Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

微软刚刚推出了医疗行业首个语音AI助手：Microsoft Dragon Copilot，替代手写病例 用于临床工作流程，帮助临床医生简化临床文档记录、提取关键信息和自动化任务 Dragon Copilot是语音+文本的混合架构，基于Dragon Medical One的自然语言语音听写功能，以及DAX Copilot的环境语音识别能力，能够将医生的语音或临床口述内容实时转换为文本 实时记录，在医生问诊时自动捕捉对话，将医生和病人的对话转换成规范的病历记录 智能整理，自动将对话内容整理成标准病历格式，提取关键医疗信息比如症状、诊断、用药等，生成符合医院规范的病历 #AI医疗助手 #医疗病历助手 #MicrosoftDragonCopilot

aigclink's profile picture

AIGCLINK

27,106 subscribers

16,355 Aufrufe • vor 1 Jahr •via X (Twitter)

Wissenschaft & TechnologieGesundheit & Wellness
LIVE

Anya Rossi• Live Now

Private livecam show

4 Kommentare

Profilbild von AIGCLINK
AIGCLINKvor 1 Jahr

博客：

Profilbild von 清风徐来028
清风徐来028vor 1 Jahr

占总整个整个国产平替

Profilbild von amadeuzou
amadeuzouvor 1 Jahr

@tenglvjun

Profilbild von OSDev
OSDevvor 1 Jahr

@Readwise save thread

Ähnliche Videos

一款开源的实时AI语音聊天助手：RealtimeVoiceChat，语音听起来相对自然，支持打断 双向语音交互，延迟低，可以实时看到语音转录，以及AI的回复内容 用来构建客服、教育或陪伴等等场景的AI语音助手比较实用 #AI语音助手
1:52

一款开源的实时AI语音聊天助手：RealtimeVoiceChat，语音听起来相对自然，支持打断 双向语音交互，延迟低，可以实时看到语音转录，以及AI的回复内容 用来构建客服、教育或陪伴等等场景的AI语音助手比较实用 #AI语音助手

AIGCLINK

22,917 Aufrufe • vor 1 Jahr

目前看到的在医疗方向最大的养虾OpenClaw技能库：OpenClaw-Medical-Skills，872个技能 涵盖临床医学、基因组学、药物发现、生物信息学、医疗器械等 用上，你的OpenClaw就可以变成专业的医学科研助手，能进行PubMed查询、临床试验检索、药物相互作用分析、基因变异解读、生成SOAP病历、出院小结等等 每个技能就是一个SKILL.md 文件，包含专业知识、连接API指令、结构化输出 实时数据连接PubMed、 具体包含：通用工具9个、临床与医疗30+、药物发现与安全20+、科学数据库35+、生物信息学 228个、组学工具50+、蛋白质设计15+、健康管理19、医疗器械法规47、BioOS扩展套件285+、ClawBio管道22、模拟与本体论17 #OpenClawMedicalSkills #医疗skill #AIskill
0:39

目前看到的在医疗方向最大的养虾OpenClaw技能库：OpenClaw-Medical-Skills，872个技能 涵盖临床医学、基因组学、药物发现、生物信息学、医疗器械等 用上，你的OpenClaw就可以变成专业的医学科研助手，能进行PubMed查询、临床试验检索、药物相互作用分析、基因变异解读、生成SOAP病历、出院小结等等 每个技能就是一个SKILL.md 文件，包含专业知识、连接API指令、结构化输出 实时数据连接PubMed、 具体包含：通用工具9个、临床与医疗30+、药物发现与安全20+、科学数据库35+、生物信息学 228个、组学工具50+、蛋白质设计15+、健康管理19、医疗器械法规47、BioOS扩展套件285+、ClawBio管道22、模拟与本体论17 #OpenClawMedicalSkills #医疗skill #AIskill

