语音识别专题

共 7 篇文章，按时间倒序展示。

Dolphin：清华大学与DataoceanAI联合开源多语种...

Dolphin 是 DataoceanAI 与清华大学联合研发的多语种、多任务语音识别模型，支持 40 种东方语言和 22 种中国方言，训练数据超 21 万小时，可同时完成语音识别、语音活动检测、分段和语种识别。项...

2026年05月23日TechFoco

Anthropic 为其 AI 编程工具 Claude Code 推出语音输入功能，但开发者社区反馈消极，认为该功能未解决核心痛点，且语音识别质量不佳，不如第三方方案。

2026年03月06日TechFoco

Local Voice AI 是一个通过 Docker 容器化技术整合语音识别、大模型推理、语音合成及 RAG 检索的全栈开源项目，提供了一套完整的本地化语音助手解决方案，所有处理均在本地完成。

2025年12月27日TechFoco

ElevenLabs 发布 Scribe v2 Realtime 模型，支持 90 多种语言，延迟低至 150 毫秒，具备高准确率与多项安全合规认证，适用于语音助手、会议记录等场景。

2025年11月19日TechFoco

Speech Note 是一款面向 Linux 和 Sailfish OS 的全离线语音笔记工具，集成语音识别、语音合成和机器翻译，所有处理均在本地完成，注重隐私和多语言支持。

2025年09月13日TechFoco

小红书开源了 FireRedASR 语音识别模型，提供 LLM 和 AED 两种架构，分别针对高质量转写和普通应用场景，在普通话基准测试中表现优异。

2025年02月12日TechFoco

本文介绍了一个基于 FastAPI 和 asyncio 构建的高性能异步 Whisper 语音识别服务 API。该项目支持分布式处理、内置多平台爬虫，并集成了 ChatGPT，旨在应对大规模自动语音识别场景。

2025年01月14日TechFoco