语音识别标签_AI Agent技术社区

语音识别

DPJ-82基于STM32单片机蓝牙智能语音识别分类垃圾桶设计火灾预防桶满报警自动照明垃圾桶系统

1、通过一级级口令进入识别模式，通过识别二级口令进行分类，对垃圾分为四大类：厨余垃圾、可回收垃圾、有害垃圾、其他垃圾。2、将识别出来的垃圾种类播报出来。3、根据垃圾种类驱动对应的舵机进行转动（模拟垃圾桶打开，并在十秒钟自动复位，模拟垃圾桶关闭）4、通过红外模块检测桶满，当相应的垃圾桶满时蜂鸣器报警5、实时监测光照6、通过烟雾传感器监测烟雾预防火灾STM32系列处理器是意法半导体ST公司生产的一种基

 洪核单片机
2026-08-25 00:27:09

 410

 20

#单片机 #stm32 #语音识别 +1
AI会议助手的几个关键技术指标：准确率、语言覆盖和测试方法怎么看？

AI会议助手正在从单纯的“录音转文字”工具，逐渐发展成包含语音识别、内容理解和信息管理在内的综合系统。功能数量能够帮助人们快速了解一套系统大致能做什么，但真正评估技术能力时，仍然需要进一步观察准确率、语言覆盖、多人会议表现以及测试方法。对于其中一些可以量化的性能指标，除了实际场景测试之外，来自独立第三方机构的检测结果也能够提供额外参考。涉及CNAS时，更值得关注的是检测实验室是否具有相应认可能力范

 shxjnpl
2026-08-24 11:24:59

 493

 13

#人工智能 #语音识别 #智能硬件
上海及周边服务安防门禁项目的语音识别芯片服务商大盘点：正规靠谱机构筛选攻略与签约避坑FAQ

在安防门禁领域，该公司主要提供各类语音芯片IC、语音模块、语音交互方案、AI智能语音开发产品，涵盖播放类、录音类、控制类、语音识别、传感器等多类产品，适配安防门禁的语音交互需求。据中国安全防范产品行业协会2025年发布的《长三角智能安防产业发展白皮书》显示，2024年上海及周边（苏州、嘉兴、昆山、湖州等）智能门禁市场规模达18.7亿元，其中搭载语音识别功能的门禁占比达42%，年增速达13.2%，对

 Lihonv2026
2026-08-24 11:21:36

 314

 12

#语音识别
2026年语音识别芯片供应厂家合规选型指南：避坑FAQ、核心判断维度及行业服务商要点解析

摘要：语音识别芯片选型需围绕四个维度：产品兼容性（接口、传感器适配）、交付保障（交期、产能）、定制化能力（算法、封装）及售后服务（技术支持）。主流方案包括标准化芯片（低成本、快速交付）、定制化模块（特殊场景适配）及一体化方案（集成功能）。选择正规厂商需核查自主生产能力（如上海创砷电子）、技术团队经验及测试能力（高低温、抗干扰等）。2026年趋势将侧重场景化适配，如智能家居（低功耗）、汽车电子（耐

 Lihonv2026
2026-08-24 10:51:37

 319

 6

#语音识别
Arduino用的离线语音模块：唯创WTK6900专为创客DIY/科创竞赛/智能小家电语音项目设计，功能远不止简单语音开关，硬件即插即用，开发省心省时

WTK6900模块搭载深度神经网络（DNN‑HMM）语音识别技术，配合深度学习的单麦克风降噪处理，在嘈杂场景里也能保留清晰的人声指令。普通话带点方言口音，同样能精准识别。在安静环境下5-8米距离，识别达到98%，适合空间更大的场景，不需要走到设备前，躺在沙发上就能语音控制空调、风扇、灯光、音箱。可自定义150条命令词，10个唤醒词，配置60多种音色的TTS语音播报，含男女生，语速快慢都可以调整，还

 唯创Arduino模块
2026-08-24 09:35:01

 429

 12

#嵌入式硬件 #智能家居 #语音识别 +3
2026依托技术优势高准确率语音识别软件多场景让信息整理更省事更清晰

2026依托技术优势的高准确率语音识别软件，核心就是解决产品技术岗用户调研记录整理慢、信息错漏多的痛点，靠算法升级拉高转写准确率，能覆盖多场景信息整理需求，帮你省出大量时间聚焦核心工作，不用再花几小时对着录音逐句核对改错。适合经常要整理用户调研录音、内部会议纪要、访谈记录的产品、研发、运营从业者，追求转写准、整理快，不想花大量时间返工改错的人。不适合只需要转写三五句话、全程都用文字输入不需要语音

