昨天，搜狗推出新一代人机交互——“唇语识别”，能识别人的唇部动作，动动嘴皮，不发出声音，就能识别你说的什么。今天我们见到了演示视频，从视频中可以看出将面部放入椭圆形区域内，不发声的说出一段话，几乎说完的瞬间，识别的文字就出现在屏幕上，无论是口语、诗词、歌词还是
......
本文由站长之家合作伙伴自媒体作者“快科技”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
ZEGO云端实时语音识别服务针对直播、语聊、在线课堂和会议等场景，提供低延迟（端到端600ms）、高准确率（提升40%）、低成本（节省50%以上）的解决方案。支持30多种语言及方言，适配多厂商接入，具备降噪和回声消除能力。核心应用包括实时字幕和AI观众互动，显著提升用户体验和业务效率，助力企业全球化布局。
苹果闹钟因无法识别调休日再次引发用户吐槽。国庆假期周末调休上班时，闹钟未响导致用户睡过头。苹果客服回应称，闹钟工作日设定为周一至周五，系统暂无法识别调休安排。用户需手动调整或使用第三方软件设置。相比之下，国产安卓手机已支持自动跳过节假日功能。尽管iOS 26升级了闹钟提示时长调节功能，但仍未加入自动识别节假日的优化。网友质疑苹果在基础功能上的滞后，凸显其本土化不足的问题。
9月10日，在上海外滩大会的热闹现场，一场关于AI测肤质的体验活动吸引了众多目光。其中，一位黑人女孩的体验过程尤为引人注目，她在使用AI测肤质功能后，竟被提示存在黑眼圈问题，需关注眼部皮肤状态及保养，这一结果瞬间引发了现场围观和网友热议。 据现场工作人员介绍，该AI测肤质功能通过先进的技术分析皮肤状况，不受肤色影响。当黑人女孩完成测试后，AI系�
随着内容创作行业蓬勃发展，高质量、多风格的配音需求日益增长。国内领先的AI语音技术平台——逗哥配音，凭借上千款精选音色和全面的行业适配能力，成为众多专业机构和个人创作者的首选方案。平台拥有超千款声音，覆盖不同年龄、声线和风格，可调参数达数十种，实现“千声千面”的语音多样性。其声音资源具备极强的行业适配性，适用于小说、影视解说、新闻播报、课程培训等多种场景，并针对ASMR、角色对话等专项优化。逗哥配音已整合文案提取、视频去水印等工具，打造一站式创作平台，显著提升内容产出效率。未来计划扩大声音库规模，深化垂直行业适配，并开放自定义音色训练功能，推动AI配音从技术辅助逐步进化为创意产业的核心生产力工具。
近日，小红书平台上的语音评论功能引发网友热议。据媒体报道及多名网友在社交平台分享，小红书不仅推出了语音评论，还进一步升级，新增了音色识别功能，用户现在可以选择甜嗓、气泡音、元气音等多种音色进行评论。 回溯至7月下旬，小红书的部分用户便惊喜地发现，评论区悄然出现了语音评论的选项。当时，小红书官方明确表示，该功能尚处于内测阶段，并未全量�
小米发布首款开源端到端语音大模型Xiaomi-MiMo-Audio，拥有12亿参数，在智能性、情感表达和交互适配方面接近人类水平。该模型最大技术突破在于少样本学习能力，通过创新预训练架构和超一亿小时训练数据，成功突破传统语音模型依赖大规模标注数据的技术瓶颈。基于Transformer架构，支持音频重建和音频转文本等多任务处理。小米已在Huggingface平台发布预训练和指令微调版本，并在Github开源Tokenizer模型，为研究者和开发者提供完整工具链。
AI日报今日聚焦多项技术突破：小米开源首个端到端语音大模型Xiaomi-MiMo-Audio；通义万相推出全新动作生成模型Wan2.2-Animate；Suno即将发布革命性音乐模型v5；生数科技获数亿融资，视频生成技术商业化加速。同时关注OpenAI修复ChatGPT安全漏洞，谷歌将Gemini集成至Chrome浏览器，Luma AI发布支持16位色的Ray3视频生成模型，法国Mistral推出开源推理模型Magistral Small 1.2，Notion发布AI智能体，腾讯混元3D Studio提升3D创作效率。
未来AI硬件将突破“机械响应”局限，语音交互成为核心入口。行业数据显示语音设备出货量激增，72%用户偏好语音交互。智能硬件面临算力不足、模型难选、成本高等挑战。嘉兴声芯通过端云协同方案，在本地处理隐私数据，云端进行语义理解，实现高效安全的语音交互。该方案已在AI玩具、车载后装等场景落地，推动硬件从工具向智能伴侣转型。
从键盘打字到触控屏，再到现在的语音交互和手势交互，人工智能技术的发展，正在促使人机交互方式向更加多元化方向变革。而今天，国内知名互联网公司搜狗又推出了一种人机交互新技术——唇语识别，这也是业内首个公开演示的唇语识别系统，通过机器视觉识别，不用听声音，仅靠识别说话人唇部动作，就能解读说话者所说的内容。 与语音识别不同，唇语识别是一项基于机器视觉与自然语言处理于一体的技术，因此在研发难度上比语音识别大?
经过一年多的算法攻坚，标贝科技研发团队在前端语音信号处理、声学模型、解码方式等各项技术实现全面升级，不仅在准确率及识别速度方面有了明显提升，而且还实现了快速纠错和热词实时更新等功能，进一步满足了行业用户的需求，提升语音识别体验...为满足不同语种的客户群体需求，标贝科技语音识别今年在语种丰富度上持续发力......