AIGCLINK

106,346 Aufrufe • vor 3 Monaten

一款基于Llama的TTS系统：Llasa，它通过扩展训练时间和推理时间计算，提高了语音合成的自然度、韵律准确性和情感表达能力 生成效果自然流畅富有感情，开心、悲伤等情感表现的比较自然，适合做有声读物或语音助手 它用了一个Xcodec2语音分词器，把语音分解成一个个小的标记，使计算机更容易处理语音，这些标记不仅能表示语音的内容，还能保留语音的情感和音色信息 核心在于其单一Transformer架构和规模化训练/推理策略，结合Xcodec2语音分词器，使其能生成更自然、更富有表现力的语音 有1B、3B、8B三个版本，支持中英文 #TTS #Llasa
2:29

一款基于Llama的TTS系统：Llasa，它通过扩展训练时间和推理时间计算，提高了语音合成的自然度、韵律准确性和情感表达能力 生成效果自然流畅富有感情，开心、悲伤等情感表现的比较自然，适合做有声读物或语音助手 它用了一个Xcodec2语音分词器，把语音分解成一个个小的标记，使计算机更容易处理语音，这些标记不仅能表示语音的内容，还能保留语音的情感和音色信息 核心在于其单一Transformer架构和规模化训练/推理策略，结合Xcodec2语音分词器，使其能生成更自然、更富有表现力的语音 有1B、3B、8B三个版本，支持中英文 #TTS #Llasa

AIGCLINK

34,527 Aufrufe • vor 1 Jahr

AI驱动的语音听写工具：Whispo，按Ctrl键就可以开始录音，松开即可将语音转文字 转录内容可以自动插入到任何支持文本输入的应用中，数据存于本地 github： #语音转录 #Whispo
0:25

AI驱动的语音听写工具：Whispo，按Ctrl键就可以开始录音，松开即可将语音转文字 转录内容可以自动插入到任何支持文本输入的应用中，数据存于本地 github： #语音转录 #Whispo

AIGCLINK

27,149 Aufrufe • vor 1 Jahr

张文宏最新发声：我拒绝把AI引入医院病历系统，担忧医生诊断能力缺失 张宏文说得很明确，他自己使用AI，自己经验丰富，可以一眼看出AI诊断不对的地方； 他不希望新手医生使用AI，是因为新手医生还没有积累足够的经验去判断AI给出的诊断是否存在问题。
0:53

张文宏最新发声：我拒绝把AI引入医院病历系统，担忧医生诊断能力缺失 张宏文说得很明确，他自己使用AI，自己经验丰富，可以一眼看出AI诊断不对的地方； 他不希望新手医生使用AI，是因为新手医生还没有积累足够的经验去判断AI给出的诊断是否存在问题。

魔都老猿

350,688 Aufrufe • vor 5 Monaten

美国医疗确实病入膏肓，美国病人该不该做手术，能不能做手术，不由主治医生决定而是由保险公司决定。 神经外科医生控诉医疗保险公司United Health Care, 不批准他的病人的手术方案。 美国医生太憋屈了，千辛万苦拿到医生资格，结果完全受制于保险公司，根本没用行医自由。
2:17

美国医疗确实病入膏肓，美国病人该不该做手术，能不能做手术，不由主治医生决定而是由保险公司决定。 神经外科医生控诉医疗保险公司United Health Care, 不批准他的病人的手术方案。 美国医生太憋屈了，千辛万苦拿到医生资格，结果完全受制于保险公司，根本没用行医自由。

菁菁乐道(lydia)

18,331 Aufrufe • vor 1 Jahr

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS Seed-TTS能生成与人类语音几乎没有区别的语音 支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。 能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音 github： 论文： #TTS #SeedTTS #字节跳动
1:12

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS Seed-TTS能生成与人类语音几乎没有区别的语音 支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。 能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音 github： 论文： #TTS #SeedTTS #字节跳动

AIGCLINK

13,338 Aufrufe • vor 2 Jahren

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作 它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。
1:06

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作 它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。