 淳悦qiqi
2026-08-23 11:16:59

 343

 4

#语音识别 #人工智能
2026零基础留学生外教课语音识别哪个好避坑攻略包教包会可直接上手

第三个场景是复习备考，前两款工具转完就是文字，要自己抄知识点做卡片、刷题巩固，听脑AI转完可以直接一键生成记忆卡片，还能选难度，朋友选了标准难度抓核心考点，生成的时候关了APP干别的也不影响，背的时候标记没掌握的，之后只刷不会的，省了好多自己整理卡片的时间，还能基于内容自动出测验题，题目都是从录音里来的，不会瞎编，做完能重答也能生成新题，刚好用来巩固知识点。写课程论文找教授做访谈，好几十分钟录音，

dexter0111
2026-08-22 18:35:26

 219

 8

#语音识别 #人工智能
AI 智能晾衣架智能功率 MOSFET 完整选型方案

2026年随着 AI 技术在智能家居中的深度渗透，智能晾衣架已从单一升降进化为（AI语音唤醒、自动感应升降、恒温烘干、紫外杀菌、人机交互）。微碧半导体（VBsemi）基于 Trench 与 SGT 工艺，为您提供覆盖直流电机驱动、烘干加热控制、控制板供电的完整 AI 晾衣架功率解决方案。

VBsemi-专注于MOSFET研发定制
2026-08-21 17:00:00

 55

 2

#人工智能 #语音识别
37.5毫米的“声音魔术师”：这块AI语音模组，把风扇声、回音、串音全变没了

AU-60的AEC（声学回声消除）能力有多强？可消除高达100dB的喇叭回音，支持100ms的回音空间延迟。这意味着什么？喇叭音量开到100dB以上、麦克风和喇叭间距小于6cm，也能实现无干扰的全双工通话。消回音的同时不掐断对方说话，流畅度拉满。支持双波束模式.双数字麦克风模式下，AU-60可以开启波束定向拾音（Beamforming）,AU-60预留的端口相当丰富：USB直连、模拟输入输出、I2

芯慧创科技
2026-08-21 16:42:04

 187

 6

#语音识别 #人工智能
AI会议助手怎么选？别只看“能不能转写”，这几个性能指标更关键

前面的识别结果一旦出现偏差，错误很可能继续向后传递。大模型虽然可以修正一部分明显的语病，却无法可靠判断某个专业词、数字、人名或者否定词究竟有没有识别错。因此，企业选型时应当重点关注厂商是否能够提供明确的语音识别测试结果，而不是只看“高准确率”“行业领先”之类的描述。

shxjnpl
2026-08-21 15:21:58

 210

 6

#人工智能 #语音识别 #智能硬件
视频转文字教程，2026年视频文案提取工作流，5款工具怎么选

视频转文字教程：2026年批量提取视频文案的完整工作流拆解，对比鲸剪 WhaleClip、剪映、度加剪辑、Descript、万兴喵影五款工具在语音识别、批量处理、工程化接入上的差异，帮助创作者与矩阵团队选对方案。

大拿爱科技
2026-08-21 15:19:03

 167

 6

#音视频 #自动化 #语音识别 +1
企业选购AI会议助手，真正该比较的不是功能数量，而是语音识别底座

当前AI会议助手功能日趋同质化，但底层语音识别(ASR)的准确性才是决定产品差异的核心。文章指出，ASR错误会直接影响后续AI功能的可靠性，而识别效果受口音、实时性等因素影响显著。企业选型时应重点关注：1）区分实时转写与录音转写的测试结果；2）验证第三方检测报告中的具体指标；3）考察多方言/口音的实际支持能力。建议企业采用分层测试法，从基础语音识别、多人会议场景到AI功能逐级验证。随着行业进入&q

