产品更新动态
2026-11-16
语音识别大模型支持多方言、多语种识别
产品分类:大模型语音/语音识别大模型
功能描述:语音识别大模型能力全面升级,新增 22 种国内方言与 22 种海外语种识别能力,合计覆盖 44 种方言及外语,并同步提升多口音、复杂噪声环境下的识别准确率。本次升级后,一句话识别、实时语音识别、音频文件转写、音频文件转写极速版均可支持上述多方言、多语种识别,全面解决跨地域、跨语言场景下的识别难题,助力企业拓展全国性业务与海外业务。
方言清单(22 种):安徽、东北、福建(闽南语)、甘肃、贵州、河北、河南、湖北、湖南、江西(南昌话)、宁夏、山东、山西、陕西、四川、天津、云南、浙江、粤语(香港口音)、粤语(广东口音)、吴语(上海话)、闽南语。
外语清单(22 种):英语、德语、法语、西班牙语、葡萄牙语、印尼语、意大利语、韩语、俄语、泰语、越南语、日语、荷兰语、阿拉伯语、土耳其语、马来语、瑞典语、丹麦语、波兰语、捷克语、马其顿语、罗马尼亚语。
适用场景:全国业务——面向快递物流、交通出行、金融证券、电商营销、智能穿戴、办公服务等行业,覆盖客服语音、通话质检、语音交互、会议转写等场景;海外业务——面向出海游戏、电商、短剧、智能硬件、AI 玩具/手表/眼镜等业务,22 种外语覆盖日韩、东南亚、中亚、欧洲等主流语种。
接入文档:实时语音识别大模型、一句话识别大模型、音频文件转写大模型、音频文件转写极速版大模型
2026-11-09
端到端语音语言大模型(Flex)公测版本更新
产品分类:大模型语音
功能描述:端到端语音语言大模型服务(Flex)公测版本更新,支持 70+ 预置音色选择,支持Function Call和RAG知识库检索。
适用场景:企业知识问答、语音助手、智能硬件、具身智能、在线教育、情感陪伴
接入文档:端到端语音语言大模型(Flex)API
同步语音合成API上新
产品分类: 语音合成
功能描述: 同步语音合成(HTTP)支持短语音的快速合成,能力覆盖原有短文本合成。接口新增支持卡通IP音色,客服直播场景音色,详情请见音色列表。
适用场景: 语音助手、情感陪伴、直播营销、客服服务
接入文档: 同步语音合成
2026-08-11
语音合成SDK更新版本与发音人资源
产品分类:语音合成
功能描述:语音合成Android、IOS、Harmony对SDK鉴权方式与API接口进行统一优化。
适用场景:基于Android、IOS、HarmonyOS系统的智能手机、穿戴设备、车机系统等终端
接入文档:语音合成 Android SDK、 语音合成 iOS SDK、 语音合成 Harmony OS SDK
2026-07-14
端到端语音语言大模型(Lite)版本正式转入商用
产品分类:大模型语音
功能描述:端到端语音语言大模型服务(Lite)版本正式转入商用,可进入控制台购买。
适用场景:语音助手、情感陪伴、具身智能、在线教育、智能硬件
接入文档:端到端语音语言大模型API
2026-06-11
端到端语音语言大模型(Pro)版本正式转入商用
产品分类:大模型语音
功能描述:端到端语音语言大模型服务(Pro)版本正式转入商用,可进入控制台购买。
适用场景:语音助手、情感陪伴、具身智能、在线教育、智能硬件
接入文档:端到端语音语言大模型API
2026-06-09
声音复刻在线合成API支持情感迁移
产品分类:声音复刻
功能描述:声音复刻支持情感迁移,使用情感参数即可控制合成语音呈现特定情感
适用场景:语音助手、语音社交、内容配音、智能代播
接入文档:大模型声音复刻
2026-04-13
短文本在线合成API支持情感标签控制
产品分类:语音合成
功能描述:超拟人多情感音色,支持通过情感标签字段控制短文本合成(HTTP接口)的语音情感
适用场景:语音助手、情感陪伴、智能客服、在线教育、智能硬件
