聆思视觉语音大模型AI开发套件，基于CSK6系芯片打造，一套硬件即可接入星火大模型，并可自主接入DeepSeek等行业主流模型，本地搭载业界领先的语音及视觉算法，支持从功能调试到产品原型的一站式DIY开发验证，让AI创意从构思到量产只需“一块开发板”的距离！
大模型生态“全家桶 ”
全面接入星火大模型图片内容理解、语音生成图片、行业知识库问答、全能个人助理……多样化AI大模型能力，终身免费使用！支持自主接入主流大模型支持自主接入DeepSeek及Kimi、ChatGLM、Stable Diffusion、文心一言等行业主流模型，并配套八大主流模型接入教程，充分满足大模型开发需求。
超拟人交互“1秒 ”响应
极速响应大模型语音交互全链路响应仅需1秒。超拟人TTS采用大模型超拟人合成能力，音色更自然、情感丰富、语调灵动。声纹识别基于声纹特征识别用户，区分男女、成人、小孩、老人，实现个性化服务。
10+ 本地领先算法开箱即用
本地语音能力离线语音交互、语音合成……本地视觉能力人脸识别、头肩检测、手势识别、坐姿检测……本地认知AI能力中英翻译、字母拼读、中文分词……开箱即用、自由切换TF卡自带AI应用”全家桶“，无需更换硬件，轻松切换AI能力。
视觉语音大模型AI开发套件
本套件针对大模型视觉和语音交互的人工智能场景进行开发设计，集成摄像头、麦克风、扬声器、屏幕、网络组等外设配件，完成了星火大模型的对接且提供终身免费调用，同时还开放了来自量产产品使用的端侧语音识别、坐姿检测、人脸识别、头肩追踪、活体检测、语音合成、鼾声检测等十几种AI算法并支持离线使用。
适用人群
企业与个人开发者、技术创客、高校专业教师与学生、电子大赛参赛者·…
海量 AI应用开箱即用，自由切换
套件配套TF卡自带AI应用“全家桶”轻轻一划一点，即可随心切换。
全面对接星火大模型
通过拍照并提交给大模型理解，能识别图片中的物体、场景和动作。可用于工业设备巡检、门铃人物识别、儿童相机物体识别等场景。
语音生成图片
通过在线语音识别实时将语音转为文字，由大模型理解将你的想法生成对应的图片，可支持带屏故事机配图生成、手表表盘生成、智能面板背景生成等功能。
专属知识库问答
通过上传你的行业文档，可以让模型具备专属知识库的问答能力，能快速准确回答用户问题。可用于产品说明书问答，设备故障排查、商场信息问答等场景。
全能个人助理
借助大模型全领域知识储备，可以打造全能个人助理。可应用于智能音箱、故事机、学习机等产品。
大模型超拟人
超拟人发音
采用超拟人发音，大幅提升合成音频中的情绪表达能力，音色更自然、情感丰富、语调灵动，告别“播音腔，提供多个音色选择，可用于陪伴型机器人、玩具等产品。
声纹特征识别
通过声音特征区分儿童(男、女)、成人(男、女)，分辨成员类别，实现个性化服务，如内容推荐、权限管理等。
大模型语音交互全链路1秒响应
深度优化音频生成速度，实现毫秒级响应;融合全新端侧降噪算法，音频处理速度提升7倍以上。
丰富的视觉AI能力
坐姿检测
可检测图像中人物的坐姿情况，返回各种不良的坐姿的识别结果和手臂、身体状态，可应用于坐姿检测仪、儿童学习台灯、学习桌等产品。
人脸识别
录入特定人脸，返回当前画面中的人脸是否已录入，及人脸在画面中的位置坐标、头部姿态等检测结果。可应用于人脸识别的门锁、门禁、闸机等产品。
活体识别
通过活体检测，避免人脸识别被照片突破。可应用于安防要求较高的人脸识别产品。
头肩跟踪
检测画面中是否存在人物的头肩，返回头肩所在位置坐标并进行跟踪。可应用于智能跟拍云台、三轴稳定器等产品。
手势识别
自动识别五种手势信息。
物体分类
对画面中的物体进行识别，目前支持100+种物体的识别。
精准的语音AI能力
语音合成TTS
将文字内容合成为语音并进行播放，支持使用文本标记功能，对合成语音的效果进行控制。可应用于公交报站、停车场、叫号机、考勤机等场景的语音。
拼读查词
通过语音拼读单词字母，快速准确地查询单词的发音和含义，可应用于扫描词典笔、单词卡、学习机等产品。
鼾声检测
对环境中的鼾声进行检测，并输出鼾声的可能性评分。可用于智能枕头、智能床垫等产品。
芯片内置高性能NPU
支持自主适配AI算法模型
配套为CSK芯片量身定做的AI训练推理工具LNN，AI算法快速、精确匹配芯片。自主量化训练+部署推理无缝衔接，15分钟完成算法迁移。
