#语音识别

借助实时分析语音节奏与停顿信号（如“um”“ah”），AI 可判断何时等待、何时回应，避免打断用户或不自然的等待，使对话更像真实人类交流。 几乎没有延迟... 详细介绍：

ElevenLabs 发布其对话语音助手： Conversational AI 2.0 相较于上一代有了巨大飞跃 亮点功能： 说话不尴尬了：它能听懂你什么时候停顿、什么时候在思考，不会中途打断你说话。 多语言切换很顺滑：你说中文，它说中文；你说西班牙语，它也能自动切换。 回答更“懂行”：它可以从你公司的知识库里直接找资料来回答你，不胡说。 批量打电话不求人：几百几千个客户，系统可以一次

现在很多人用“听书”、“听帖子”来替代阅读。 但是有一个问题可能这些人里面大部分不知道：听读软件如果发现一句话里有敏感词，会把这句话略过去不读。

FireRedASR：小红书开源的语音识别模型 支持识别普通话、方言、英文，分2个版本： FireRedASR-LLM：8.3B，为端到端的语音多模态LLM设计，能力更强，中文准确率开源最佳 FireRedASR-AED：1.1B，兼具效率和效果。 Github： 模型：

《简单有效的将音频转成各式良好对话文本的方案》