小互

22,933 Aufrufe • vor 9 Monaten

🔔 外科医生Mel Thacker事业有成，却毅然选择离开医疗行业。不是倦怠，不是能力问题 👉 而是“道德伤害”--“医疗已经不再关于信任，而是关于利润。”👇 🎙️ “我感到无能为力。我想给病人开一种便宜的药，比如布地奈德（Budesonide），保险公司却拒绝报销，药房要价300美元。而我根本不知道哪些病人的保险会这样。” 💔 数以千计的问诊与治疗， 🧱 层层官僚制度阻碍， 🚫 手术和处方被延误， 💵 股东利益凌驾于病人之上。 👩‍⚕️ 她的呼吁： “我们必须把商业赶出医疗。医疗应回归医生与病人之间的信任关系。” #医疗改革 #医生发声 #MelThacker #道德伤害 #保险危机 #还医疗本真
2:02

🔔 外科医生Mel Thacker事业有成，却毅然选择离开医疗行业。不是倦怠，不是能力问题 👉 而是“道德伤害”--“医疗已经不再关于信任，而是关于利润。”👇 🎙️ “我感到无能为力。我想给病人开一种便宜的药，比如布地奈德（Budesonide），保险公司却拒绝报销，药房要价300美元。而我根本不知道哪些病人的保险会这样。” 💔 数以千计的问诊与治疗， 🧱 层层官僚制度阻碍， 🚫 手术和处方被延误， 💵 股东利益凌驾于病人之上。 👩‍⚕️ 她的呼吁： “我们必须把商业赶出医疗。医疗应回归医生与病人之间的信任关系。” #医疗改革 #医生发声 #MelThacker #道德伤害 #保险危机 #还医疗本真

AusMini

18,588 Aufrufe • vor 1 Jahr

上次介绍了DO 和MD的区别，今天为大家分享在美国的另外一种职业医生：足医 （podiatrist）。 一提到脚医生，人们就会想到足疗按摩和修脚的，其实足医跟这些是有天壤之别的。 在美国足医必须要有足医学博士学位（Doctor of podiatric medicine）才可以行足医。 虽然申请足医学院的大部分的人都是进不了正规医学院才去申请的人，但是足医学院也是非常难进的，也是先要有本科学位才可以申请。 足病医生的教育和培训几乎与医学博士（MD）相同，包括四年的研究生课程和三年的住院医师培训。他们在社区诊所、学术医疗中心和医院手术室中提供全面的医疗和手术服务。 在美国，足病医生在医疗团队中扮演着重要角色，特别是在糖尿病足部护理和预防下肢并发症方面。足病医生专门诊断和治疗足部和踝部的疾病，包括保守治疗和手术治疗。同时在小儿足部畸形、足创伤、骨折、平足、拇趾滑液囊炎（Bunion）等矫正手术当中扮演着重要的角色，他们就是专门治脚的骨科医生。 我与很多足医共同工作过，大多数都非常的谦卑。他们大部分的病人都是晚期的血管病和糖尿病病人，都有各种严重的基础病（心衰和肾衰病人非常普遍），在手术时对麻醉产生极大的挑战。我们都尽量避免全麻而使用区域性的麻醉方法来为这样的病人的手术提供麻醉服务。
0:56

