发送语音流程图

最新推荐文章于 2026-08-31 08:56:35 发布
原创 最新推荐文章于 2026-08-31 08:56:35 发布 · 220 阅读 · 3 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测

否

是

聊天页发送语音

FileTransferSendPipeline.sendFile(...)

Voice Model 是否开启

raw 原始字节流直传

AudioProcessor.buildVoiceTransferData(audioPath)

readWaveFile(): 读取 PCM WAV

resampleLinear(): 重采样到 24kHz

extractMelSpectrogram(): 提取 100-bin log-Mel

按 100 帧一块切 patch

组装输入张量 [patchCount,1,100,100]

voice encoder 前向推理

得到 encoded floatData + shape

写 TCP 头: fileName!fileSize!senderId!VOICE!model

写 body: shapeLength + shape + totalOriginalLength + frameInfos + floatData

发送完成后发 UDP 文本通知 IPMSG_SENDMSG

接收端 FileTransferReceivePipeline

读 TCP 头并判断 mode=model

读 body: shape + totalOriginalLength + frameInfos + floatData

voice decoder 前向推理

得到解码后的频谱 patch

AudioProcessor.reconstructSpectrogram(...)

重建完整频谱 [time, mel]

保存 .wav.specbin 调试文件

toVocosInput(): 转成 [1, melBins, time]

audio decoder/vocos 前向推理

得到 24kHz 浮点波形

writeFloatWav(..., 24000)