接入文档:短文本语音在线合成
2026-01-15
声音复刻API支持日语复刻
产品分类:大模型语音
功能描述:声音复刻支持日语复刻,使用日语音频创建音色,即可合成日语音频
适用场景:语音助手、情感陪伴、呼叫中心、在线教育、智能硬件
接入文档:大模型声音复刻
2025-12-25
端到端语音语言大模型转入公测阶段
产品分类:大模型语音
功能描述:端到端语音语言大模型服务API转入公测阶段,支持Lite、Pro两种端到端模型的调用
适用场景:语音助手、情感陪伴、呼叫中心、在线教育、智能硬件
接入文档:端到端语音语言大模型API
2025-12-18
流式文本在线合成服务支持Java SDK
产品分类:语音合成
功能描述:支持通过Java SDK调用流式合成在线合成服务,在用户输入文本的同时就能接近同步的返回合成音频数据,达到“边合成边播放”的效果。
适用场景:智能客服、资讯播报、车载导航、智能硬件实时语音
接入文档:流式文本在线合成JAVA SDK
2025-11-27
语音合成SDK更新版本与发音人资源
产品分类:语音合成
功能描述:语音合成Android、IOS、Harmony进行SDK版本更新与发音人升级。
适用场景:基于Android、IOS、HarmonyOS系统的智能手机、穿戴设备、车机系统等终端
接入文档:语音合成 Android SDK、 语音合成 iOS SDK、 语音合成 Harmony OS SDK
2025-10-28
声音复刻API支持贵州、湖南方言复刻与迁移
产品分类:声音复刻
功能描述:声音复刻支持输入方言合成方言或输入普通话合成方言,范围新增贵州、湖南
适用场景:语音助手、语音社交、内容配音、智能代播
接入文档:大模型声音复刻
2025-10-16
声音复刻API支持流式在线合成
产品分类:声音复刻
功能描述:声音复刻支持双流式在线合成,基于websocket协议,用户输入文本的同时,即可同步返回合成的音频数据,达到“边合成边播放”效果
适用场景:语音助手、语音社交、内容配音、智能代播
接入文档:大模型声音复刻
2025-09-12
声音复刻API支持自定义文本复刻
产品分类:声音复刻
功能描述:声音复刻支持自定义文本复刻,无需调用训练文本接口,上传自由文本音频即可复刻
适用场景:语音助手、语音社交、内容配音、智能代播
接入文档:大模型声音复刻
2025-09-03
语音合成支持Linux SDK
产品分类:语音合成
功能描述:支持将语音合成能力集成至部分Linux系统应用,支持无网或弱网环境下的文字合成语音。
适用场景:基于部分Linux系统的具身智能、车机系统等终端
接入文档:语音合成 Linux SDK
2025-08-27
流式文本在线合成API上新
产品分类:语音合成
功能描述:流式文本在线合成服务,现已全面商业化,支持语音边合成边播放
适用场景:语音助手、情感陪伴、在线教育、资讯播报
接入文档:流式文本在线合成
2025-08-15
声音复刻API支持上海、四川、河南方言复刻与迁移
产品分类:声音复刻
功能描述:声音复刻支持输入方言合成方言或输入普通话合成方言,范围覆盖上海、四川、河南
适用场景:语音助手、语音社交、内容配音、智能代播
接入文档:大模型声音复刻
2025-07-11
端到端语音语言大模型API上新
产品分类:大模型语音
功能描述:端到端语音语言大模型服务,新增支持API连接,可实现云端调用,适用于更多场景
适用场景:语音助手、情感陪伴、呼叫中心、在线教育、智能硬件
接入文档:端到端语音语言大模型API
2025-06-24
实时语音识别支持中文多方言模型
产品分类:语音识别
功能描述:实时语音识别服务,新增支持方言的音频流实时识别,可同时支持中文、粤语、四川话和东北话。
适用场景:在线客服、智能语音助手、电话通话转写等场景,支持多地域用户语音输入,提升用户体验!
