坐席辅助等功能。它通过高识别率的语音识别引擎、自然流畅的语音合成技术、智能打断能力、IVR导航以及客服平台中间件等技术，帮助企业提高客服效率，降低人力成本，同时提升客户服务体验。
使用自得语音技术，创造属于你的角色
自得语音技术可通过简单的步骤创造出属于你的角色。类似GPT，可生成与真人无异的语音片段，在情感、音色和语速等方面与真人一致。自得语音支持快速定制角色，只需要上传一段语音即可立即生成属于你的语音角色。无需下载软件，可在浏览器上完成语音生成。同时提供API接口，方便开发者集成到自己的产品中。商用用户可享受7x24小时的技术支持。
大卫·爱登堡讲述你的生活
narrator是一款Python应用，通过使用OpenAI和ElevenLabs的API，能够让David Attenborough来为您的生活进行解说。用户需要设置相关的API密钥和语音ID，并运行webcam捕捉和narrator两个Python脚本即可。
快速准确的边缘设备自动语音识别模型
Moonshine 是一系列为资源受限设备优化的语音转文本模型，非常适合实时、设备上的应用程序，如现场转录和语音命令识别。在 HuggingFace 维护的 OpenASR 排行榜中使用的测试数据集上，Moonshine 的词错误率（WER）优于同样大小的 OpenAI Whisper 模型。此外，Moonshine 的计算需求随着输入音频的长度而变化，这意味着较短的输入音频处理得更快，与 Whisper 模型不同，后者将所有内容都作为 30 秒的块来处理。Moonshine 处理 10 秒音频片段的速度是 Whisper 的 5 倍，同时保持相同或更好的 WER。
高效自动语音识别模型
Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练，能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本，解码层从32减少到4，以提高速度，但可能会略微降低质量。
快速准确的语音识别工具
Beey.io是一个在线工具，使用先进的AI语音识别技术，能够将音频和视频转换为文字。用户可以在高级编辑器中快速创建高质量的字幕和标题，并提供自动翻译功能。Beey.io的优势包括快速准确的语音识别、智能编辑功能、字幕和翻译、个性化功能等。定价灵活且定位于各类用户。
© 2025 AIbase 备案号：闽ICP备08105208号-14