落盘成 .wav

更新聊天消息路径/状态

刷新聊天页与最近会话

标签
#流程图
基于STM32的智能语音垃圾桶
dxt258013的博客
12-02 9066
摘要：近年来，随着社会经济的不断发展、城市规模的不断扩大以及人们消费水平的不断提高，城市生活产生的垃圾总量也在不断增加，由此导致的环境污染问题日益严峻，虽待解决。垃圾桶作为收纳废弃物的一种工具，正在城市生活垃圾管理系统中被应用，不仅分类垃圾桶得到大面积普及，而且智能垃圾桶也得到飞速发展，它们的出现极大地方便了环卫工人的清洁以及有效降低了废弃物对环境的影响。
【Project】基于LD3320 的智能语音控制系统
weixin_42881419的博客
06-17 4035
目录：1.Background2.Hardware2.1 LD3320语音识别模块2.2 STM322.3连接示意图3. 1.Background 随着人工智能市场规模持续增长，智能语音将居于重要地位。 智能语音设备可以实现自主学习，融入家庭，扮演陪伴者角色，并且极大提高人们的生活效率，还使得难以自理的群体，让他们的生活更方便。 2.Hardware 2.1 LD3320语音识别模块 LD3320 芯片是一款“语音识别”专用芯片。该芯片集成了语音识别处理器 和一些外部电路，包括 AD、DA 转换器、
ESP32在线语音识别 词法解析
杀手的博客
03-30 1万+
文章目录在线语音识别的优势一，语音识别流程图二，录音三，词法分析 在线语音识别的优势 在线语音识别结合语义分析，具有识别精准，灵活性高的特点，但是，其处理速度不如离线识别。 一，语音识别流程图 与离线识别不同的是，在esp32被唤醒后，会进行录音，录音结束后将音频发送到云端进行语音识别，并将返回的文本结果进行词法分析，得到特征值，根据特征值，执行相应的命令。 二，录音 esp32被唤醒后就开始录音，通过VAD音量检测，判断用户是否在讲话，若讲话停止则停止录音（或到达录音最大时间），并将数据通过http客户
基于百度接口的实时流式语音识别系统
一只老虎的专栏
06-05 3002
本项目实现了一个实时流式语音识别系统，利用百度语音识别服务和WebSocket协议，实现从麦克风捕获音频数据并实时进行语音识别。该系统适用于需要将实时语音转换为文本的应用场景。本系统实现了从麦克风实时捕获音频并通过WebSocket与百度语音识别服务进行通信，实现实时语音识别的功能。该系统可应用于各种需要实时语音转文字的场景，如实时字幕、语音助手等。DEV_PID = 1537 # 选择合适的识别模型。# 列出所有音频设备。
毕设分享|基于51单片机单工无线呼叫系统设计
Sen_091的博客
12-19 1308
该系统的主站主要由单片机与双音频（DTMF）信号编码器以及锁相频率发射机组成；从站主要由由单片机与高保真调频接收机以及双音频信号解码器组成。主站与从站通过锁相频率发射机与高保真调频接收机进行通讯。双音频（DTMF）信号编码器与双音频信号解码器能对调频信号中的双音频（DTMF）信号进行调制与解调。双音频（DTMF）信号编码器与双音频信号解码器使得本系统具有数据传输能力。在传输语音信号的同时也能传输一定的数据信息，对于小型的通讯系统具有一定的适用性。
Qwen3-ForcedAligner-0.6B在Visio流程图中的语音注释功能
weixin_42465140的博客
02-13 93
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ForcedAligner-0.6B（内置模型版）v1.0镜像，赋能Visio流程图的语音注释功能。该镜像可精准实现语音与流程图节点的毫秒级时间对齐，典型应用于技术文档的知识沉淀、远程协作中的设计意图传达及合规审计中的决策溯源。
Qwen3-ASR-0.6B进阶开发：Visio语音流程图生成工具
weixin_29717341的博客
02-18 384
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-0.6B镜像，实现语音到Visio流程图的端到端生成。该镜像精准识别会议录音等口语化流程描述，结合语义解析与VDX文件生成技术，可一键输出专业、可编辑的流程图，广泛应用于产品需求建模、运维手册制作与教学课件开发。
Fish-Speech-1.5 Visio流程图语音注释方案
weixin_42584758的博客
03-23 248
本文介绍了如何在星图GPU平台上自动化部署fish-speech-1.5镜像，实现Visio流程图的语音注释功能。用户可一键部署该TTS模型，在本地为架构图、业务流程图等元素添加悬停/点击即播的自然语音解说，显著提升技术文档可读性、远程协作效率与新人培训体验。
stm32语音播报模块_语音助手控制小车
weixin_39893893的博客
12-03 8993
近年来随着人工智能的快速发展，国内语音行业也可谓是百花齐放，尤其是最近几年，人工智能AI技术以及智能家居得到了飞速的发展。本设计采用的是非特定语音识别芯片LD3320和SYN6288语音合成模块有机的结合，设计开发了一种能通过语音来控制小车运行、拨打电话、发送短信以及播放音乐的语音识别系统。这个东西虽然科技含量不高，但是非常具有可玩性，看完你也可以做一个。系统架构介绍系统主要由语音识别模...
基于Python的语音识别控制系统
weixin_45973679的博客
12-04 1万+
基于Python的语音识别控制系统 2021.12.03：本人是一名大三学生，学习人工智能的时候老师发布了一个语音识别控制图形移动的任务，参考了许多内容，写了一个小的程序，写出来分享给大家，如果能帮到你，倍感荣幸，祝你学习愉快！
Visio流程图与语音讲解自动对齐：Qwen3-ForcedAligner-0.6B创新应用
weixin_31591833的博客
02-08 386
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ForcedAligner-0.6B（内置模型版）v1.0镜像，实现Visio流程图与语音讲解的毫秒级自动对齐。该方案支持技术文档的动态交互式呈现，典型应用于企业内部培训、客户方案演示等场景，显著提升技术知识传递效率与可复用性。
使用Qwen3-ASR-1.7B开发Visio语音流程图工具
weixin_30591519的博客
02-05 247
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-1.7B镜像，构建Visio语音流程图工具。该镜像可精准识别产品需求语音，实时解析业务逻辑并自动生成结构化流程图，典型应用于产品经理口述需求→一键生成Visio流程图的高效协作场景。
小白如何做一个Python人工智能语音助手
热门推荐
m0_57307642的博客
10-20 3万+
小白如何做一个Python智能语音助手真的是小白？新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 真的是小白？ 大家好，我是一名信息工程的大三学生，由于大一大二没怎么学习技术，所以大三准备挖粪图强。先介绍一下我的学习储备吧
Linux语音控制 项目
weixin_42116930的博客
11-26 3334
本人是基于粤嵌的GEC210和ubuntu14.04开发的，源代码过长，需要的可以去这里下载： https://download.csdn.net/download/weixin_42116930/10807763 语音交互平台框架： 平台：Linux+armA8+科大讯飞语音识别平台 功能： 1、通过文件检索可以将固定的目录下的三种类型的图片和音乐给检索出来，然后再利用libjpeg库...
5G语音通话信令流程图解析：从建立到释放的全过程
2600_94960060的博客
01-17 757
基于火山引擎豆包大模型，从零搭建一个实时语音通话应用。它不是简单的问答，而是需要你亲手打通 ASR（语音识别）→ LLM（大脑思考）→ TTS（语音合成）的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说，这是个绝佳的练手项目。架构理解：掌握实时语音应用的完整技术链路（ASR→LLM→TTS）技能提升：学会申请、配置与调用火山引擎AI服务定制能力：通过代码修改自定义角色性格与音色，实现“从使用到创造”从0到1构建生产级别应用，脱离Demo，点击打开。
MiniCPM-V-2_6政务办事指南：办事流程图识别+步骤语音播报生成
weixin_34725745的博客
02-21 277
本文介绍了如何在星图GPU平台上自动化部署MiniCPM-V-2_6镜像，实现政务办事流程图的智能识别与语音播报功能。该方案能自动解析流程图步骤，并生成清晰的多语言语音指导，显著提升政务办事效率，尤其适合老年人及不熟悉流程的用户使用。
Visio流程图语音生成：Qwen3-ASR-1.7B办公自动化
weixin_42629522的博客
02-09 85
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-1.7B镜像，实现Visio流程图语音生成功能。用户通过自然口语描述业务逻辑，模型实时解析时序与条件关系，自动生成符合BPMN规范的专业流程图，广泛应用于需求评审、跨团队协作及办公流程标准化等场景。
基于nodejs的语音聊天
sunlanchang的博客
02-26 5140
描述 程序在 iamshaunjp 的群聊功能基础上利用webRTC技术，添加了语音群聊功能，在其他人键盘输入时，会出现类似微信的对方正在输入字样。 demo：https://biptedu.cn:4000/ source code: https://github.com/sunlanchang/voice_chat 使用的nodejs模块 express：创建一个web服务器 https...
多模态 AI 编程：当 AI 能看懂设计稿、截图与流程图
最新发布
不踩坑，不知道坑有多深；不总结，踩过的坑白踩。
08-31 1万+
"多模态"听起来像学术术语，但概念很简单：AI 不仅能理解文字（文本模态），还能"看懂"图片（视觉模态）。2024年，GPT-4V 和 Claude 3 系列都具备了"视觉理解"能力——你可以上传一张图片，AI 会描述它的内容，并根据图片内容执行任务。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

oyezitan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值