语音识别(ASR,Automatic Speech Recognition)是将人类语音自动转写为文本的技术,也是语音助手、会议转写、电话客服和实时语音交互的基础能力。近期该领域明显升温:微软、ElevenLabs、Salesforce、DeepSeek 等公司在一周内密集发布新模型或开放 API,竞争焦点正从单纯的转写准确率转向嘈杂环境、说话人分离、语义理解与价格。
语音识别
general · First seen 2026-05-22 · Last seen 2026-11-20 · 201 mentions
Overview
Coverage
10 on file- OpenAI 为 ChatGPT 上线 Live Dictation 实时语音转写功能,不限时长、全套餐免费Techsauce
- Gary Marcus 晒视频:Husk AI 西语教师听不出用户在说英语Gary Marcus
- CoreWeave 联手 Aston Martin F1 打造无线电频道 AI 实时转录系统CoreWeave
- 开源语音识别模型:不到 1B 参数可跑在手机上Ate-a-Pi
- Reson8 开源语音识别模型 Rumble-2-Flash,主打嘈杂真实场景elvis
- 微软医疗转录产品改用自研 MAI-Transcribe-2,多语言错误率降约 50%IT之家
- Microsoft 发布 MAI Realtime 1,定价每音频分钟 0.01 美元Microsoft AI
- Microsoft 发布 Transcribe Dragon 与 Realtime 1 语音模型,将驱动 Copilot Voice ModeTestingCatalog
- ElevenLabs 发布 Scribe v3 Live Medical,支持通话实时医疗转录ElevenLabs
- 日本语音 AI 实验室 Kotoba 加入 ElevenLabsElevenLabs