#ASR

23小时前

说一个最近的观点：大厂的 asr 和 tts 可能真做不到中厂以及小厂，大厂的合规成本太高了。

#大厂 #ASR #TTS #合规成本 #小厂

1周前

Azure 的 asr 和 tts 是提供SDK 最全的，比如基本的采集和播放都已经支持了，想问一下推友，你们在选asr和tts的供应商的时候一个好用的SDK在决策中占多大的比重？

#Azure #ASR #TTS #SDK #供应商选择

2个月前

网络延迟已经超过推理延迟，对于在构造realtime agent的公司来说要及早构建自己asr/llm/tts的闭环，只有在需要强推理的情况下才调用外部大模型。

#网络延迟 #实时代理 #ASR #LLM #TTS #闭环 #推理延迟 #大模型

2个月前

想清楚 OpenAI Realtime API 以及 Gemini Live API是什么了： Realtime API = ASR + TTS + 意图识别小模型。更多的是作为语音交互Agent的接入层。

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 328 条信息

#OpenAI #Realtime API #Gemini Live API #ASR #TTS #语音交互 #意图识别 #AI

2个月前

当下ASR波段策略延时模式就处在一个长龙状态，所以我昨晚已经手动做空去斩龙了！实际在跑的波段策略（常规模式）在第一波回调中就损了... 这波回调，波段策略连开6次多单，目前还在扛... 止损差不多在106500~106000之间，恰好很接近James的爆仓价（104800）... 看看能不能斩龙成功？

#波段策略 #ASR #斩龙

5个月前

西北工业大学开源了一个语音理解模型：OSUM，支持8种语音理解任务，从ASR到情感识别，以及语音到文本的深度理解支持语音识别(ASR) 带时间戳的语音识别(SRWT) 声音事件检测(VED) 语音情感识别(SER) 说话风格识别(SSR) 说话者性别分类(SGC) 说话者年龄预测(SAP) 语音到文本对话(STTC) 它结合了Whisper和Qwen2，采用ASR+X训练策略，支持多任务同时训练优化 #语音理解模型 #语音识别 #OSUM

#西北工业大学 #OSUM #语音理解 #开源模型 #ASR #情感识别 #Whisper #Qwen2 #多任务支持 #语音识别技术 #科技新品