语音识别
  1. 首页
  2. 语音识别

列表

Ola

Ola

Ola是一款由多机构联合开发的全模态语言模型，支持文本、图像、视频和音频等多种输入形式。通过渐进式模态对齐策略，逐步扩展模型的多模态理解能力，同时采用流式解码技术提升交互体验。其架构融合多种编码器与解码器，结合局部-全局注意力机制，实现高效多模态处理，在多项任务中表现优异。
AI项目与工具 2025年06月12日
Scribe

Scribe

Scribe 是由 ElevenLabs 推出的高精度语音转文本模型，支持 99 种语言，具备多说话者区分、非语言事件检测和单词级时间戳功能。输出结构化的 JSON 数据，适用于会议记录、字幕生成、内容创作等多种场景，广泛应用于教育、客服及媒体领域。
AI项目与工具 2025年06月12日
Gemma 3n

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
VXlive

VXlive

VXlive是一款以语音社交为核心的多功能应用，支持语音聊天、直播、1对1视频通话及AI互动功能。内置AI语音识别与语音日记，提供个性化互动体验，增强用户情感陪伴。语音挑战活动提升社交趣味性，适合各类用户拓展社交圈，尤其适合社交焦虑人群。应用注重互动性和社区氛围，打造轻松友好的社交环境。
AI项目与工具 2025年06月12日
OfferinAI

OfferinAI

OfferinAI是一款面向求职者和招聘者的智能工具，集成了实时语音识别、快速响应、网络搜索及代码生成等功能，旨在提升用户在面试和笔试中的表现。它支持多种模式，适用于在线面试、笔试辅助、技能测试及模拟面试等场景，帮助用户在多轮面试中获得竞争优势。
AI项目与工具 2025年06月12日
SeniorTalk

SeniorTalk

SeniorTalk是全球首个面向中文超高龄老年人的语音数据集，涵盖202位75岁以上老人的55.53小时语音数据，覆盖16个省市，包含多种口音。数据通过两两自发对话采集，内容贴近真实交流场景，并附有多维标注，如说话人信息、时间戳、口音分类等。该数据集可用于语音识别、说话人验证、语音编辑等研究，支持适老化设备、健康管理和辅助养老系统的开发，推动相关技术进步。
AI项目与工具 2025年06月12日
VAPI

VAPI

VAPI是一个面向开发者的语音AI平台，凭借其简便的API集成、高精度语音识别、多语言支持以及定制化能力，能够协助开发者快速将语音技术嵌入至不同类型的软件应用中。它注重数据隐私与安全性，并提供多样化的应用场景，如智能助手、客户服务自动化、教育培训、医疗健康及呼叫中心等，帮助企业提升运营效率和服务质量。
AI项目与工具 2025年06月12日
灵伴科技Rokid

灵伴科技Rokid

也和称Rokid，2014年成立，总部在杭州，创始人是前阿里巴巴M工作室负责人祝铭明，是一家专注于AI与AR技术的杭州高科技公司。
Ai科技公司 2025年06月05日
CapsWriter

CapsWriter

CapsWriter-Offline是一款基于PC端的离线语音输入与字幕转录工具，支持实时语音转文字功能，具备高准确率和无限时长录音能力。其核心技术依托于深度学习模型，可处理中英文混合语音，并提供热词自定义功能以提升特定术语的识别效果。此工具适用于会议记录、学术讲座、视频字幕生成等多种场景，同时确保用户数据的安全与隐私。 ---
AI项目与工具 2025年06月12日
白瓜面试

白瓜面试

白瓜面试是一款集智能回答、代码解析、语音与图像识别于一体的AI面试辅助工具。它通过实时语音转录、图片分析及物理隔离功能，帮助求职者在技术面试和技术岗位应聘中保持高效表现。此外，它还支持在线面试、笔试优化及简历定制服务，旨在全面提升用户的面试体验。
AI项目与工具 2025年06月12日