端到端语音语言大模型API - 语音技术
产品优势 超低时延： 基于业内创新的Cross-Attention技术，在对话过程中将用户等待时长从行业常见的3-5秒大幅缩短至1秒左右，实现了比拟真人对话的即时响应速度，树立行业标杆。 极致共情： 基于真正的端到端跨模态语音大模型，能够感知原始语音携带的情绪与语气信息，充分理解用户意图与情境要求，更好地服务情感陪伴、 社交娱乐等场景。
[AI行业案例]-百度语音AI技术，做盲人的“眼睛”
使用产品 语音识别 语音合成 图像识别 支持与交流 AI社区 教学视频 文档中心 SDK下载 百度语音AI技术，做盲人的“眼睛” 价值成果 解说使用百度AI技术为盲人用户提供快速语音输入，语音操控手机，解决了操作便的问题；使用文字识别，图片识别功能，识别图像中物体的信息、文字信息、货币信息，并且通过百度语音合成技术，将语音播报出来，解决盲人看不到的问题，方便盲人用户的使用。
产品简介 - 语音技术
短语音识别 将60秒以内的语音精准识别为文字，可适用于手机语音输入、智能语音交互、语音指令、语音搜索等短语音交互场景。 短语音识别极速版 采用最新解码技术，API接口识别速度提升5倍以上，耗时仅音频时长十分之一，提升语音交互体验。 实时语音识别 实时语音识别接口采用websocket协议的连接方式，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、会议记录等场景。
端到端语音语言大模型iOS SDK - 语音技术
端到端语音语言大模型iOS SDK 1. 文档简介 1.1 文档说明 文档名称 端到端语音语言大模型集成文档 所属平台 iOS 提交日期 2025-05-15 概述 本文档是百度语音开放平台iOS SDK的用户指南，描述了端到端语音语言大模型相关接口的使用说明。 获取安装包 端到端语音语言大模型iOS SDK 2.
语音识别 - 语音技术
语音识别 短语音识别标准版 短语音识别标准版按调用次数计费，支持“按次数包预付费”和“按调用量阶梯后付费”两种付费方式，并基于中文普通话、粤语、英语、四川话等模型购买。
大模型声音复刻 - 语音技术
当次数包/字符包内剩余额度为零时，系统会自动切换为“按调用量阶梯后付费”的计费策略；直至账户内余额不足以支付因调用产生的费用，此时语音识别服务暂停，用户则无法正常使用语音识别服务。用户重新购买次数包/字符包或给账户充值后，语音识别服务将恢复正常。
拼音相似度比较 - 语音技术
该工具能够有效解决同音词、相似发音词、发音不标准等特殊情况下的语音识别。 例如，在通讯录场景下，如果用户需要识别的正确联系人是“张三”，但语音识别接口返回的结果可能是“张山”；此时则可以将用户的联系人列表和“张山”作为输入，通过本工具查找出与“张山”最匹配的结果，有效提高结果的准确率。具体可参考下方的示例。
语音合成 - 语音技术
当次数包内剩余额度为零时，系统会自动切换为“调用量后付费”的计费策略；直至账户内余额不足以支付因调用产生的费用，此时语音合成服务暂停，查询语音转写执行结果将返回错误码。用户则无法正常使用语音合成服务。用户重新购次数包或给账户充值后，语音合成服务将恢复正常。
[AI行业案例]-语音技术助力罗湖区党建工作
使用产品 长语音识别 语音唤醒 支持与交流 AI社区 教学视频 文档中心 SDK下载 语音技术助力罗湖区党建工作 价值成果 1、罗湖区政府党群服务中心报告厅、综合展厅，通过加设融合百度语音技术的魔屏智能显示设备，实现了重点语音发言可以实时转化、记录成可编辑的文本，展示在魔屏智能会议平板上，并可扫码保存。
语音识别Android SDK - 语音技术
以下场景讲会导致识别或者唤醒效果变差，错误，甚至没有结果： 吵杂的环境 有背景音乐，包括扬声器在播放百度合成的语音。 以下场景的录音可能没有正确的识别结果： 音频里有技术专业名称或者用语 （技术专业名称请到自训练平台改善） 音频里是某个专业领域的对话，非日常用语。比如专业会议，动画片等 建议先收集一定数量的真实环境测试集，按照测试集评估及反馈。语音识别没有降噪功能无法过滤背景音等杂声。