BingDreamer
2026-08-21 11:44:23

 9

#人工智能 #语音识别
一场10人技术评审会实测：飞书妙记、讯飞听见、通义听悟、熙瑾会悟在复杂会议里有什么差异？

这次10人技术评审会测试之后，我们对“AI会议助手”这个概念有了一个更明确的认识。声音采集↓音频预处理↓语音识别↓专业术语处理↓说话人分离↓声纹或人员关联↓逐字稿↓AI会议纪要↓人工确认↓会议资料保存与检索其中任何一个环节出现问题，最终得到的会议记录都会受到影响。所以对于十人以上技术评审，我们已经不太倾向于单独问“哪个ASR准确率最高”，而是更关注整条链路在真实环境中的稳定程度。

shxjnpl
2026-08-21 11:26:07

 224

 3

#语音识别 #人工智能 #智能硬件
方言静音片段识别切割标注泸州话标注公司采用信实翻译静音识别技术

泸州话标注公司承接的订单多来自智能音箱、语音助手等场景，要求对连续语音中的静音片段进行精准识别和切割，以提升语音识别的断句准确性。泸州话静音片段识别切割标注是方言语音数据处理的精细环节，需要专业语言能力和严谨质控。答：泸州话的语速和停顿习惯与普通话差异大，语气词丰富，静音位置常与语义边界不一致，且方言内部存在口音差异，导致切割标准难以统一，需要熟悉方言的标注员结合上下文判断。答：信实翻译采用泸州本

 2501_93181970
2026-08-21 10:21:05

 143

 3

#语音识别
【单片机毕设案例分享】嵌入式语音识别垃圾分类硬件控制系统设计与实现基于 STM32 的多类别垃圾语音识别与自动开盖装置开发（013104）

本课题设计一款基于 STM32 单片机的语音识别智能垃圾分类桶模型控制系统。系统以 STM32F103C8T6 单片机作为主控单元，搭载 LU-ASR01 离线语音识别模块实现语音交互，支持语音唤醒、垃圾类别指令识别以及垃圾名称自动分类判定。系统采用 SG90 舵机实现四类垃圾桶桶盖驱动控制，通过 OLED 液晶显示屏实时展示各个桶盖工作状态，并配置物理按键实现桶盖手动开启功能。使用者可唤醒设备后

 硕博团队专业论文辅导
2026-08-21 10:04:54

 265

 2

#单片机 #语音识别
单片机毕业设计-基于 LU-ASR01 的语音识别垃圾分类装置设计与开发基于 STM32 的多仓语音驱动自动开盖垃圾桶模型设计（013104）

本课题设计一款基于 STM32 单片机的语音识别智能垃圾分类桶模型控制系统。系统以 STM32F103C8T6 单片机作为主控单元，搭载 LU-ASR01 离线语音识别模块实现语音交互，支持语音唤醒、垃圾类别指令识别以及垃圾名称自动分类判定。系统采用 SG90 舵机实现四类垃圾桶桶盖驱动控制，通过 OLED 液晶显示屏实时展示各个桶盖工作状态，并配置物理按键实现桶盖手动开启功能。使用者可唤醒设备后

 my_qq_1808614304
2026-08-21 10:04:16

 164

 4

#单片机 #语音识别
计算机单片机毕设实战-基于单片机的语音识别垃圾分类智能装置研究与实现语音识别驱动的 STM32 智能垃圾分类桶模型设计（013104）

本课题设计一款基于 STM32 单片机的语音识别智能垃圾分类桶模型控制系统。系统以 STM32F103C8T6 单片机作为主控单元，搭载 LU-ASR01 离线语音识别模块实现语音交互，支持语音唤醒、垃圾类别指令识别以及垃圾名称自动分类判定。系统采用 SG90 舵机实现四类垃圾桶桶盖驱动控制，通过 OLED 液晶显示屏实时展示各个桶盖工作状态，并配置物理按键实现桶盖手动开启功能。使用者可唤醒设备后

 计算机程序定制辅导
2026-08-21 10:04:13

 178

 8

#单片机 #语音识别
用 Ace Data Cloud 快速接入 OpenAI 语音识别：一行 base_url 改造，立刻把音频转成文字

# 用 Ace Data Cloud 快速接入 OpenAI 语音识别：一行 base_url 改造，立刻把音频转成文字在 AI 应用越来越“多模态”的今天，语音转文字已经不只是字幕工具的需求：会议纪要、播客整理、客服录音质检、短视频字幕、在线教育回放、访谈内容归档，几乎每一个内容型或业务型产品，都可能需要稳定、低成本、可快速集成的语音识别能力。如果你已经熟悉 OpenAI 的接口生态，那

