# 智能语音交互 #
1
关注
2706内容
《攻克LSTM语音识别“语速关”：技术新突破与解决方案》
在语音识别中，LSTM虽具强大序列建模能力，但对不同语速的适应性仍面临挑战。为此，可从数据增强（如语速扰动、多语速语料库）、模型改进（引入注意力机制、双向LSTM、增加深度宽度）、训练策略（分层训练、多任务学习、调整参数）及后处理（语速归一化、语言模型融合）等方面入手，全面提升LSTM对不同语速的适应性和识别性能。
Hibiki：实时语音翻译模型打破语言交流障碍！支持将语音实时翻译成其他语言的语音或文本
Hibiki 是由 Kyutai Labs 开发的实时语音翻译模型，能够将一种语言的语音实时翻译成另一种语言的语音或文本，支持高保真度和低延迟。
FireRedASR：精准识别普通话、方言和歌曲歌词！小红书开源工业级自动语音识别模型
小红书开源的工业级自动语音识别模型，支持普通话、中文方言和英语，采用 Encoder-Adapter-LLM 和 AED 架构，实现 SOTA 性能。
【最佳实践系列】零基础上手百炼语音AI模型
阿里云百炼语音AI服务提供了丰富的功能，包括语音识别、语音合成、实时翻译等。通过`alibabacloud-bailian-speech-demo`项目，可以一键调用这些服务，体验语音及大模型的魅力，降低接入门槛。该项目支持Python和Java，涵盖从简单的一句话合成到复杂的同声传译等多个示例，助力开发者快速上手并进行二次开发。
基于DeepSeek的具身智能高校实训解决方案——从DeepSeek+机器人到通用具身智能
本实训方案围绕「多模态输入 -> 感知与理解 -> 行动执行 -> 反馈学习」的闭环过程展开。通过多模态数据的融合（包括听觉、视觉、触觉等），并结合DeepSeek模型和深度学习算法，方案实现了对自然语言指令的理解、物体识别和抓取、路径规划以及任务执行的完整流程。
SpeechGPT 2.0：复旦大学开源端到端 AI 实时语音交互模型，实现 200ms 以内延迟的实时交互
SpeechGPT 2.0 是复旦大学 OpenMOSS 团队推出的端到端实时语音交互模型，具备拟人口语化表达、低延迟响应和多情感控制等功能。
具身智能与大模型融合创新技术实训研讨会成功举办
2025年1月16日-19日武汉，TsingtaoAI联合北京博创鑫鑫教育科技，举行“具身智能与大模型融合创新技术”实训研讨会，本次会议面向高校AI教师和企业AI工程师群体，通过3天的技术研修和实操教学，通过将 AI 大模型与具备3D视觉的机器人相结合，为学员实践演示，带领学员深入理解通用具身智能的原理和应用。
过年啦，做一个春节贺卡生成器
本文介绍了如何获取和利用现有的大模型资源，结合魔笔低代码，低成本、高效率地打造一个 AI 春节贺卡生成器。
免费试用