什么是唤醒词检测？语音助手的待命
喊一声「小艺」手机才应答，跟同伴聊一路它却不出声，靠的是唤醒词检测：低功耗待命、只认专属暗号。本文讲清它的门道，看懂唤醒词
AI基础百科
共1972篇文章AI基础百科栏目解释 AIGC、提示词、Agent、RAG、Token、模型、工作流、检测与认证等常见概念，适合新手快速补齐 AI 工具使用前的基础知识。
最新发布
什么是唇形驱动？数字人说话的嘴
数字人说话口型总对不上、看着出戏？唇形驱动负责把音素逐帧换成嘴型。本文讲清口型同步的原理、两条路线与常见槽点，看懂唇形驱动
什么是数字人的驱动方式？录制与生成
数字人分两种做法：真人录制拼接与 AI 实时生成，成本、灵活度和破绽位置差别大。本文对比两条路线的取舍，看懂数字人的驱动方式
近期文章
什么是韵律？AI 念诗为什么平的原因
AI 朗读为什么听着像念经？缺的是韵律：重音、停顿、语调起伏。本文讲清韵律从哪来、由什么决定、怎么练成，看懂 A...
什么是声学模型和声码器？两段式配音
AI 配音内部其实是两段流水线：先算出声音特征，再变成可播放的波形，各自出毛病各有特征。本文拆开讲这两段各干什么...
什么是对齐？语音识别里字和音怎么对上
语音转文字时，机器怎么知道每个字在几点几分被说出来？靠对齐这一步。本文讲清它的原理、难点与实际用途，看懂语音里的...
什么是端点检测？怎么知道你说完了
对语音助手说完一句话，它怎么判断你说完了？靠端点检测盯住静音段、掐准话头话尾。本文讲清它的原理与调教门道，看懂端...
热门排行
更多文章
-
什么是视觉编码器？AI 的「眼睛」
图片发给豆包为什么能被看懂？关键在视觉编码器：把像素切块、压缩成向量，是大模型读懂图像的第一步，本文一次讲透视觉编码...
-
什么是图像 token？图片被切成多少块
一张图会被切成几百个小块，每块变成一个向量，这就是图像token。切多少块、块多大，直接影响模型看得多细，本文讲清图...
-
什么是跨模态对齐？图和文怎么对上
图和文在模型里怎么对上号？靠的是跨模态对齐这一步，本文讲清像素信号和文字信号如何被接到一起，一次读懂跨模态对齐机制
-
什么是去噪步数？画一张图要走多少步
AI画图为什么总要先出模糊草稿？从满屏噪点到清晰成图，中间要走几十步去噪。步数多少影响出图速度和细节保留，本文讲透去...
-
什么是提示词编码器？文字怎么进入画图模型
你打的字怎么变成画面？提示词先被编码器转成向量，再一步步指挥画面生成。本文讲清这条链路的每一环和写词门道，看懂提示词...
-
语音识别的解码是怎么搜路径的？
语音识别的解码在无数文字路径里搜出正确那条。本文讲候选路径怎么打分、语言模型怎么帮腔、搜索宽度怎么取舍，附参数速查表...
-
端点检测是怎么判断停顿的？内部门道在这
端点检测判断说话人何时停顿何时说完，是语音交互第一关。本文讲停顿与结束怎么区分、能量法与模型法各自长短、早切晚切怎么...
