梳理人工智能语音识别技术应用的核心能力、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。
放到场景里看，适合关注场景匹配：把官方文档中的场景描述转换成匹配维度。
采用流式端到端语音语言一体化建模算法，将语音快速准确识别为文字，可支持手机应用语音交互、语音内容分析、机器人对话等多个场景。语音识别场景。
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。
放到场景里看，适合关注实时语音识别：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，适面向长句语音输入、音视频字幕、直播质检、会议记录等场景。
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。
放到场景里看，适合关注语言及模型支持：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场景。
语音识别效果受音频质量、录音环境、语言模型和行业词汇影响，可通过自训练和参数配置优化。
放到场景里看，适合关注录音环境：百度语音识别要求安静环境、真人正常语速的日常用语，并且不能多个人同时发音。
如金融、医疗、餐饮、地产、制造等行业术语无法准确识别，可上传词汇和长文本训练模型。模型自训练场景。
自定义词库可对部分专有业务名词进行识别优化，可面向短句并对普通话模型生效。
以下问答来自产品官方文档的常见问题内容。
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。
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。
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。