待验证50% 置信事件精确时间

Deep Speech由百度在2014年开创，首次证明单一神经网络可以直接从音频波形映射到文本

1

来源数

50%

置信度

长期有效

时效性

2026/9/4

首次发现

来源

视频多语言配音API实战：规模化本地化选型与成本指南

涉及实体

Deep Speechmodel 百度company CTCconcept

相关事实

待验证百度研究院于2015年发布的Deep Speech 2尝试用单一深度神经网络替代传统ASR流水线中的多个独立模块75% 相似已验证2016年DeepMind发布的WaveNet模型首次证明深度神经网络可以直接在波形层面生成高度逼真的人声73% 相似待验证近年来端到端深度学习模型如OpenAI的Whisper和Google的Universal Speech Model大幅提升了识别准确率和多语言支持能力66% 相似待验证大语言模型从本质上是深度神经网络63% 相似待验证ElevenLabs基于深度学习模型，能够生成接近真人水平的语音输出，捕捉语调、节奏、情感等细微特征63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/855468

API

curl https://kongchang.com/api/v1/knowledge/claims/855468

MCP

get_claim(id=855468)