在线语音识别方言相关说明,整理短语音识别、极速版和实时语音识别支持的语言及模型范围。
语音识别文档按产品形态说明普通话、英语、粤语、四川话以及字幕模型等语言能力。
支持中文普通话、英语、粤语、四川话识别,可通过 dev_pid 参数选择对应模型。
极速版仅支持中文普通话,暂时不支持其他方言及英语,但可识别简单常用英语语句。
实时语音识别支持中文普通话、音视频字幕中文识别模型,并支持英语识别模型。
百度短语音识别可以将 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。
短语音识别标准版将 60 秒以下音频识别为文字,适用于语音对话、语音控制、语音输入等场景。
支持中文普通话、英语、粤语、四川话识别,可通过请求时配置不同 pid 参数选择对应模型。
如有行业专有名词无法准确识别,推荐使用语音自训练平台上传词汇和长文本进行模型训练。
实时语音识别接口采用 websocket 协议,边上传音频边获取识别结果,并返回每句话的开始和结束时间。
实时语音识别可以将音频流实时识别为文字,也可以上传音频文件进行识别,适用于长句输入、字幕、直播质检、会议记录等场景。
实时识别会依次返回每句话的临时识别结果和最终识别结果,最终结果中包含开始时间、结束时间等信息。
断网补发数据用于在网络不佳时通过代码逻辑拼接多次请求,使识别结果看上去像一次连续请求。
以下问答来自 SPEECH 官方文档,围绕语音识别能力、语言模型、费用和错误排查选择相关问题。
短语音识别标准版支持中文普通话、英语、粤语、四川话识别,可通过 dev_pid 参数选择模型。
极速版仅支持中文普通话,暂时不支持其他方言及英语,但可以识别简单的常用英语语句。
继续查看 SPEECH 官方文档中的产品简介、API、SDK、费用和错误码说明。
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。
查看同批语音识别、语音转文字、API、语言模型和错误排查专题。
查看同批语音识别相关专题内容。
进入产品页或文档,确认短语音识别、实时语音识别、音频转写和 SDK 接入方式。