asr模型

性能超越经典 ASR 模型：谷歌重磅推出全新语音识别数据增强方法

该数据增强方案虽然方法简单，但是效果很强大

基于 BERT 的 ASR 纠错

本文介绍小爱算法团队基于近年来流行的BERT预训练模型在这个问题上所进行的一些技术探索，以及在业务场景中的落地情况。

谷歌语音人工智能 AudioPaLM，语音传输瞬间翻译

AudioPaLM是基于PaLM-2 LLM的，在翻译基准测试上优于OpenAI的Whisper。

NVIDIA 开源 NeMo：基于 PyTorch，允许快速创建会话式人工智能模型

允许开发者快速构建、训练和微调会话式人工智能模型。

三星电子 (Samsung Electronics) 借助 Cloud TPU 和 TensorFlow 增强 Bixby

作为 Google Cloud 的合作伙伴，三星使用 Cloud TPU —— Google Cloud 的内置机器学习处理器，更快地训练其 ASR 模型，并最终提升 Bixby 的准确性。

从算法到应用：滴滴端到端语音 AI 技术实践

本文介绍滴滴端到端语音AI技术实践经验。

“像把大象塞进冰箱一样困难”，端侧大模型是噱头还是未来？

随着大模型技术的发展进入深水区，AI 应用的体验、成本、与隐私性正在成为愈来愈关键的命题。大模型若能直接在终端侧部署，对产业应用毫无疑问有着巨大的吸引力。那么，端侧大模型落地应如何克服庞大的模型尺寸与计算复杂度呢？

滴滴语音交互自然语言理解探索与实践

自然语言理解技术让语音助手变得像人一样和用户进行交流。本文主要讲解滴滴语音交互中自然语言理解技术的一些探索和实践。

抢占 Agent 时代交互新入口，网易有道推出 AI 原生语音 Agent 网易叭哥说

9月8日，网易首个AI原生语音Agent「网易叭哥说」正式上线。这款产品依托有道多年沉淀的语音识别和翻译技术，跳出传统语音输入 “语音转文字” 的工具定位，把人的自然口语直接转化为结构化、可直接复用的高质量文本。希望解决生成式 AI 时代爆发式输入需求下，键盘输入效率跟不上人脑思考速度的行业痛点。

让智能不断向上，让技术始终向善｜云知声携 U-Model 家族亮相 WAIC 2026

云端太贵、本地不够聪明，英特尔押注“端云混合 AI”：智能体 PC 会替人完成工作

AI Agent真正进入普通人工作流的方式？

小数据量语音合成技术在作业帮的应用

随着深度学习的发展以及计算能力的不断提升，基于神经网络的语音合成方案逐步成为语音合成领域的研究热点。