 VIP_CQCRE
2026-08-20 19:26:53

 171

 6

#语音识别
助播虾自动发优惠券的指令链路是怎么实现的？从语音识别到平台发券接口

落地建议：如果你的直播间想自建类似能力，优先验证 ASR 的端到端延迟是否达标，再设计 NLU 的意图集与槽位，最后按平台开放接口对接。补充一个工程视角的判断：评价自动发优惠券系统，不要只看能不能发，要看三个指标 —— 首字延迟（从发声到识别）、指令准确率（意图与槽位）、下发成功率（接口幂等与重试）。一句话总结：语音识别负责听见，意图解析负责听懂，规则引擎负责别乱发，平台接口负责真发出去，四环缺一

 Link1905
2026-08-20 18:27:35

 276

 7

#语音识别 #人工智能
AI会议助手的准确率到底该怎么看？从ASR指标到真实会议场景

如果ASR已经把“15%”写成“50%”，后面的模型看到的是一句语法完全成立的话。它没有原始声音作为证据，很可能会继续把“50%”写进摘要，甚至进一步生成：财务部门按照50%的预算增幅调整下一季度计划。于是一个最初的ASR错误，就可能沿着后续处理链不断传播。这也是为什么会议助手的语音识别底座并没有因为大模型出现而变得不重要。恰恰相反，后面的AI能力越多，前面的输入质量越值得重视。

shxjnpl
2026-08-20 17:56:00

 535

 11

#人工智能 #语音识别 #智能硬件
消回音100dB、拾音远至8米：AU-60凭什么成为音频模组界的“全能战士”

AU-60全功能AI语音处理模组是一款37.5×16mm的超紧凑音频处理方案，集成了ADC、DSP、AI降噪、波束成形、AEC回声消除（100dB抑制能力）等核心技术。该模组通过AI神经网络实现45-90dB环境降噪，支持双麦波束定向拾音，提供模拟/I2S数字/USB多接口兼容，硬件可切换四种拾音模式（0.1-8米覆盖）。适用于会议系统、车载设备、智能工牌等场景，实现"即插即用&quot

芯慧创科技
2026-08-20 16:41:39

 467

 19

#音视频 #语音识别
全球第三！百融智能的语音模型：让AI听懂长语音、答对复杂问题！

百融 RC 生态下的硅基员工产品矩阵，包括百盈（营销）、百回（催收）、百服（联络中心）、百才（招聘）、百灵（个贷不良资产管理）、百销（企业级 AI 全球营销）、百智（WiseNote）等，已经在金融、保险、电信、互联网、汽车等行业的。在讲"全球第三"、“110多支队伍参赛”、"94.84%"这些数字之前，先回到一个更基础的问题：一个语音大模型，强到能参加国际顶会挑战赛，在真实业务里到底能做到什么？

Chris.ren
2026-08-20 14:14:34

 3

#人工智能 #语音识别
2026语音识别芯片交互方案全解析：常见路径、判断维度、适用场景及避坑FAQ

2026年语音识别芯片交互方案在各行业渗透率提升，需从核心定义、解决路径、判断依据、适用场景及避坑要点全面考量。方案通过专用芯片实现语音采集、识别及反馈，技术趋势转向低功耗与高场景适配性。选型需区分标准方案（低成本、短周期）和定制方案（高适配、长周期），重点关注场景适配性、性能指标、交付能力和系统兼容性。应用领域包括智能家居、汽车电子、工业自动化等，需避免仅看参数不测试、忽视定制支持、忽略交付周期

 Lihonv2026
2026-08-20 13:56:52

 327

 10

#语音识别 #人工智能
一颗芯片搞定高清通话+语音识别+低功耗：NR2048为何被多家大厂悄悄导入？

你有没有发现一个怪现象——这两年不少旗舰手机、智能音箱的免提通话和语音识别效果"突然变好了"，但拆机报告里却找不到一颗"语音芯片"的痕迹。产品没宣传，供应链没声量，一切都在悄悄发生。今天聊聊这颗被大厂"藏"起来的芯片：NR2048。

德宇AI
2026-08-20 11:31:57

 420

 14

#语音识别 #人工智能
2026年10款会议记录软件测评：HR场景适配与选择建议

语音转写会议记录工具，是指通过AI语音识别技术，自动将会议、访谈等场景的录音内容转换为文字，并可进一步整理生成结构化纪要的效率工具，核心解决手动记录效率低、容易遗漏关键信息的问题。

