人工智能品类特惠，新购1元，AI热销品低至8折

语音技术

依托百度强大的语音技术积累，为您提供端到端语音语言大模型、语音识别、大模型语音合成、大模型声音复刻等服务。实现高准确率、超自然的文字和语音转换效果。

立即购买控制台产品文档

高品质交互
端到端方案实现秒级超拟人交互
多场景音库
提供高质量、多方言、可复刻的音库
技术领先
中文普通话识别准确率达98%

特惠专区

首购专享
短语音识别标准版中文普通话
将60秒内的中文普通话音频识别为文字，适用于语音对话、控制和输入
限时3折限购1单
规格
1万次
购买方式
按次数包
有效期
1年
￥9
￥30
首购专享
短语音识别极速版
实时返回识别结果，适用于手机语音搜索、聊天输入等场景
限时3折限购1单
规格
1万次
购买方式
按次数包
有效期
1年
￥10.5
￥35
首购专享
实时语音识别-中文普通话
将音频流实时识别为文字，并返回每句话的开始和结束时间
限时1折限购1单
规格
10小时
购买方式
按小时购买
有效期
1年
￥2
￥20
首购专享
实时语音识别-英语
将英文音频流实时识别为文字，并返回每句话的开始和结束时间
限时1折限购1单
规格
10小时
购买方式
按小时购买
有效期
1年
￥2
￥20

产品列表

端到端语音大模型

支持秒级响应、智能打断，近远场的复杂任务执行，带来自然流畅超拟人的语音交互体验

大模型声音复刻

支持自定义文本复刻与双流式合成，用户只需录制数秒音频，即可极速复刻专属音色

大模型语音合成

基于大模型实现更高自然度与表现力的语音合成，可根据上下文智能预测情感与语调变化

语音识别

采用语音语言一体化建模算法，兼顾低延迟与高准确率，实现快速、精准的语音转文字

流式语音合成

支持文本、语音双向流式传输，具备超低首响和实时合成能力，支持情感、语调的预测与表达

离线语音合成

提供包括鸿蒙、linux在内的多端SDK，支持在无网或弱网环境下稳定语音播报与合成

实时语音识别

基于端到端建模架构，支持精准时间戳输出，具备中英文及多地方言的语音实时识别能力

音频文件转写

支持文件异步转写与多说话人分离，适用于音频质检、会议纪要、内容分析等多种语音理解场景

呼叫中心语音解决方案

提供智能外呼、语音质检与内容分析的全链路AI语音方案，帮助企业降低人工成本、提升转化率与管理效率

有声阅读解决方案

支持多角色、多情感的音色选择与个性化音库定制，提供高度拟人、自然流畅的文本转语音服务

智能语音会议解决方案

支持实时转写、自动区分发言人、纪要模版的定制，提供一站式智能语音会议解决方案

产品优势

技术领先

领先技术架构先进声学能力

自主训练专属模型

零代码自主训练业务词汇精确提升

简单快速

便捷快速接入高效语音性能

高效稳定

企业级稳定服务高并发高可用保障

应用场景

端到端语音交互

超低时延超拟人音色

支持客户进行拟人化、连续的语音对话体验。适用于具身智能、智能助手、情感陪伴、硬件语音交互等多种场景。

端到端语音交互

语音交互

实时识别流式输出

支持客户语音实时识别为文字，文本流式转化为语音，实现灵活语音交互。适用于语音聊天、语音输入、语音搜索、语音下单、语音指令、语音问答等多种场景。

语音交互

语音播报

无网弱网合成在线合成

支持离在线场景下语音播报，适用于快递、网约车、导航播报等场景，全网络解放双手双眼，护航行程。

语音播报

呼叫中心

语音识别准确高效自动语音质检

面向呼叫中心、智能客服，提供智能外呼、音频质检等全链路 AI 语音方案，降本提效，适通知、营销、质检。

呼叫中心

即刻免费体验语音能力

新手入门

帮助新手快速了解各项语音能力的价格与开发方式

接口能力新手指南购买指南

公有云服务

提供各项语音能力的在线接口和鉴权方法，支持API和SDK

合作咨询API文档SDK文档

私有化部署

可部署至本地服务器，在内网中使用语音服务与综合解决方案

合作咨询技术文档

即刻免费体验语音技术