声浪

语音小管家

转载9 months ago

标题：TagSpeech: End-to-End Multi-Speaker ASR and Diarization with Fine-Grained Temporal Grounding 链接：https://arxiv.org/pdf…

语音小管家

转载9 months ago

无论是语音产品的用户，比如经常使用语音输入法、语音转文字或语音聊天功能，还是开发者，都会面临一个问题：各家语音识别 API 都声称自己的识别准确率达到了 98% 以上，可为什么实际用起来感觉识别错误还是很多？“做了这么久，老板的名字都识别不…

语音小管家

转载9 months ago

NVIDIA（英伟达）最近开源了最新的Nemotron Speech ASR模型。这是一款专攻低延迟、实时流式场景的语音识别模型。 做 AI 语音开发的朋友都知道，ASR（语音转文字）一直是实时交互中那块难啃的骨头。尤其是 Streamin…

语音小管家

转载9 months ago

标题：Index-ASR Technical Report 链接：https://arxiv.org/pdf/2601.00890 发表日期：2026年1月6号 作者单位：Artificial Intelligence Platform D…