ASR VAD TTS

自动语音识别（Automatic Speech Recognition, ASR）是一种将人类语音实时转换为文本的技术，广泛应用于语音助手、实时字幕、客服机器人等场景。

语音活动检测（Voice Activity Detection, VAD）是识别音频流中人声片段与静音/噪声片段的关键技术，广泛应用于语音通信、ASR预处理、录音分析等领域。

VAD效果严重依赖音频质量（建议输入16kHz/16bit PCM），实际部署前需用真实场景数据测试。

文本转语音（Text-to-Speech, TTS）

Volcano（火山引擎）

LLM（Large Language Model，大语言模型）