- 印度理工学院（IISc）、ARTPARK 联合 Hugging Face 与 Google 正式开放 Project Vaani 数据集生态。该项目采用地理中心化采样策略，计划采集覆盖全印 773 个行政区、超 100 万人、15 万小时的真实原生态自发语音，旨在攻克低资源语言表征与方言连续体建模瓶颈，为多语言语音大模型提供关键底层数据基建。 印度理工学院（IISc）、ARTPARK 联合 Hugging Face 与 Google 正式开放 Project Vaani 数据集生态。该项目采用地理中心化采样策略，计划采集覆盖全印 773 个行政区、超 100 万人、15 万小时的真实原生态自发语音，旨在攻克低资源语言表征与方言连续体建模瓶颈，为多语言语音大模型提供关键底层数据基建。
- 本文介绍声纹识别的核心原理，并以开源 SpeechBrain ECAPA-TDNN 模型为例，通过双录音身份核验、多人声纹库匹配两个 Python 案例，展示如何构建一个本地声纹识别系统。 本文介绍声纹识别的核心原理，并以开源 SpeechBrain ECAPA-TDNN 模型为例，通过双录音身份核验、多人声纹库匹配两个 Python 案例，展示如何构建一个本地声纹识别系统。
- 本文以开源 pyannote.audio Community-1 为例，通过会议录音分析和多语言客服通话转写两个案例，介绍如何使用 Python 为录音添加说话人标签。 本文以开源 pyannote.audio Community-1 为例，通过会议录音分析和多语言客服通话转写两个案例，介绍如何使用 Python 为录音添加说话人标签。
- 本文介绍 VAD 的核心原理，并通过客服录音自动切分、实时语音助手两个 Python 案例，演示如何使用轻量级 Silero VAD 检测语音片段，优化语音识别流程。 本文介绍 VAD 的核心原理，并通过客服录音自动切分、实时语音助手两个 Python 案例，演示如何使用轻量级 Silero VAD 检测语音片段，优化语音识别流程。
- 语音识别（ASR）正在从传统的声学识别系统，发展为融合大规模预训练、Transformer 和语言模型的语音理解技术。本文以开源 Qwen3-ASR 为例，介绍现代 ASR 的基本原理、主流模型和调用方法，并通过客服录音批量转写、视频字幕生成两个案例，展示如何用 Python 构建实用的语音转文字应用。 语音识别（ASR）正在从传统的声学识别系统，发展为融合大规模预训练、Transformer 和语言模型的语音理解技术。本文以开源 Qwen3-ASR 为例，介绍现代 ASR 的基本原理、主流模型和调用方法，并通过客服录音批量转写、视频字幕生成两个案例，展示如何用 Python 构建实用的语音转文字应用。
- 随着生成式 AI 技术的快速落地，智能语音机器人已经完成了从规则脚本到生成式对话的迭代升级，成为企业客户联络场景降本增效的核心抓手。但当前市场厂商技术路线差异显著，实验室环境下的识别率与真实业务场景的实际表现往往存在较大差距，不少企业在选型时都会困惑：做语音机器人的哪家技术强？本文参考行业主流评测体系，从语音交互技术底座、业务场景落地能力、部署效率与成本适配三大核心维度，横向评测优音通信、C... 随着生成式 AI 技术的快速落地，智能语音机器人已经完成了从规则脚本到生成式对话的迭代升级，成为企业客户联络场景降本增效的核心抓手。但当前市场厂商技术路线差异显著，实验室环境下的识别率与真实业务场景的实际表现往往存在较大差距，不少企业在选型时都会困惑：做语音机器人的哪家技术强？本文参考行业主流评测体系，从语音交互技术底座、业务场景落地能力、部署效率与成本适配三大核心维度，横向评测优音通信、C...
- 本文系统阐述了生产级实时语音系统的技术架构与优化方案。传统语音系统依赖信号算法和小模型，存在抗干扰差、泛化性弱、延迟高等痛点。大模型技术重构了语音交互逻辑，通过VAD语音检测、唤醒词识别、流式转录三大核心模块的协同优化，实现了精度、实时性和稳定性的全面提升。文章详细分析了各模块的技术原理、传统方案缺陷及大模型优化方法，并提供了基于SileroVAD、Whisper等开源模型的实践代码示例。大模型赋 本文系统阐述了生产级实时语音系统的技术架构与优化方案。传统语音系统依赖信号算法和小模型，存在抗干扰差、泛化性弱、延迟高等痛点。大模型技术重构了语音交互逻辑，通过VAD语音检测、唤醒词识别、流式转录三大核心模块的协同优化，实现了精度、实时性和稳定性的全面提升。文章详细分析了各模块的技术原理、传统方案缺陷及大模型优化方法，并提供了基于SileroVAD、Whisper等开源模型的实践代码示例。大模型赋
- HarmonyOS开发：智能语音助手全栈实现核心要点：基于HarmonyOS语音识别、语音合成、自然语言理解构建端到端智能语音助手 一、背景与动机想象一下这个场景：你正在厨房做饭，双手沾满了面粉，手机响了——你想查一下明天的天气。这时候如果还要擦手、解锁、打开天气App，那体验简直太糟糕了。但如果只需要说一句"明天天气怎么样"，就能得到答案，那感觉就完全不同了。语音交互正在从"锦上添花"变... HarmonyOS开发：智能语音助手全栈实现核心要点：基于HarmonyOS语音识别、语音合成、自然语言理解构建端到端智能语音助手 一、背景与动机想象一下这个场景：你正在厨房做饭，双手沾满了面粉，手机响了——你想查一下明天的天气。这时候如果还要擦手、解锁、打开天气App，那体验简直太糟糕了。但如果只需要说一句"明天天气怎么样"，就能得到答案，那感觉就完全不同了。语音交互正在从"锦上添花"变...