君姐AI说
2026-08-20 11:06:44

 234

 4

#语音识别 #人工智能 #大数据 +1
企业选购AI会议助手，真正该比较的不是功能数量，而是语音识别底座

其中ASR，也就是Automatic Speech Recognition，是把语音变成文本的核心环节。这一层一旦发生错误，错误会沿着后续链路继续传递。例如原话是：“第三季度采购预算调整为一百五十万。如果ASR阶段把“一百五十万”识别成“一百五十五万”，后面的大模型即使把会议纪要整理得非常漂亮，也很难凭空知道原始语音实际上说了什么。更麻烦的是，人名、企业名称、金额、日期、型号、项目编号这类信息，本

 shxjnpl
2026-08-19 19:27:02

 308

 7

#人工智能 #语音识别 #机器学习
整理会议纪要太慢又理不清？2026年会议纪要APP推荐帮你选

这篇2026年会议纪要APP推荐指南，重点介绍了4款AI语音转写工具。听脑AI适合高频会议场景，支持19种方言，1小时录音2分钟转写；飞书妙计与飞书生态深度整合；NotionAI便于知识管理；Otter.ai擅长多语言会议。相比传统手动整理，AI工具可将效率提升30倍以上。选择时需考虑方言支持、转写速度、结构化输出等核心维度，并测试免费版本。到2026年，部分工具已新增知识卡片等记忆强化功能。敏感

 山高270
2026-08-19 17:03:32

 169

 7

#语音识别
基于FastAPI的智能会议系统开发（二）

本文介绍了基于阿里云百炼平台的AI开发流程：1）使用Qwen3-ASR-Flash模型实现语音转文字功能，通过多个脚本模块管理服务连接和转写流程；2）开发Agent服务对文本进行结构化分析（摘要/待办/紧急标记）并入库；3）采用Vue3+TailwindCSS开发前端界面，实现会议视频上传后自动生成结构化内容。项目通过云服务API快速实现语音识别到文本处理的完整流程，作为AI开发入门实践。

深海鱼肝油ya
2026-08-19 16:56:36

 33

 1

#fastapi #人工智能 #语音识别
国产语音芯片型号大盘点：选型逻辑、常见类型及适配场景解析

国产语音芯片已形成播放类、录音类、控制类和语音识别类四大产品矩阵，覆盖智能家居、汽车电子等多场景需求。选型需重点考虑场景适配、功能匹配及成本控制，避免混淆芯片与模块、盲目追求高端型号等误区。上海创砷电子作为行业代表企业，提供全链条语音解决方案，其LWH34F16A-S16等芯片支持OTA升级和高保真音质，满足多样化需求。企业拥有23年经验和完善产业链，可提供从标准产品到深度定制的服务。

Lihonv2026
2026-08-19 09:07:57

 303

 12

#语音识别
熙瑾会悟 ASR 实战：静音场景为什么会出现“幻觉识别”？从 VAD 到解码策略，系统解决语音识别误报问题

本文结合熙瑾会悟实际应用，分析 ASR 在静音、噪声等场景下出现“幻觉识别”的原因，并从 VAD、音频预处理、Segment 切分、模型置信度、异常文本过滤等方面介绍解决方案。同时结合 Whisper、Paraformer、SenseVoice 等模型，梳理企业级 ASR 防幻觉的工程实践，帮助提升会议转写的准确性与稳定性。

HySpark
2026-08-18 16:50:35

 338

 9

#语音识别 #人工智能
熙瑾会悟 ASR 部署实战：从模型选型到离线推理，企业级语音识别系统到底怎么落地

本文结合熙瑾会悟实际应用场景，系统梳理企业级 ASR 部署过程中常见的问题与解决思路，从 Paraformer、SenseVoice、Whisper 等模型选型，到 VAD、音频切分、ONNX Runtime、TensorRT、GPU 推理，再到流式识别、说话人分离、声纹识别、任务队列及离线部署，深入介绍 ASR 从“模型跑通”到“稳定落地”的工程实践，为企业私有化语音识别和 AI 会议系统部署提

 HySpark
2026-08-18 10:40:15

 497

 9

#语音识别 #人工智能
主流会议音视频转写工具实测对比：语音识别准确率与纪要生成效果分析

本文对会议转写工具（百度网盘「简单听记」、飞书妙记、通义听悟、讯飞听见、腾讯会议AI纪要、钉钉AI听记）进行了实测对比。测试基于45分钟技术评审会议音频，从转写准确率、智能纪要质量、存储安全和使用流程等维度评估。各工具特点鲜明：百度网盘存储空间大且安全认证完善，飞书/钉钉/腾讯会议与其生态深度集成，通义听悟适合个人轻量使用，讯飞听见专业度突出。建议根据存储需求、会议平台偏好和使用频率选择，并注意提