上次介绍了DO 和MD的区别，今天为大家分享在美国的另外一种职业医生：足医 （podiatrist）。 一提到脚医生，人们就会想到足疗按摩和修脚的，其实足医跟这些是有天壤之别的。 在美国足医必须要有足医学博士学位（Doctor of podiatric medicine）才可以行足医。 虽然申请足医学院的大部分的人都是进不了正规医学院才去申请的人，但是足医学院也是非常难进的，也是先要有本科学位才可以申请。 足病医生的教育和培训几乎与医学博士（MD）相同，包括四年的研究生课程和三年的住院医师培训。他们在社区诊所、学术医疗中心和医院手术室中提供全面的医疗和手术服务。 在美国，足病医生在医疗团队中扮演着重要角色，特别是在糖尿病足部护理和预防下肢并发症方面。足病医生专门诊断和治疗足部和踝部的疾病，包括保守治疗和手术治疗。同时在小儿足部畸形、足创伤、骨折、平足、拇趾滑液囊炎（Bunion）等矫正手术当中扮演着重要的角色，他们就是专门治脚的骨科医生。 我与很多足医共同工作过，大多数都非常的谦卑。他们大部分的病人都是晚期的血管病和糖尿病病人，都有各种严重的基础病（心衰和肾衰病人非常普遍），在手术时对麻醉产生极大的挑战。我们都尽量避免全麻而使用区域性的麻醉方法来为这样的病人的手术提供麻醉服务。

Luke Young

19,986 Aufrufe • vor 1 Jahr

OpenAI公布其语音生成模型：Voice Engine 根据文本输入和一个15秒的音频样本，就能生成接近原始说话者声音的自然听起来的语音。 Voice Engine最初于2022年底开发，并已经提供给包括Heygen在内的少数公司进行测试性使用。 主要功能 1、自然听起来的语音生成：利用单个15秒的音频样本，Voice Engine能够创造出既情感丰富又真实的语音，显著提升合成语音的自然度和真实感。 2、支持多种用途：从教育援助、内容翻译、提高偏远地区服务质量，到支持非语言人士和帮助患者恢复声音，Voice Engine的应用场景广泛，跨越多个行业。 3、语言和口音的保留：在内容翻译时，Voice Engine能够保留原始发言者的本地口音，使得翻译后的语音不仅流利还能保持原声音的特色。 4、多语种支持：能够生成多种语言的语音输出，适应全球化需求，特别是对于需要将内容本地化到不同语言市场的企业和内容创作者来说，这一特点尤为重要。 详细：
0:59

OpenAI公布其语音生成模型：Voice Engine 根据文本输入和一个15秒的音频样本，就能生成接近原始说话者声音的自然听起来的语音。 Voice Engine最初于2022年底开发，并已经提供给包括Heygen在内的少数公司进行测试性使用。 主要功能 1、自然听起来的语音生成：利用单个15秒的音频样本，Voice Engine能够创造出既情感丰富又真实的语音，显著提升合成语音的自然度和真实感。 2、支持多种用途：从教育援助、内容翻译、提高偏远地区服务质量，到支持非语言人士和帮助患者恢复声音，Voice Engine的应用场景广泛，跨越多个行业。 3、语言和口音的保留：在内容翻译时，Voice Engine能够保留原始发言者的本地口音，使得翻译后的语音不仅流利还能保持原声音的特色。 4、多语种支持：能够生成多种语言的语音输出，适应全球化需求，特别是对于需要将内容本地化到不同语言市场的企业和内容创作者来说，这一特点尤为重要。 详细：

小互

38,133 Aufrufe • vor 2 Jahren

Meta 上周开源了一个端到端的语音模型 Spirit LM。 这个太重要了，居然没注意到。 这个模型有两个版本： 基础版： 适合进行一般的语音识别和生成，不包含情感变化。 高表现力版：可以捕捉语音中的情感特征，能够生成包含快乐、愤怒或兴奋等情感的语音。 主要特点有： Spirit LM 直接使用语音标记、音高标记和声调标记 来保留语音中的表现力要素，不需要先转文本描述。 能够在不需要大量数据的情况下，完成自动语音识别、文本转语音和语音分类等复杂任务。
1:15

Meta 上周开源了一个端到端的语音模型 Spirit LM。 这个太重要了，居然没注意到。 这个模型有两个版本： 基础版： 适合进行一般的语音识别和生成，不包含情感变化。 高表现力版：可以捕捉语音中的情感特征，能够生成包含快乐、愤怒或兴奋等情感的语音。 主要特点有： Spirit LM 直接使用语音标记、音高标记和声调标记 来保留语音中的表现力要素，不需要先转文本描述。 能够在不需要大量数据的情况下，完成自动语音识别、文本转语音和语音分类等复杂任务。

