Deepseek发布大一统API 联网搜索、深度思考、传文件、读链接全包了 底层能力还能单独拆出来用: 比如 OCR(文字识别)、ASR(语音识别)、TTS(语音合成)都能独立调用 价格也很美...
Deepseek发布大一统API,整合搜索、文件传输、链接读取等功能,支持OCR、ASR、TTS等独立调用,价格具有竞争力。
入选理由:Deepseek API整合了搜索、文件传输、链接读取等核心功能。
概念
别名:语音识别
自动语音识别技术用于访谈转文字
已跟踪 11 条高相关材料
最近变化
2026-11-13 · Deepseek API整合了搜索、文件传输、链接读取等核心功能。
为什么值得关注
ASR 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Deepseek发布大一统API 联网搜索、深度思考、传文件、读链接全包了 底层能力还能单独拆出来用: 比如 OCR(文字识别)、ASR(语音识别)、TTS(语音合成)都能独立调用 价格也很美...
小互(@imxiaohu) · 8.5 分
Deepseek发布大一统API,整合搜索、文件传输、链接读取等功能,支持OCR、ASR、TTS等独立调用,价格具有竞争力。
🚀 The full DeepSeek App experience, now via API Search, files, links, safety, and voice. The capab...
DeepSeek(@deepseek_ai) · 8.5 分
DeepSeek 现在通过 API 提供其 App 的完整功能,包括搜索、文件处理、语音识别等,开发者可直接集成使用。
We’re proud to share that Meta Omnilingual Automatic Speech Recognition (ASR) has been named one of ...
AI at Meta(@AIatMeta) · 8.5 分
Meta的Omnilingual ASR系统因支持1600种语言被《时代》评为2026年最佳发明。
已收录 11 条与 ASR 相关的内容,按评分排序。
Deepseek发布大一统API,整合搜索、文件传输、链接读取等功能,支持OCR、ASR、TTS等独立调用,价格具有竞争力。
入选理由:Deepseek API整合了搜索、文件传输、链接读取等核心功能。
DeepSeek 现在通过 API 提供其 App 的完整功能,包括搜索、文件处理、语音识别等,开发者可直接集成使用。
入选理由:DeepSeek API 支持 OCR、ASR 和 TTS 等独立功能调用。
Meta的Omnilingual ASR系统因支持1600种语言被《时代》评为2026年最佳发明。
入选理由:Meta Omnilingual ASR支持1600种语言,覆盖500种低资源语言。
AI接待员通过电话系统、语音识别和AI模型的协作实现自动化客户服务,其架构涉及多个技术组件的集成。
入选理由:SIP trunking是AI语音系统接入公共电话网络的关键技术,Twilio等提供相关服务
构建Voice Agent需结合ASR、VOD、TTS、LLM及WebRTC,Agora Skills可快速集成实现低延迟实时语音交互,响应仅1秒。
入选理由:使用Agora Skills可在2-3分钟内安装并集成RTC、RTM等组件,支持快速开发Voice Agent
Nemotron 3说话人分离模型支持8人同时跟踪且语言无关,但与ASR模型为独立组件。
入选理由:Nemotron 3可同时跟踪最多8个说话人
微软发布PazaBench V2基准测试,通过扩展非洲语言覆盖提升语音识别模型包容性。
入选理由:PazaBench V2新增20种非洲语言支持,覆盖区域扩展至撒哈拉以南非洲
语音代理开发采用级联架构优化各模块,但技术细节不足影响深度。
入选理由:99%代理使用级联架构实现模块独立优化
微软发布PazaBench第二版,用于评估非洲语言的自动语音识别模型。
入选理由:PazaBench第二版专注于非洲语言的ASR模型评估
Lex Fridman的502期访谈已整理,含ASR识别和中文翻译,但技术深度不足。
入选理由:502期访谈全部使用本地ASR识别并配中文翻译
牛津大学博士后Kevin Lin开源了视频翻译工具Violin,支持多语言翻译与视频对话功能。
入选理由:Violin整合ASR、LLM翻译和TTS技术