Prompt解锁语音语言模型生成能力，SpeechGen实现语音翻译、修补多项任务
本文提出了一个名为 SpeechGen 的统一框架，该框架可用于任意的 speech LM 及各类语音生成任务，具有很好的潜力。论文链接：https://arxiv.org/pdf/2306.02207.pdfDemo 页面：https://ga642381.github.io/SpeechProm
首页 > 语音
-
-
同传达到人类专家译员水平！科大讯飞行业首发端到端语音同传大模型
寒假出国旅游有“福”啦！不用害怕语言不通，你可以一边看风景，一边听中文介绍！1月15日，科大讯飞发布国内首个具备端到端语音同传能力的大模型，最快实现5秒以内的同传时延，达到人类专家译员的水平。现场，科大讯飞发布了当前全国产算力平台上唯一的深度推理大模型——讯飞星火X1。该模型中文数学能力居国内第一，
-
OpenAI语音转录工具被曝严重幻觉：转录100小时，一半儿在瞎扯
OpenAI的AI语音转写工具，那个号称近乎“人类水平”的Whisper，被曝幻觉严重——100多小时转录，被工程师发现约一半都在瞎扯。更严重的是，美联社还爆料有医疗机构利用Whisper来转录医生与患者的会诊，瞬间引发大量网友关注。
-
能1分钟语音打400字的黑科技讯飞智能键盘K710
[PConline 评测]对于经常需要键盘输入的文字工作者或者办公族来说，长时间的久坐不动容易带来颈椎病或者肩周炎，而长时间使用鼠标的朋友也有得“鼠标手”的风险，那有没有什么办法能避免这几种常见的办公族职业病呢？答案是有的，那就是今天我们上手的科大讯飞智能键盘K710，它以快速、准确的语音输入来代替
-
三星取得个性化语音识别专利，能够实现对用户的语音个性化的特性参数识别
2023年12月20日消息，据国家知识产权局公告，三星电子株式会社取得一项名为“个性化语音识别方法以及执行该方法的用户终端和服务器“，授权公告号CN109410916B，申请日期为2018年5月。专利摘要显示，公开一种个性化语音识别方法以及执行该方法的用户终端和服务器。
-
ChatGPT搜索大更新新增实时搜索和高级语音
财联社12月17日电，OpenAI开启第八天技术分享直播，对ChatGPT搜索功能进行大量更新。新增的功能包括，实时搜索，OpenAI对搜索的算法进行了深度优化，可在用户提出问题后获取实时内容（分钟级别），包括股票、新闻等；高级语音，在高级语音模式下，用户可以与ChatGPT进行更自然的多轮搜索对话
-
汤姆猫：推进AI应用产品研发海外推出智能语音机器人GameBudTalkingTom
11月19日消息，汤姆猫披露投资者关系活动记录表显示，在AI产品方向，公司海内外研发团队正推进三款AI应用产品的研发与测试工作。海外团队研发的首款AI手游《Talking Ben AI》已在斯洛文尼亚、塞浦路斯、南非等地区开启首轮海外测试。在智能机器人硬件领域，公司于2021年下半年在海外市场
-
全品牌覆盖！比亚迪“AI智能语音”正式接入DeepSeek满血版
3月13日消息，比亚迪汽车宣布旗下全品牌“AI智能语音”正式接入DeepSeek满血版。此前，比亚迪智驾负责人杨冬生在2月10日透露，比亚迪的整车智能“璇玑架构”将接入DeepSeek-R1大模型。比亚迪表示，接入DeepSeek-R1大模型后，其车机系统将变得听得懂，会思考，精准答。
-
长治国保单位语音系统上线
记者从长治市文旅局了解到，由该市文旅局主导，市文物保护研究中心（长治市考古研究所）、山西文旅集团信息技术有限公司共同完成的长治市全国重点文物保护单位语音系统于国庆期间上线。长治市全国重点文物保护单位语
-
“炸裂”！Chatgpt即将开放图生文及语音对话功能AI技术持续迭代再翻新一页
OpenAI：将在ChatGPT推出新的语音和图像功能 OpenAI宣布，将在ChatGPT推出新的语音和图像功能，新功能将于未来两周内面向Plus和企业用户推出。据介绍，新功能允许用户进行语音对话或向ChatGPT展示其正在谈论的内容。语音功能将在iOS和Android平台推出，图像功能将覆盖所
