百度ai开放平台-语音识别模块指南

梳理百度ai开放平台-语音识别模块的核心能力、使用场景和接入要点，帮助判断语音识别转文字的配置路径。

查看产品介绍产品文档

使用路径

作为使用指引，可以先看使用：按访问入口、配置流程和使用动作组织页面信息。

临时及最终识别结果指南

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指南。

查看文档 ↗

断网补发数据指南

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。

查看文档 ↗

接口描述指南

作为使用指引，可以先看接口描述：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。

查看文档 ↗

语音识别SDK说明

语音识别 SDK 文档提供 Java、Android、HarmonyOS 等接入方式和参数介绍。语音识别SDK说明。

Android SDK指南

Android SDK 通过回调事件返回识别状态、临时识别结果和最终结果，并提供错误码与常见原因介绍。

查看文档 ↗

HarmonyOS SDK指南

作为使用指引，可以先看HarmonyOS SDK：HarmonyOS SDK 初始化需先 context、产品 pid、cuid，并可支持启动识别、回调结果等能力。

查看文档 ↗

REST API Java SDK指南

Java SDK 可支持上传整段语音进行识别，可配置 APP_ID、API_KEY、SECRET_KEY 以及连接超时、代理等参数。REST API Java SDK指南。

查看文档 ↗

短语音识别标准版API说明

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。

音频格式指南

作为使用指引，可以先看音频格式：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。

查看文档 ↗

返回说明指南

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。返回说明指南。

查看文档 ↗

接口描述指南

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。

查看文档 ↗

常见问题

以下问答来自产品官方文档的常见问题内容。

语音识别 API 返回结果在哪里？

识别成功时，识别结果放在 JSON 的 result 字段中，统一采用 utf-8 编码。

查看文档 ↗

实时语音识别如何返回最终结果？

实时识别过程中，最终识别结果的 type 为 FIN_TEXT，并包含 result、start_time、end_time、sn 等字段。

查看文档 ↗

短语音识别 API 支持哪些音频格式？

支持 pcm、wav、amr、m4a 等格式；推荐 pcm，采样率支持 16000、8000，声道数为单声道。

查看文档 ↗

相关文档

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。

产品简介

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。

查看文档 ↗

简介

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。

查看文档 ↗

短语音识别标准版API

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。

查看文档 ↗

错误码汇总

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。

查看文档 ↗

相关专题页

查看同批次中与当前主题相关的更多专题。

语音识别转文字在线应用场景

查看同批相关专题内容。

查看详情 ↗

语音识别转文字在线怎么用

查看同批相关专题内容。

查看详情 ↗

开始使用语音技术

进入产品页或文档，确认开通、配置、接入和使用方式。

查看产品介绍产品文档