登录社区云，与社区用户共同成长
邀请您加入社区
OpenHarmony WS63 设备把一段语音送到服务端时，上传的不是 WAV 文件，也不是可以直接交给识别模型的浮点数组，而是一串有先后关系的 Opus packet。本轮没有在 Linux 服务器加载实际 Zipformer INT8 模型，没有用真实普通话录音测字错率，也没有重新连接 WS63 实机验证噪声、远场、口音、丢包和并发。后续若要把“模型可用”提升为“设备体验可用”，至少还需要固
本文介绍了如何在星图GPU平台上自动化部署🎙️ 清音听真 · Qwen3-ASR-1.7B 高精度识别系统镜像，实现语音转文本服务。该方案支持在Kubernetes集群中水平扩展ASR服务，适用于会议转录、音频内容分析等场景，提升语音识别处理效率与可靠性。
注：实际部署需根据业务规模调整资源配置，建议使用Argo CD实现GitOps持续部署，并通过Kube-bench定期进行安全审计。
本文介绍了如何在星图GPU平台自动化部署FRCRN语音降噪工具（单麦-16k）镜像，实现高效语音降噪处理。该工具可有效去除背景噪声，提升语音清晰度，典型应用于会议录音转录、语音笔记整理等场景，为后续语音识别提供高质量输入。
本文介绍了如何在星图GPU平台上，通过Docker Compose自动化部署FireRedASR-AED-L自动错误检测的语音识别模型WebUI，构建一个包含负载均衡与缓存的集群化服务。该方案能有效应对高并发场景，典型应用于需要实时、高准确率语音转写的客服对话分析或会议记录等场景，提升服务稳定性与处理效率。
本文介绍了如何在星图GPU平台上自动化部署FireRedASR-AED-L镜像，实现企业级语音识别服务。该镜像基于1.1B参数大模型，能够高效处理语音转文本任务，适用于会议转录、客服录音分析等场景，通过Kubernetes集群部署可保障服务的高可用性和弹性扩缩容能力。
Image recognition is a crucial application of artificial intelligence and deep learning. To build effective image recognition models, various frameworks provide pre-built tools and optimized architect
本文介绍了如何在星图GPU平台上自动化部署Fun-ASR-MLT-Nano-2512语音识别模型镜像，实现高可用的多语言语音识别服务。该模型支持31种语言的实时语音转文本，典型应用于国际客服、在线教育等场景的语音交互与转录，提升多语言沟通效率。
其支持丰富的图片格式，诸如SVG、AI、PSD、PNG、JPG、GIF、WebP、TGA等常见格式都不在话下，轻松转换不在话下。并且，这款工具在使用过程中完全无需联网，能确保图片数据的绝对安全，让用户不必担心隐私泄露的风险。这款工具使用起来相当便捷，无需进行安装操作，只要轻轻双击图标，即可轻松开启使用之旅。只需要将想要转换的图片拖入软件内，再点击右下角的按钮，转换工作便会迅速启动。这款工具还有许多
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-1.7B语音识别镜像，实现移动端离线语音转文字功能。该镜像支持多语言和方言识别，可应用于会议实时记录、外语学习辅助等场景，为React Native开发的跨平台App提供高效的本地化语音识别能力。
本文介绍了如何在星图GPU平台上自动化部署🎙️ 清音听真 · Qwen3-ASR-1.7B高精度识别系统镜像，实现高效语音转文字功能。该解决方案特别适用于会议记录、语音笔记等场景，通过Docker Compose快速搭建服务，并提供GPU问题排查指南，确保识别系统稳定运行。
本文介绍了Flutter与OpenHarmony平台运动应用的语音播报功能实现方案。通过VoiceAnnouncementConfig模型提供灵活的播报配置选项，包括间隔时间、播报内容、音量和语言设置。OpenHarmony平台利用textToSpeech模块实现文本转语音功能，支持参数化语音输出。Flutter端的AnnouncementGenerator将运动数据转化为自然语言播报内容，Voi
前言:看 qt 的 demo 看到一个播放语音的 玩了玩 还可以就是太"傻瓜"的操作了 我以为能学到一些东西speech->say("你好");这样就能说 你好我这就不弄动图了 因为听不到声音基本的功能设置声音设置速率设置高低音然后 有 播放引擎 是基于你系统的TTS 引擎语言的话 可以选择 中文 英文 等 去系统里面可以设置QTextToSpeech（Qt ...
