梳理视频语音识别的实时识别能力、适用场景和配置要点，帮助完成语音转文字接入。
核对这一项时，重点关注确认：把选择和使用前需先确认的内容集中介绍。
返回结果方面，实时识别会先后给出临时结果和最终结果，最终结果包含开始时间、结束时间等字段。临时及最终识别结果检查。
在网络不佳的情况下，可通过断网补发数据的代码逻辑拼接多次请求，让识别结果保持连续请求的效果。
核对这一项时，重点关注接口描述：实时语音识别既可处理音频流实时转文字，也可上传音频文件识别，常用于长句输入、字幕、直播质检和会议记录。
短语音识别标准版 API 面向 60 秒以内语音转文字，适用于语音输入、语音指令、语音搜索等短交互场景。短语音识别标准版API说明。
音频格式支持 pcm、wav、amr、m4a 等，文档推荐 pcm；采样率可为 16000 或 8000，声道要求为单声道。
核对这一项时，重点关注返回说明：调用成功后，识别文本会放在 JSON 的 result 字段中，并统一使用 utf-8 编码。
该能力用于识别 60 秒以内语音，场景包括手机语音输入、智能语音交互、语音指令和语音搜索等。接口描述检查。
音频文件转写接口可将大批量音频文件异步转写为文字，可面向字幕生产、录音质检、会议总结、录音内容分析等场景。
核对这一项时，重点关注适用场景：适用方向包括音视频字幕生产、批量录音质检、会议内容总结以及录音内容分析等。
模型支持方面，音频文件转写覆盖中文普通话、英文以及音视频字幕中文等模型。语言及模型支持检查。
音频文件转写用于把大批量音频文件异步转换为文字，官方说明通常会在 12 小时内返回识别结果。
以下问答来自产品官方文档的常见问题内容。
实时语音识别采用 websocket 协议连接，边上传音频边获取识别结果，适用于长句语音输入、音视频字幕、直播质检和会议记录等场景。
音频文件转写接口可以将大批量音频文件异步转写为文字，适合音视频字幕生产、批量录音质检、会议内容总结等场景。
短语音识别可以将 60 秒以下的音频识别为文字，适用于语音对话、语音控制、语音输入等场景。
继续查看官方文档中的产品介绍、操作说明、费用和常见问题。
汇总语音识别、短语音识别、实时语音识别、音频文件转写、语音合成等接口能力。
介绍短语音识别、实时语音识别、音频文件转写和语音字幕服务的产品概述。
说明短语音识别接口描述、音频格式、请求参数、返回字段和模型 dev_pid 参数。
汇总语音识别 API、实时语音识别和 SDK 调用中的常见错误码及解决方法。
查看同批次中与当前主题相关的更多专题。
查看同批相关专题内容。
进入产品页或文档，确认开通、配置、接入和使用方式。