待验证50% 置信事实精确时间
Live Transcribe最初于2019年发布，利用端侧+云端混合的语音识别技术将环境声音实时转为文字，支持超过80种语言
1
来源数
50%
置信度
长期有效
时效性
2026/8/14
首次发现
来源
相关事实
已验证Whisper是OpenAI于2022年开源的自动语音识别模型，采用Transformer架构，在68万小时多语言音频数据上训练而成72% 相似待验证字节跳动发布了端到端同声传译模型Seed Live Interpret 2.0，在中英语音同传的延迟和准确率上接近人类水平，并支持零样本声音复刻68% 相似待验证Codec-based方案（如VALL-E、SoundStorm）将语音编码为离散token，然后用语言模型方式生成，实现更好的零样本语音克隆效果66% 相似待验证阿里千问实时语音识别模型FoneASR Realtime升级，支持16种方言及30种语言66% 相似待验证语音编码器 + LLM 解码器的组合是 2023 年以来语音大模型的主流范式，Qwen-Audio、Gemini Audio、Phi-4-audio 等均采用类似设计66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/746679API
curl https://kongchang.com/api/v1/knowledge/claims/746679MCP
get_claim(id=746679)