升级方式:您可更换输入参数dev_pid,将上述模型dev_pid替换为中文多方言dev_pid=15376即可,注意需要在参数中加入"user":"XXX"(参数任意)
接入文档:实时语音识别-websocket API
2025-06-17
端到端语音语言大模型SDK上新
产品分类:大模型语音
功能描述:端到端语音语言大模型具备超拟人语音合成能力,集成38个垂类助手功能,具备强大的信息检索与指令跟随能力,支持多地域多方言、智能打断与智能降噪。
适用场景:语音助手、情感陪伴、呼叫中心、在线教育、智能硬件
接入文档:端到端语音语言大模型Android SDK、端到端语音语言大模型iOS SDK
2025-06-06
语音合成、识别支持HarmonyOS SDK
产品分类:语音合成、语音识别
功能描述:支持将语音合成与语音识别能力集成至HarmonyOS系统应用,支持无网或弱网环境下的文字合成语音与语音快速准确识别为文字。
适用场景:基于HarmonyOS系统的智能手机、穿戴设备、车机系统等终端,支持语音助手、语音控制等功能
接入文档:语音合成 Harmony OS SDK、语音识别 Harmony OS SDK
2025-06-05
大模型声音复刻服务上新
产品分类:大模型语音
功能描述:基于大模型zero-shot技术,随时随地录制数秒音频,即可极速复刻音色用于语音合成。
适用场景:语音社交、语音助手、在线教育、内容配音
接入文档:大模型声音复刻
2025-05-15
呼叫中心实时语音通话上新
产品分类:语音识别
功能描述:将通话内容准确转写,并根据识别内容提供高度拟人、情感丰富的语音合成与播报功能。支持智能断句、添加标点与工号订单号转换。
适用场景:电话信息通知、客户回访通话、电话营销触达
接入文档:呼叫中心语音-语音识别(8K)
2025-04-30
流式文本在线合成服务上新
产品分类:语音合成
功能描述:支持文本、语音双向流式,在用户输入文本的同时就能接近同步的返回合成音频数据,达到“边合成边播放”的效果。
适用场景:阅读听书、智能客服、车载导航、智能硬件实时语音
接入文档:流式文本在线合成
2024-04-02
【远场语音识别模型下线公告】
尊敬的百度语音客户您好!百度远场语音识别产品历史接口及模型资源整合升级,为您提供更优质的产品效果及使用体验。 以下模型资源将于4月30日下线,为避免影响您的服务,请您尽快将服务切换升级:
- dev_pid=1936(1936、19361、19362、19363)
升级方式:远场语音识别相关合作需求,您可提交合作咨询,我们将尽快安排客户经理与您对接。
2024-03-14
语音质检服务上新
产品分类:语音识别
功能描述:将坐席人员的通话内容转写为文字,并进行AI自动化质检,解决人工抽检成本高昂、覆盖不全等问题,大幅提高语音质量监控效率,助力通话数据分析挖掘。
适用场景:金融风控、信贷营销、快递物流等多种行业场景,准确率业界领先!
接入文档:语音质检API
2023-08-03
语音字幕模型上新
产品分类:语音识别
功能描述:AI助力音视频字幕智能生产,基于海量数据和先进算法,打造音视频场景专属模型,识别准确率高达98%,并支持智能分析标点、断句,准确匹配时间轴,助力字幕生产降本增效。
适用场景:视频编辑工具、视频直播字幕生成、网络课堂字幕生成、在线会议字幕生成
接入文档:音频文件转写极速版API、音频文件转写API、实时语音识别API
2023-03-16
【语音识别模型下线公告】
尊敬的百度语音客户您好!百度语音识别产品历史接口及模型资源整合升级,为您提供更优质的产品效果及使用体验。
以下模型资源将于3月31日下线,为避免影响您的服务,请您尽快将服务切换升级:
- dev_pid=1538
- dev_pid=1700
- dev_pid=1721
升级方式:您可更换输入参数dev_pid,将上述模型dev_pid替换为短语音识别标准版dev_pid=1537(支持API及SDK调用),或短语音识别极速版dev_pid=80001(支持API调用,效果更优)即可。
以下语音自训练平台资源将于3月31日下线,为避免影响您的服务,请您尽快将服务切换升级:
- dev_pid=8001
- dev_pid=8002
- dev_pid=8003
升级方式:点击进入新版语音自训练平台,创建您的专属语音识别模型,具体操作请见:使用文档
若您有任何问题,可提交工单与我们联系,我们将结合您的服务使用情况提供合适的解决方案支持,感谢您的理解和配合!
2023-01-19
长文本在线合成支持字、句时间戳
产品分类:语音合成
功能描述:长文本在线合成服务,新增支持合成结果返回字、句粒度时间戳。
适用场景:小说听书、新闻播报等场景,帮助您实现边听边读、回听定位等效果,提升用户体验!
接入文档:长文本在线合成API
2022-11-24
【服务升级公告】
尊敬的百度语音客户您好!
百度语音服务将于22年11月29日至12月30日进行服务升级,短文本在线合成、实时语音识别服务升级支持多地域并发合并统计,并发配额资源可在多个地域间共享,更好保障跨地域实时服务稳定性。
若您在升级期间出现任何问题,可提交工单与我们联系,我们将结合您的服务使用情况提供合适的解决方案支持,感谢您的理解和配合!
评价此篇文章
