相关新闻

placeholder

karminski-牙医

1个月前

阶跃刚刚发布了一个开源的端到端的音频模型(输入是音频，输出也是音频，可以实现对话)。 帮大家整理了下模型性能。目前来看跟GPT-4o打得有来有回, 其中翻译和ASR(自动语音识别)性能是领先的，对话能力差一点，稍后为大家带来评测！ 模型地址：

placeholder

dontbesilent

2个月前

微信这个语音识别的按钮救了我的命 应该是把微信输入法的语音识别集成过来了 iOS 系统听写太难用了，又不像安卓可以随意使用第三方输入法听写 现在移动端输出效率大幅提升

placeholder

Shaolei Zhang

3个月前

👏🏻Stream-Omni：一个类GPT-4o的文本-视觉-语音多模态大模型 （1）同时支持文本、视觉、语音输入，生成文本和语音回复。 （2）语音交互过程中，同步生成中间的语音识别、文本回复结果，提供更加全面的多模态交互体验！ 📝论文： 🔗代码&Demo：

placeholder

ding.one

3个月前

很多人都慢慢发现用语音代替打字的快捷了，不管是 vibe coding 还是和 AI 对话效率都爆棚，未来的操作系统肯定会把鼠标和键盘更加边缘化的。但目前这个赛道太卷了，我已经尝试过这么多了： Superwhisper: Willow Voice: Aqua Voice: Macwhisper: WisprFlow: Harker: VoiceInk: Spokenly: Voic

placeholder

sitin

3个月前

OpenAI高级语音功能大升级！对话像真人般自然流畅，语调有起伏、节奏更真实，还自带情绪表达，从同理心到讽刺全都拿捏。 语音翻译更是厉害，多轮对话无需重复指令，旅行、商务、学习全搞定。