语音识别

1. 首页
2. 语音识别

腾讯AI实验室

共同打造产学研用一体的 AI 生态

Ai科技公司 1970年01月01日 0 点赞 0 评论 25 浏览

滴滴人工智能实验室

全球智能交通的前沿科技实验室

Ai科技公司 1970年01月01日 0 点赞 0 评论 26 浏览

魔撰写作

全新的AI写作工具，拥有智能润色、实时纠错、全能词典、修辞、翻译等众多辅助创作功能，让您手握灵感、敲出不凡。

AI写作对话 1970年01月01日 0 点赞 0 评论 29 浏览

Notta

Notta是由MIND CRUISER LIMITED推出的语音转写软件，主要针对个人使用，并在海外拥有数十万用户。这款软件具有录音实时转写、音/视频导入转写、文本多格式导出、音频标记等功能，...

Ai办公效率 1970年01月01日 0 点赞 0 评论 136 浏览

BING翻译

输入网址则可启动网页全翻译功能

Ai语音工具 1970年01月01日 0 点赞 0 评论 137 浏览

Faster Whisper

Faster Whisper 是一款基于 OpenAI Whisper 模型的高效语音识别工具，利用 CTranslate2 引擎显著提升转写速度并降低内存消耗。它支持多语言处理，可应用于实时语音转写、视频字幕生成、客户服务、医疗记录等领域。其核心技术包括 8 位量化、语音活动检测（VAD）及模型优化，同时提供灵活的 API 接口供开发者集成。

AI项目与工具 2025年06月12日 30 点赞 0 评论 141 浏览

Gemma 3n

Gemma 3n 是谷歌 I/O 开发者大会推出的端侧多模态 AI 模型，基于 Gemini Nano 架构，采用逐层嵌入技术，将内存占用压缩至 2-4B 参数模型水平。支持文本、图像、短视频和音频输入，可生成结构化文本输出，并具备音频转录、情感分析等功能。可在本地设备运行，响应时间低至 50 毫秒，适用于语音助手、内容生成和学术任务定制。

AI项目与工具 2025年06月11日 87 点赞 0 评论 149 浏览

VideoTrans

一个开源的视频翻译和配音工具，VideoTrans能够一键识别视频字幕、翻译成其他语言以及进行多种语音合成，最终输出带字幕和配音的目标语言的视频。

字幕配音 2025年06月05日 84 点赞 0 评论 150 浏览

Tailor

Tailor是一款免费开源的AI视频编辑工具，提供视频编辑、生成和优化三大功能。它能够实现人脸剪辑、语音剪辑、口播生成、字幕生成、色彩生成等功能，并支持背景更换及流畅度和清晰度优化。最新版本增加了语音驱动的口播生成和模型自检修复机制，进一步提升了用户体验。

AI项目与工具 2025年06月12日 79 点赞 0 评论 160 浏览

Hertz

Hertz-Dev是一款由Standard Intelligence开发的开源音频模型，专注于低延迟实时对话AI。它具备强大的音频生成与处理能力，能够处理和生成高质量的音频信号，并支持多任务微调，适用于语音识别、语音合成等多种应用场景。此外，Hertz-Dev还提供了音频自动编码、流式生成等功能，广泛应用于智能助手、客户服务、语音识别及合成等领域。

AI项目与工具 2025年06月12日 48 点赞 0 评论 162 浏览