歸藏(guizang.ai)

28,393 Aufrufe • vor 1 Jahr

在制作播客或长篇有声小说，传统免费的文本转语音工具往往只能合成几分钟语音，而且多人对话听起来很僵硬不自然，缺乏真实感。 最近微软开源了一个文本转语音模型：VibeVoice，可直接生成长达 90 分钟的自然多人对话音频。 不仅能处理超长文本，还支持最多 4 个不同说话人的自然对话，甚至能根据内容自动添加背景音乐和音效。 GitHub： 主要特性： - 可生成长达 90 分钟的连续语音内容，远超传统工具 - 支持最多 4 个说话人的自然多人对话 - 智能添加背景音乐和音效，增强沉浸感 - 跨语言合成，支持中英文混合语音生成 - 支持歌唱能力，能根据歌词自动生成旋律 - 提供 1.5B 和 7B 两个版本，满足不同性能需求， 可通过 Docker 快速部署，并提供了 Gradio 可视化操作界面，轻松上手使用。
0:34

在制作播客或长篇有声小说，传统免费的文本转语音工具往往只能合成几分钟语音，而且多人对话听起来很僵硬不自然，缺乏真实感。 最近微软开源了一个文本转语音模型：VibeVoice，可直接生成长达 90 分钟的自然多人对话音频。 不仅能处理超长文本，还支持最多 4 个不同说话人的自然对话，甚至能根据内容自动添加背景音乐和音效。 GitHub： 主要特性： - 可生成长达 90 分钟的连续语音内容，远超传统工具 - 支持最多 4 个说话人的自然多人对话 - 智能添加背景音乐和音效，增强沉浸感 - 跨语言合成，支持中英文混合语音生成 - 支持歌唱能力，能根据歌词自动生成旋律 - 提供 1.5B 和 7B 两个版本，满足不同性能需求， 可通过 Docker 快速部署，并提供了 Gradio 可视化操作界面，轻松上手使用。

GitHubDaily

44,029 Aufrufe • vor 10 Monaten

基于 Gemini 2.0 AI 模型的 Python 应用程序，实现语音对话与文本转语音功能。
0:36

基于 Gemini 2.0 AI 模型的 Python 应用程序，实现语音对话与文本转语音功能。

Geek

30,063 Aufrufe • vor 1 Jahr

谷歌新出的一款无代码AI自动化工具：Google Workspace Studio，基于Gemini，用自然语言几分钟创建AI智能体 这个主要是跟Workspace原生集成，在Gmail、日历、Chat、Drive等 Workspace应用内即可管理和触发智能体 用Gemini的理解生成总结分析等能力，就可以 比如说，做个性化回复/客服辅助等等 对收到的客户邮件或Google Chat消息，用Gemini分析邮件内容，从Google Drive中的知识库文档里提取相关信息，自动生成个性化的回复草稿 #aigent #GoogleWorkspaceStudio
1:24

谷歌新出的一款无代码AI自动化工具：Google Workspace Studio，基于Gemini，用自然语言几分钟创建AI智能体 这个主要是跟Workspace原生集成，在Gmail、日历、Chat、Drive等 Workspace应用内即可管理和触发智能体 用Gemini的理解生成总结分析等能力，就可以 比如说，做个性化回复/客服辅助等等 对收到的客户邮件或Google Chat消息，用Gemini分析邮件内容，从Google Drive中的知识库文档里提取相关信息，自动生成个性化的回复草稿 #aigent #GoogleWorkspaceStudio