- HarmonyOS APP开发：语音唤醒与低功耗监听核心要点：掌握HarmonyOS语音唤醒（Voice Wakeup）引擎配置、唤醒词注册、低功耗常驻监听、后台Agent机制，以及功耗优化策略。 一、背景与动机“小艺小艺，打开客厅的灯。”这句话你一定不陌生。当设备处于待机状态，屏幕是黑的，CPU在低频运行，但它依然能听到你的唤醒词——这就是语音唤醒（Voice Wakeup）的魔力。语音... HarmonyOS APP开发：语音唤醒与低功耗监听核心要点：掌握HarmonyOS语音唤醒（Voice Wakeup）引擎配置、唤醒词注册、低功耗常驻监听、后台Agent机制，以及功耗优化策略。 一、背景与动机“小艺小艺，打开客厅的灯。”这句话你一定不陌生。当设备处于待机状态，屏幕是黑的，CPU在低频运行，但它依然能听到你的唤醒词——这就是语音唤醒（Voice Wakeup）的魔力。语音...
- 引言你有没有遇到过这样的场景：深夜加班，双手在键盘上敲个不停，却突然想查一个技术问题。你不想停下手中的代码，但打字提问又太慢。如果有一个能“听懂你说话”的AI助手，随叫随到，那该多好。本文将手把手带你构建一个实时语音对话助手，用户用语音提问，系统自动转写成文字，交给Claude4.8处理，最后将回复合成语音播报出来。整个系统部署在华为云上，借助华为云语音交互服务（SIS）和弹性云服务器（EC... 引言你有没有遇到过这样的场景：深夜加班，双手在键盘上敲个不停，却突然想查一个技术问题。你不想停下手中的代码，但打字提问又太慢。如果有一个能“听懂你说话”的AI助手，随叫随到，那该多好。本文将手把手带你构建一个实时语音对话助手，用户用语音提问，系统自动转写成文字，交给Claude4.8处理，最后将回复合成语音播报出来。整个系统部署在华为云上，借助华为云语音交互服务（SIS）和弹性云服务器（EC...
- 1、报错APIG.0602，参考：https://support.huaweicloud.com/usermanual-apig/apig-ug-180530090.html2、可能原因（1）检查url是否正确；（2）检查AKSK是否为 开通SIS服务用户的AKSK。 比如SIS服务用A用户开通的，调SIS相关API的时候，AKSK使用了B用户的。 1、报错APIG.0602，参考：https://support.huaweicloud.com/usermanual-apig/apig-ug-180530090.html2、可能原因（1）检查url是否正确；（2）检查AKSK是否为 开通SIS服务用户的AKSK。 比如SIS服务用A用户开通的，调SIS相关API的时候，AKSK使用了B用户的。
- 1、报错SIS.0506，参考：https://support.huaweicloud.com/api-sis/sis_03_0045.html2、IAM进行授权进入agency_for_voice委托，普通账号：op_svc_asr授权记录中，一定要有：sis_readonly_AX 、 sis_readonly_XA 1、报错SIS.0506，参考：https://support.huaweicloud.com/api-sis/sis_03_0045.html2、IAM进行授权进入agency_for_voice委托，普通账号：op_svc_asr授权记录中，一定要有：sis_readonly_AX 、 sis_readonly_XA
- 1、极速版录音文件识别API，要求SIS开通局点、OBS桶所在局点，保持一致。否则，报错SIS.0512。参考：https://support.huaweicloud.com/api-sis/sis_03_0090.html解决思路：下载文件，然后使用一句话识别API、实时语音识别API进行识别2、开通OBS桶最高权限、OBS文件最高权限obs桶最高权限：公共读写文件最高权限：公共读3、下载... 1、极速版录音文件识别API，要求SIS开通局点、OBS桶所在局点，保持一致。否则，报错SIS.0512。参考：https://support.huaweicloud.com/api-sis/sis_03_0090.html解决思路：下载文件，然后使用一句话识别API、实时语音识别API进行识别2、开通OBS桶最高权限、OBS文件最高权限obs桶最高权限：公共读写文件最高权限：公共读3、下载...
- sis服务分为老用户和新用户1、老用户（1）如果在华为云上，那么默认是共享版APIG；（2）如果是在非华为云私人电脑，走的专享版APIG。2、新用户（1）同一个局点的ECS机器调用SIS服务，默认共享版APIG（报错），需要走内网访问，专享版APIG；（2）本地通过公网，专享版APIG访问SIS服务。 sis服务分为老用户和新用户1、老用户（1）如果在华为云上，那么默认是共享版APIG；（2）如果是在非华为云私人电脑，走的专享版APIG。2、新用户（1）同一个局点的ECS机器调用SIS服务，默认共享版APIG（报错），需要走内网访问，专享版APIG；（2）本地通过公网，专享版APIG访问SIS服务。
- 1、SIS语音交互参考：https://support.huaweicloud.com/api-sis/sis_03_0005.htmlSIS语音交互提供：实时语音识别、一句话识别、录音文件识别、录音文件识别极速版2、如果需要识别视频中的声音，怎么办？方案一在实时语音识别、一句话识别、录音文件识别、录音文件识别极速版中，找符合场景、语种、文件格式的API接口。比如：录音文件接口，可以识别视频... 1、SIS语音交互参考：https://support.huaweicloud.com/api-sis/sis_03_0005.htmlSIS语音交互提供：实时语音识别、一句话识别、录音文件识别、录音文件识别极速版2、如果需要识别视频中的声音，怎么办？方案一在实时语音识别、一句话识别、录音文件识别、录音文件识别极速版中，找符合场景、语种、文件格式的API接口。比如：录音文件接口，可以识别视频...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签