语音识别

方言识别之所以像 ASR 中的一把“瑞士军刀”，是因为它考验的不只是模型能否听清，还要求系统同时处理语言判断、语义转换、文本呈现与效果评价。

地铁里、会议室中、医院病房内——很多场合我们都需要“说点什么”，却又不便发出声音。 苹果公司近日公开了一项专利申请（WO2026159706A1），提出一种默声语音检测方案：用户在…

今天，腾讯混元正式发布新一代语音识别模型 Hy ASR 3.0 preview。 基于最新一代大语言模型 Hy3 的语言理解能力，Hy ASR 3.0 preview 融合高精度语…

随着语音 AI 越来越深入地融入日常产品，一种新型技术正在悄然取代传统的语音系统。这种被称为对话式语音识别（CSR）的技术正在重新定义机器理解人类语言的意义。 多年来，语音识别技术…

Adobe 扩大了与 Speechmatics 的合作，为其 Premiere 编辑软件提供云端级别的设备端语音识别功能。该公司表示，该功能可以在本地进行准确的设备端转录，并且功能…

2026年2月9日，致力于推进语音识别技术和语音代理的语音 AI 公司 aiOla 推出了 QUASAR（质量加权无监督 ASR 评估和排名），这是一个语音智能网关，通过将每个音频…

NVIDIA 近日发布了其全新的英语实时转录模型（Nemotron Speech ASR），该模型专为低延迟语音助手和实时字幕生成而设计。Hugging Face平台上的测试版本 …

随着以智能助手为代表的人机语音对话系统和会议转录与纪要等应用的爆发，对话语音识别（Conversational ASR） 技术变得愈发重要。对话语音（Conversational …

如何构建一个能够理解数千种语言（包括许多以前从未有过有效自动语音识别 (ASR )模型的语言）的语音识别系统？ Meta AI 发布了 Omnilingual ASR，这…

微软为其 Dynamics 365 联络中心平台添加了一项新功能：受限语音识别(Constrained Speech Recognition)。 这项创新引入了结构化规则来提高语音…

总部位于加州的语音 AI 初创公司 TwinMind 发布了 Ear-3 语音识别模型，声称其在多项关键指标上均达到了业界领先水平，并扩展了多语言支持。此次发布使 Ear-3 成为…

如今，实时语音识别已经成为直播、语聊、在线课堂和在线会议中影响用户体验的一大因素。为解决诸多实时语音识别的痛点，即构科技推出云端实时语音识别服务，端到端延迟低至600ms、较传统识…

阿里云 Qwen 团队推出了Qwen3-ASR Flash，这是一种一体化自动语音识别 (ASR) 模型（可作为API 服务提供），建立在 Qwen3-Omni 的强大智能之上，可…

艾伦人工智能研究所 (AI2) 发布了OLMoASR，这是一套开放的自动语音识别 (ASR)模型，可与 OpenAI 的 Whisper 等闭源系统相媲美。除了发布模型权重外，AI…

NVIDIA 发布了Parakeet TDT 0.6B，这是一款先进的自动语音识别 (ASR) 模型，现已在Hugging Face上完全开源。该模型拥有6 亿个参数、商业许可的 …

2025年 4 月 2 日，AI 转录和音频智能提供商 Gladia 宣布推出 Solaria，这是一种下一代自动语音识别 (ASR) 模型，旨在重新定义联络中心和其他语音优先平台…

研究公司Technavio预测，2024年至2028年全球语音/语音识别软件市场将增长200.7亿美元，复合年增长率为15.7%。 该公司在最新市场报告中表示，市场正在经历显著增长…

语音识别技术已成为各种现代应用中的关键，尤其是实时转录和语音激活命令系统。它对于听力障碍人士的辅助工具、演示期间的实时字幕以及智能设备中的语音控制至关重要。这些应用需要即时、精确的…

在当今数字化时代，大模型以其强大的数据处理和复杂问题解析能力，正深刻改变着我们的现实生活。以GPT4o等为例，大模型已经具备了令人惊叹的全双工语音交互能力，其中实时交互是语音对话的…

转录是现代联络中心活动的重要组成部分，自动语音识别（ASR）系统在很大程度上为其提供了便利。然而，这些工具在准确性和可靠性方面可能存在不足。因此，评估转录质量变得势在必行，而传统的…