梳理在线语音识别方言的接入入口、调用方式和关键配置,帮助快速完成语音识别转文字能力对接。
从入口角度看,先确认入口说明:突出控制台、产品页或接口文档中的入口信息。
可支持中文普通话、英语、粤语、四川话识别,可通过 dev_pid 参数选择对应模型。短语音识别标准版入口。
极速版仅可支持中文普通话,暂时不支持其他方言及英语,但可识别简单常用英语语句。
从入口角度看,先确认实时语音识别:实时语音识别可支持中文普通话、音视频字幕中文识别模型,并支持英语识别模型。
百度短语音识别可将 60 秒以下的音频识别为文字,适面向语音对话、语音控制、语音输入等场景。短语音识别标准版。
短语音识别标准版将 60 秒以下音频识别为文字,适面向语音对话、语音控制、语音输入等场景。
从入口角度看,先确认语言及模型支持:可支持中文普通话、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。语音识别模型自训练入口。
实时语音识别通过 websocket 协议接入,可以在上传音频的同时获取识别结果,并返回句子的开始与结束时间。
从入口角度看,先确认接口描述: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。
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入口。
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。
以下问答来自产品官方文档的常见问题内容。
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。
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。
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。