实时语音识别
基于Deep Peak2的端到端建模，将中英文、方言的音频流实时识别为文字，并返回每句话的开始和结束时间，适用于长句语音输入、音视频字幕、会议等场景
立即使用
技术文档
产品价格
功能介绍
应用场景
特色优势
产品价格
相关推荐
功能介绍
技术领先识别准确
基于Deep Peak2端到端建模，超过10万小时数据训练，多采样率多场景声学建模，显著提高了普通话以及方言的识别精准度，其中近场中文普通话识别准确率达98%
多语种多方言识别
除中文普通话、英文外，支持粤语、四川话和东北话等方言的识别
智能语言处理
使用大规模数据集训练语言模型，对识别中间结果进行智能纠错，并根据语音的内容理解和停顿智能匹配合适的标点符号，。！？
多种调用方式
支持WebSocket API，支持Android、iOS、Linux SDK，可以在多种操作系统、多种设备终端上调用，快速上手，简单易用
毫秒级实时识别音频流
首包响应时间毫秒级，并实时展示中间文字结果，快速识别音频流
文字识别结果支持时间戳
识别返回的文字结果带有时间戳，展示VAD切分句子开始和结束时间，方便进行功能开发
应用场景
实时语音输入
视频直播字幕
演讲字幕同屏
实时会议记录
课堂音频识别
实时语音输入
语音输入准确高效，解放双手，说话内容实时展示在屏幕上，聊天顺畅
特色优势
识别效果领先
基于Deep Peak2端到端建模，多采样率多场景声学建模，近场中文普通话识别准确率达98%
支持多设备终端
支持WebSocket API方式、Android、iOS、Linux SDK方式调用，可以适用于多种操作系统、多设备终端均可使用
服务稳定高效
企业级稳定服务保障，专有集群承载大流量并发，高效灵活，服务稳定
模型自助优化
中文普通话模型可在语音自训练平台上零代码自助训练，上传文本语料即可有效提升业务词汇的识别准确率5-25%
产品价格
通用场景模型
音视频场景模型
小时包预付费
适用于调用时长可预估的企业
免费时长
10小时
有效期
1年
并发量
50（支持扩容）
服务稳定性
99.9%
技术支持
7*24小时响应
1000小时
1800
元
立即购买
调用时长后付费
适用于不便预估调用时长的企业
免费时长
10小时
并发量
50（支持扩容）
服务稳定性
99.9%
技术支持
7*24小时响应
价格
3
元/小时
开通付费
模型训练
适用于专业领域名词识别不准，需要对语音识别语言模型进行规模训练的客户
上传文本、词汇即可训练
专业评估，精准提升
模型自动上线专属使用
立即训练
定价说明
本产品开通即享免费调用时长，使用完毕后可选择小时包预付费或按小时后付费两种计费方式，产生的计费调用时长优先消耗小时包额度，超出部分按时长计费
收费标准
开始使用识别服务
注册即可领取产品免费体验套餐
立即使用
QQ支持群
百度语音：588369236
文字识别：1055623827
自定义模板OCR：1055402721
人脸识别：692450852
人体分析：860337848
内容审核：375765194
飞桨PaddlePaddle：778260830
图像识别：312156782
EasyDL：614951239
图像搜索：1067276154
视频分析：632473158
百度AR：472081119
自然语言：1051436514
UNIT：1074410189
百度翻译：214857706
图像效果增强：1092338829
数据智能：650596829
知识图谱：655854786
DuerOS：604592023
百度AI开放平台：224994340
智能写作：743926523
EdgeBoard：1060623352
语音自训练平台：686267521
远场语音开发套件：210093204
×
体验AI
Web端 前往AI能力体验中心
移动端 打开百度APP“扫一扫”