语音识别

语音识别服务可以实现1分钟以内、不超过4MB的音频到文字的转换。对于用户上传的完整的录音文件，系统通过处理，生成语音对应文字内容。

ASR优势

• 效果出众

  使用深度学习技术，语音识别准确率超过95%，在业界具有一定的技术优势。

• 稳定可靠

  成功应用于各类场景，基于华为等企业客户的长期实践，经受过复杂场景考验。

• 简单高效

  提供RESTful规范API接口，并提供服务SDK，方便客户使用与集成；帮助客户减少人力成本，节省业务支出。

• 语音支持

  支持中文普通话，含带方言口音的普通话识别。

定制语音识别

定制语音识别提供了一句话识别，录音文件识别功能。

• 一句话识别：可以实现1分钟以内音频到文字的转换。对于用户上传的二进制音频格式数据，系统经过处理，生成语音对应的文字。
• 录音文件识别：对于录制的长语音进行识别，转写成文字，提供不同领域模型，具备良好的可扩展性，支持热词定制。

ASRC优势

• 高识别率

  基于深度学习技术，对特定领域场景的语音识别进行优化，识别率达到业界领先。

• 前沿技术

  使用工业界成熟的算法，结合学术界最新研究成果，为企业提供独特竞争力优势。

• 支持热词

  针对专业词汇，支持上传至热词表，增加专业词汇的识别准确率。

• 可定制化

  针对客户的特定场景需求，定制垂直领域的语音识别模型，识别效果更精确。

实时语音转写

实时语音转写服务，用户通过实时访问和调用API获取实时语音转写结果。

• 文本时间戳

  为音频转换结果生成特定的时间戳，从而通过搜索文本即可快速找到对应的原始音频。

• 智能断句

  通过提取上下文相关语义特征，并结合语音特征，智能划分断句及添加标点符号，提升输出文本的可阅读性。

• 中英文混合识别

  支持在中文句子识别中夹带英文字母、数字等，从而实现中、英文以及数字的混合识别。

• 即时输出识别结果

  连续识别语音流内容，即时输出结果，并可根据上下文语言模型自动校正。

• 自动静音检测

  对输入语音流进行静音检测，识别效率和准确率更高。

RASR优势

• 识别准确率高

  采用最新一代语音识别技术，基于深度神经网络（Deep Neural Networks，简称DNN）技术，大大提高了抗噪性能，使识别准确率显著提升。

• 识别速度快

  把语言模型、词典和声学模型统一集成为一个大的神经网络，同时在工程上进行了大量的优化，大幅提升解码速度，使识别速度在业内处于领先地位。

• 多种识别模式

  支持多种实时语音转写模式，如流式识别、连续识别和实时识别模式，灵活适应不同应用场景。

• 定制化服务

  可定制特定垂直领域的语言层模型，可识别更多专有词汇和行业术语，进一步提高识别准确率。

语音合成

语音合成将用户输入的文字合成为音频。通过音色选择、自定义音量、语速，为企业和个人提供个性化的发音服务。

TTS优势

• 效果出众

  使用深度学习技术来合成逼真的人声语音，合成速度快，语音自然流畅。

• 个性定制

  能够对合成后的语音音色、音调、语速进行个性化的设置，满足客户的定制化需求。

• 稳定可靠

  成功应用于各类场景，基于华为等企业客户的长期实践，经受过复杂场景考验。

• 简单高效

  提供RESTful规范API接口，并提供服务SDK，方便客户使用与集成；帮助客户减少人力成本，节省业务支出。

定制语音合成

定制语音合成支持多种音色，可调节语调，语速，音量。

TTSC 优势

• 个性定制

  可以为企业客户提供定制发音人服务。合成效果更出色。

• 多语种多音色

  中文普通话、男声、女声、童声自由切换，可以调整音量，语速。

• 效果出色

  文本转换自然清晰，近乎真人发音，能够符合多样的应用场景。