AIGCLINK

33,358 Aufrufe • vor 6 Monaten

阿里昨晚放了款ASR：Qwen3-ASR-Flash，基于Qwen3基座，词错率低，优于GPT-4o、Gemini-2.5-Pro 从效果听识别能力非常强，在噪音环境，以及多语言混合情况下能准确识别出来 支持11种语言以及四川话、闽南语、吴语、粤语等方言，英语支持英式、美式及多种其他地区口音 关键是可以任意格式上下文定制，比如关键词、段落或整篇文档，它能自动匹配人名、术语、热词，无需对上下文信息进行格式预处理 也支持歌唱识别，错误率低于8% 对于非语音片段，静音或背景噪声，能自动过滤 #ASR #自动语音识别 #Qwen3ASRFlash
0:32

阿里昨晚放了款ASR：Qwen3-ASR-Flash，基于Qwen3基座，词错率低，优于GPT-4o、Gemini-2.5-Pro 从效果听识别能力非常强，在噪音环境，以及多语言混合情况下能准确识别出来 支持11种语言以及四川话、闽南语、吴语、粤语等方言，英语支持英式、美式及多种其他地区口音 关键是可以任意格式上下文定制，比如关键词、段落或整篇文档，它能自动匹配人名、术语、热词，无需对上下文信息进行格式预处理 也支持歌唱识别，错误率低于8% 对于非语音片段，静音或背景噪声，能自动过滤 #ASR #自动语音识别 #Qwen3ASRFlash

AIGCLINK

53,552 Aufrufe • vor 9 Monaten

小智语音机器人的客户端：py-xiaozhi，在电脑上就能用，可以在没有硬件的条件下体验AI小智的语音功能 支持mqtt和wss协议，实时打断，实时对话 支持图像识别处理，有多模态交互能力，能理解图像内容 支持IoT设备集成，来控制智能灯、调节温度等等 可以联网播放音乐 #AI语音助手 #语音机器人 #小智语音机器人
2:06

小智语音机器人的客户端：py-xiaozhi，在电脑上就能用，可以在没有硬件的条件下体验AI小智的语音功能 支持mqtt和wss协议，实时打断，实时对话 支持图像识别处理，有多模态交互能力，能理解图像内容 支持IoT设备集成，来控制智能灯、调节温度等等 可以联网播放音乐 #AI语音助手 #语音机器人 #小智语音机器人

AIGCLINK

13,386 Aufrufe • vor 1 Jahr

第一个开源的具有实时对话能力的多模态模型：Mini-Omni ，支持端到端的语音输入、输出 Mini-Omni是清华大学启元实验室开源的项目，能听、能说也能实时思考，在实时语音交互上媲美GPT-4o 特点： 1、实时语音到语音的对话能力: 无需额外的ASR或TTS模型 2、边思考边说话: 能够同时生成文本和音频 3、流式音频输出: 支持流式音频输出 4、"Any Model Can Talk" 方法: Mini-Omni 可以将语音交互能力添加到其他模型中，为其他模型赋能 github： 论文： #LLM #实时语音对话LLM
0:59

第一个开源的具有实时对话能力的多模态模型：Mini-Omni ，支持端到端的语音输入、输出 Mini-Omni是清华大学启元实验室开源的项目，能听、能说也能实时思考，在实时语音交互上媲美GPT-4o 特点： 1、实时语音到语音的对话能力: 无需额外的ASR或TTS模型 2、边思考边说话: 能够同时生成文本和音频 3、流式音频输出: 支持流式音频输出 4、"Any Model Can Talk" 方法: Mini-Omni 可以将语音交互能力添加到其他模型中，为其他模型赋能 github： 论文： #LLM #实时语音对话LLM

AIGCLINK

52,126 Aufrufe • vor 1 Jahr

Gemini 英语口语助手：Gemini Teacher 基于 Google Gemini AI 的英语口语练习助手 能实时识别你的英语发音，提供即时反馈和纠正建议 👉
3:28

Gemini 英语口语助手：Gemini Teacher 基于 Google Gemini AI 的英语口语练习助手 能实时识别你的英语发音，提供即时反馈和纠正建议 👉

ahhhhfs

81,258 Aufrufe • vor 1 Jahr