适用行业

功能特点

支持多个语种语音识别能力：根据需要提供中文语音识别能力。

支持实时语音识别能力：通过调音台、声卡等设备采集实时音频流，并实时转写成文字。

支持16kHz采样率，16bit位深，单通道音频。

支持一句话语音识别能力：支持不超过一分钟的音频流转成文本。

支持录音文件转写能力：要能够实现对中文普通话音频文件转写文字功能，支持MP3、WAV、PCM、M4A、WMA、MP4、OPUS、AMR、3GP、AAC、FLAC等音频文件格式。

录音文件转写支持文稿模式和字幕模式两种输出格式。

支持命令词识别的能力，基于语法规则和结果置信度，准确识别指令转写结果，可用于语音控制。

支持语音检出（VAD）能力：系统要能够对输入的录音文件进行分析，能够确定音频的起始和终止的处理过程。

语音增强：系统要具备高效的语音增强能力，以满足在多种环境中应用，引擎要内置降噪模块，要能够降低一定范围内噪音对识别的干扰。

支持开启词级别的对齐结果，可以用于音字同步精确到毫秒（ms）级别。

支持逆文本标准化，将语音识别结果中的日期、数字等对象以标准化格式展示。

支持自动智能标点，智能判断对识别的文本添加标点。

识别热词管理：支持中文热词导入及编辑，例如涉及到人名、地名、公司名等特殊易错的词汇，可以作为热词直接替换并提供热词接口。

敏感词过滤：可手动配置敏感词，可用于敏感词进行屏蔽、标注或删除等功能开发。

语气词过滤：可手动添加语气词过滤规则，开启语气词过滤后在识别结果中自动删去匹配的语气词。

实时识别支持自定义说话人，可配置说话人信息用于角色分离功能开发。

转写支持自动关键词提取：对中文普通话语种，上传录音文件时指定关键词数量上限，系统将自动提取不超过该数量的关键词，并可根据相关性和词频进行排序。

转写支持语速计算：系统可以自动计算平均语速。

中文语音识别（标准普通话）正确率：标准测试集≥98%；

识别结果响应时间：标准测试集≤500毫秒；系统响应指标：常规页面操作的响应时间≤2秒。

详细功能参数请联系业务咨询..................................

立即咨询