#Speech-to-Text
共 37 篇相关文章
·8 分钟
自托管ASR模型vs云端API：成本与可靠性全面对比
深入分析自托管ASR开源模型与Google等云端语音识别API的成本差异、可靠性对比及盈亏平衡点计算，提供Whisper、IBM Granite等方案的实用选型建议，帮助团队做出最优技术决策。
阅读全文 →
·7 分钟
Gemini 3.5 Transcribe：谷歌智能语音转录模型全面解析
深入解析谷歌最新发布的Gemini 3.5 Transcribe语音转录模型，了解其智能转录、精准识别的核心能力，以及在会议记录、字幕生成、客服质检等场景的应用价值与竞争优势。
阅读全文 →
·10 分钟
Gemini 3.5 Transcribe详解：从听写到智能理解的语音转写
深入解析Google Gemini 3.5 Transcribe的智能语音转写能力，探讨其上下文纠错、专业术语识别、口语整理等核心特性，以及在会议记录、内容创作、客服合规等场景的应用前景。
阅读全文 →
·7 分钟
语音破案游戏：用声音审讯AI嫌疑人的沉浸式推理体验
探索语音驱动的AI谋杀悬疑推理游戏，玩家通过语音实时审讯AI嫌疑人破案。深度解析背后的语音识别、大语言模型角色扮演与TTS技术架构，以及AI游戏交互的新范式。
阅读全文 →
·17 分钟
Gotcha：全球首个安卓端AI语音副驾，开源免费端侧运行
Gotcha是全球首个安卓端AI语音副驾开源项目，支持端侧运行保护隐私，内置100+原生设备工具，通过Samosa AIR引擎实现语音指令到设备操作的完整闭环，免费开源可定制扩展。
阅读全文 →
·15 分钟
VoiceGecko：完全本地运行的开源语音转文字工具
VoiceGecko 是一款开源桌面语音转文字工具，完全本地运行，无需云端处理。支持快捷键触发、即时转录，兼顾隐私保护与低延迟体验，适合开发者、AI用户和内容创作者提升输入效率。
阅读全文 →
·8 分钟
MeetStream AI：统一API打造会议AI Agent基础设施
MeetStream AI提供统一API对接Zoom、Google Meet和Microsoft Teams，内置语音基础设施让AI Agent实时参与会议。深度解析其技术架构、应用场景及面临的挑战。
阅读全文 →
·8 分钟
HyNote for Mac：免费本地化会议转录工具，数据永不离开设备
HyNote for Mac是一款完全本地运行的免费会议转录工具，无需云端上传、无机器人打扰，支持Zoom、Google Meet等主流平台。深度解析其隐私保护架构、使用体验及竞品对比。
阅读全文 →
·17 分钟
Deepmark深度评测：用语义搜索找回你遗忘的书签收藏
Deepmark是一款基于AI语义搜索的书签管理工具，支持聚合浏览器书签、X收藏、Instagram保存等多平台内容，通过多模态解析实现按内容而非标题搜索。本文详细解析其工作原理、性能表现及MCP智能体集成能力。
阅读全文 →
·8 分钟
三明治架构：企业级语音智能体的最佳落地方案
深入解析语音智能体三种主流架构（三明治、原生实时、混合），对比STT+Agent+TTS方案在智能体能力与实时性之间的权衡，帮助企业团队选择最合适的语音AI落地路径。
阅读全文 →
·14 分钟
18万条AI会议录音泄露：笔记应用的安全警示
超过18万条AI会议录音在无防护状态下被公开暴露，涉及企业商业机密与多方隐私。本文深入分析泄露的技术根源、AI会议录音的敏感性，并为企业用户和AI开发者提供数据安全防护建议。
阅读全文 →
·11 分钟
SpeakoFlow：开源本地语音助手，隐私优先的桌面全局语音输入工具
SpeakoFlow是一款开源本地语音助手，支持全局语音输入、屏幕内容理解和实时翻译。采用MIT协议，语音转文字完全本地运行，保护隐私数据不上传云端，支持Windows、macOS和Linux。
阅读全文 →
·16 分钟
VoiceOS App Store：一句话构建语音原生应用的AI应用商店
VoiceOS App Store是一款住在Mac刘海里的语音原生应用商店，用户只需一句话即可生成定制化应用并通过链接分享。深度解析其意图驱动的构建方式、无摩擦分发机制及语音原生应用的未来前景。
阅读全文 →
·17 分钟
LiveKit Agents：构建实时语音AI智能体的开源框架详解
深入解析LiveKit Agents开源框架，了解如何利用STT、LLM、TTS模块构建实时语音AI智能体。涵盖核心架构、多模型插件生态、生产部署能力及智能客服、虚拟助理等应用场景。
阅读全文 →
·13 分钟
Bolcho AI：专为印度多语言市场打造的语音智能体平台
Bolcho AI是一款专注印度市场的语音AI平台，支持印地语、泰米尔语等多种本地语言，提供超低延迟、电话系统集成和灵活模型接入能力，帮助企业快速部署本地化AI客服与销售智能体。
阅读全文 →
·8 分钟
Capptivo：免费开源屏幕录制与演示编辑器详细评测
Capptivo是一款免费开源的屏幕录制与演示编辑器，支持macOS、Windows和Linux三平台，提供光标跟随缩放、本地字幕烧录等功能，无需账号和订阅，本地优先保护隐私。
阅读全文 →
·6 分钟
Laxis评测：无机器人会议记录与实时翻译AI工具
深度解析Laxis AI会议记录工具：无需机器人即可录制会议，支持100+语言实时翻译，语音听写比打字快4倍。了解其核心功能、竞品对比与实际使用价值。
阅读全文 →
·7 分钟
Qwen Scribe：Apple Silicon本地语音转写工具深度解析
Qwen Scribe是一款专为Apple Silicon优化的本地语音转写与听写工具，基于通义千问模型实现完全离线运行。本文详解其技术特点、隐私优势及与Whisper等同类工具的对比。
阅读全文 →