智能语音生活助手实现（QT）一、功能介绍二、实现步骤2.1 语音识别模块2.1.1 录音2.1.2 点击释放按钮槽函数2.1.3 申请百度AI开发平台语音识别应用2.1.4 HTTP请求类实现2.1.5发送请求2.1.6 MainWindow类调用函数2.1.7语音控制设备联动2.2 智慧生活模块2.2.1创建API应用2.2.2Get方法获取API的JSON数据2.2.3解析JSON数据2.3出
本文介绍了使用FFmpeg检测媒体文件中静音片段的方法。首先通过FFmpeg提取音频并转换为16位PCM数据，然后计算每个采样点的分贝值，当连续静音时长超过设定阈值(如2秒)时标记为静音片段。方法采用管道技术减少IO操作，优化嵌入式设备性能。实现包含FFmpegProcessingService和静音检测服务，前者处理音频转换，后者分析PCM数据，通过计算采样点分贝值与阈值比较来识别静音区间。该方
MUI框架-01-介绍-准备-创建项目从0开始快速高效学习 MUI 框架官方文档：UI组件 · MUI（1）MUI 介绍MUI 是什么，解决了什么问题？MUI 官方号称最接近原生APP体验的高性能前端框架简单的说就是webapp的以个开发框架webapp和原生app性能及体验的差距，一直是移动app开发者放弃HTML5的首要原因。 浏览器天生的切页白屏、不忍直视的转页动画、浮动元素的抖动、无法流畅
语音识别使程序能够将人类语音处理成书面格式。语法、句法、结构和音频对于理解和处理人类语音至关重要。语音识别算法是计算机科学中最复杂的领域之一。人工智能、机器学习、无监督预训练技术的发展，以及 Wav2Vec 2.0 等框架，这些框架在自我监督学习和从原始音频中学习方面是有效的，已经提高了它们的能力。语音识别器由以下组件组成：语音输入一种解码器，它依赖于声学模型、发音词典和语言模型进行输出输出一词这
本文介绍了如何在Flutter应用中使用深度学习模型silero-vad进行语音活动检测(VAD)。文章首先介绍了silero-vad模型的特点：支持6000多种语言、模型文件小（仅2MB）且准确率高。随后详细讲解了将模型集成到Flutter应用的步骤：通过onnxruntime加载模型文件，使用StreamTransformer处理流式音频数据，最后调用OrtSession执行推理判断人声片段。
Flutter 网络请求统一封装是提升工程效率的关键实践。通过本文的设计与实现，你能构建可扩展、易维护的解决方案，彻底解决碎片化问题。实际项目中，可结合具体需求扩展功能（如文件上传）。开始行动吧，让代码更优雅、开发更高效！
在 Flutter 中，网络请求通常使用http包或 Dio 库实现异步调用。发送 HTTP 请求（如 GET 或 POST）。处理响应：解析 JSON 数据。更新 UI：基于结果渲染组件。但直接在主线程处理请求可能导致 UI 卡顿或状态混乱。Bloc 模式通过封装请求逻辑，确保异步操作在隔离层处理，UI 仅响应状态变化。创建和@overrideclass UserInitial extends
摘要：本文详细阐述了开发AI英语陪练App的七个阶段方法论。从概念规划与技术选型开始，明确用户定位和核心功能，选择React Native或Flutter框架及Gemini API等关键技术；接着设计AI导师角色和智能合约，实现自然对话交互；再到移动端UI设计、语音识别与合成集成；完成集成测试后进入质量保证阶段，最终发布运营。整个流程涵盖了从技术选型、核心功能实现到持续迭代的全生命周期，重点包括语
