四、语音识别和合成技术

4.1 语音识别（ASR，Automatic Speech Recognition） 将语音转换为文本，是多模态AI的重要能力。 Whisper（OpenAI开源）：目前最广泛使用的开源语音识别模型，支持多语言识别和翻译，能够处理各种口音和…