概念
别名：语音识别
自动语音识别技术层
已跟踪 5 条高相关材料
最近变化
2026-07-28 · 99%代理使用级联架构实现模块独立优化
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。
在 Codex/Claude Code 等 Coding Agents 领域，文字是主要的输入输出方式；而在更广泛的通用 Agents 领域，特别是陪伴、实时交互等 Agents 方面，实时语音交互非...
meng shao(@shao__meng) · 8.5 分
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。
Reliable benchmarks are essential for advancing inclusive AI. By expanding language, geographic, and...
Microsoft Research(@MSFTResearch) · 7 分
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。
Build Smarter Voice Agents
AssemblyAI · 6.5 分
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。
已收录 5 条与 ASR 相关的内容，按评分排序。
Building Voice Agents requires ASR/VOD/TTS/LLM + WebRTC. Agora Skills enables low-latency real-time voice interaction with 1-second response.
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
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
Oxford postdoc Kevin Lin has open-sourced the video translation tool Violin, supporting multilingual translation and video dialogue functions.
入选理由：Violin整合ASR、LLM翻译和TTS技术