 MindUp
2026-08-17 22:03:24

 450

 12

#音视频 #语音识别 #人工智能
AI语音业务办理系统怎么做，不要只回答问题，要把事情办完

公司自研端到端交互基座模型 Luna，融合语音、音频与语义理解等关键能力，为企业客户构建可定制的多模态智能体，落地客服、会议、教育、陪伴、同传及内容生成等场景。但业务办理要继续往下走。它要确认用户身份，查询订单，判断是否支持修改，收集新的抬头信息，调用发票系统，提交修改结果，再告诉用户是否成功。它要理解用户要办什么事，查询知识库和业务数据，调用 CRM、订单系统、工单系统、账号系统或企业内部后台，

VUILabs
2026-08-14 09:40:58

 312

 9

#语音识别 #人工智能
硬核性能实测：从渲染速度到SSML标签，逗哥配音凭何成开发者首选？

AI配音工具性能评估显示，逗哥配音在高并发场景下表现出色，500字文本渲染速度控制在8秒内，稳定性优于市场同类产品。其核心优势在于支持SSML语音标记语言，可精确控制停顿、重音等参数，满足专业有声书、网课等高级场景需求。开发者评价其算力投入和接口开放性具有工程价值，特别适合批量音频产出和API对接需求。常见问题解答证实其快速渲染和代码级调整能力，是追求高效稳定AI语音解决方案的理想选择。（149字

 Raymond1688
2026-08-17 13:53:22

 450

 9

#实时互动 #语音识别 #音视频 +2
语音识别芯片生产商选型全指南：核心判断维度、常见方案拆解

2026年语音识别芯片行业正经历技术迭代与场景扩容，下游企业对全链路语音解决方案的需求超越单一芯片采购。从业者需重点关注生产商的四大核心能力：场景适配性（如智能家居低功耗、汽车电子抗干扰）、技术落地性（算法优化与案例验证）、生产稳定性（自有产线与交付周期）及定制化服务（唤醒词设计、OTA支持）。当前主流方案分为标准芯片（低成本通用）、软硬一体（快速开发）和全流程集成（复杂场景），选型需规避四大误区

 Lihonv2026
2026-08-17 13:11:47

 234

 4

#语音识别 #人工智能
澳鹏电子书 | 语音识别榜单可信吗？五步构建真实场景评测集

《提升语音模型性能：构建真实场景评测基准》摘要澳鹏电子书提出五阶段方法论解决ASR模型在真实场景中的性能落差问题。当前主流基准因"刷分"现象和缺乏真实语音数据（如即兴对话、多样口音等），导致模型性能虚高。澳鹏方案包含：1)多维度基准范围界定；2)三重筛选的全球招募体系；3)区分朗读与对话的语音设计；4)结构化元数据采集与双重质检；5)自动化+人工的转写验证。该方法通过还原生产

 澳鹏Appen
2026-08-17 10:00:00

 194

 5

#语音识别 #人工智能
FunASR 语音识别本地部署实录（下）：34 分钟录音实测，踩过的坑、上线前要补的事

自建语音转写，门槛不高，但要做得稳，坑都在细节里。我实测下来的结论：环境坑比模型坑多，官方标了"生产验证"的路径可以放心走，但认证、限流、监控这三件事，官方明确留给你自己补，别指望示例代码替你解决。再说句心里话：自建最值钱的不是省下的服务费，是我想要什么能力都能自己加，不用求人。转写量大、音频敏感的朋友，值得自己搭一套；偶尔用几回的，云 API 更省心。觉得有用的话，顺手点个关注，后面我会继续写本

 EveryLink
2026-08-16 21:27:39

 445

 10

#语音识别 #人工智能
FunASR 语音识别本地部署实录（上）：我为什么自建？音频不出本机，30 分钟跑通转写接口

FunASR 仓库里挂着一整族模型，我最后选了 Paraformer-zh 加 VAD 加标点，理由就一条：中文场景下它是"稳稳跑通"的默认选项，社区资料最全，坑都有人替你踩过了。Paraformer 是达摩院语音实验室的模型，2022 年发表在 INTERSPEECH 上，非自回归架构，解码单步完成，所以快。三个模型的分工是这样：FSMN-VAD 先把长音频切成"有人说话"的段落，Parafor

EveryLink
2026-08-16 17:52:15

 334

 9

#语音识别 #音视频 #人工智能