AI初创公司寻**移动端开发工程师**，具备**语音AI（ASR+TTS）集成能力**，熟悉**实时语音流处理和说话人区分技术**，最好有**嵌入式或智能硬件对接经验**，并且能够**快速落地App产品**。他/她需要理解语音识别的核心技术和API调-CSDN社区

lancy112 2025-06-26 19:31:55

AI初创公司寻**移动端开发工程师**，具备**语音AI（ASR+TTS）集成能力**，熟悉**实时语音流处理和说话人区分技术**，最好有**嵌入式或智能硬件对接经验**，并且能够**快速落地App产品**。他/她需要理解语音识别的核心技术和API调用流程，能独立完成从录音、上传、转写到播放的完整闭环，5-10年相关领域工作经验。坐标:广东深圳薪资待遇: 30K*14薪+期权。联系方式:4672895@qq.com或加微信lancy6699

...全文

185 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

分析对比2025年语音识别（ASR）与语音合成（TTS）技术趋势，涵盖Whisper、NaturalSpeech、VITS等模型的应用场景与部署策略，帮助开发者选择最合适的云端、边缘或嵌入式部署方案。

火山引擎的实时对话AI应用示例（rtc_conversational_ai）展示了如何利用WebRTC、大模型、语音识别（ASR）和语音合成（TTS）等技术实现低延迟的实时对话功能。前端代码实现包括音视频采集与传输、语音识别、大模型交互、语音合成和UI交互等核心模块。通过WebRTC实现音视频流的实时传输，使用WebAudio API捕获音频数据并调用ASR API进行语音识别，将识别结果发送给大模型获取回复，再通过TTS API将回复文本转换为语音播放。UI模块负责展示对话历史和控制通话状态。优化措施包括

开源语音大模型正重塑智能语音市场格局，TTS（文本转语音）和ASR（语音识别）技术取得显著突破。国产模型Speech-02-HD在TTS领域表现突出，支持32种语言和情感控制，在自然度和音色克隆方面领先。ASR领域，FireRedASR中文识别效果优异，Whisper多语言覆盖广。选型需考虑场景需求，如智能客服推荐Speech-02-HD+FireRedASR组合。未来趋势包括多模态融合、边缘计算和情感计算，但面临数据合规、技术同质化等挑战。开源技术正加速语音AI在各行业的应用渗透。

语音 AI 技术（e.g. 语音识别、语音合成）是人工智能重要的研究和应用方向。但是，不同于 CV、NLP 等“显学”，语音相关的从业人员（学界和业界）相对较少，语音领域的学术会议和期刊影响力也比较有限。比如语音顶级会议 ICASSP 也仅是 CCF-B 类，InterSpeech 更是被划在 C 类；并且两个会议接近 50% 的文章接收率也经常为人诟病。语音 AI 是一个多学科交叉的技术方向，涉及到信号处理、语言学、语音学（e.g. 发音规律）、心理学（e.g. 听觉感知）、传统机器学习以及深度学习等。

1、TTS和ASR的概念区别我们比较熟悉的ASR技术（Automatic Speech Recognition，语音识别），是将声音转化为文字，可类比于人类的耳朵。而TTS技术（Text-To-Speech，语音合成），是将文字转化为声音（朗读出来），类比于人类的嘴巴。大家在Siri等各种语音助手中听到的声音，都是由TTS来生成的，并不是真人在说话。 TTS的技术实现方法，主要有两种：“...

CSDN创作者社区

1,408

社区成员

218

社区内容

发帖

与我相关

我的任务

其他其他

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章