语音识别 - 语音技术
按次数包预付费”的付费方式更适合业务中对语音识别服务需求量较明确的用户选择，用户可同时购买多个次数包叠加使用； “按调用量阶梯后付费”的付费方式更适合对语音识别需求量尚处于探索期的用户选择，也可作为“按次数包预付费”付费方式的兜底方案。 用户产生调用时会优先消耗免费调用额度，待免费调用额度耗尽时开始消耗次数包内额度。
产品简介 - 语音技术
接口能力 接口名称 接口能力简要描述 语音识别 采用国际领先的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，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。 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。
语音识别Android SDK - 语音技术
4.输入参数 识别输入参数 场景： 在线识别：百度语音服务器将录音识别出文字，包括长语音 离线命令词：离线识别出预定义的固定短语 本地语义：在识别出文字的基础上（包括离线命令词识别）， 对文字做语义分析。任意网络状况。 使用网络状况： 离线 ： 涵盖离线命令词，及离线命令词识别后的本地语义解析。
产品更新动态 - 语音技术
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。
呼叫中心语音-语音识别（8K） - 语音技术
呼叫中心语音-语音识别（8K） 接口描述及运行环境 本文档是百度呼叫中心语音MRCP的用户指南。 本程序做为MRCP Server端，集成了呼叫中心8K采样率语音识别(ASR)和呼叫中心专属发音人语音合成(TTS)两种能力，用户可分别单独使用某一种或同时使用。
端到端语音语言大模型Android SDK - 语音技术
获取安装包 端到端语音语言大模型Android SDK 本接口处于公测阶段，免费调用额度在进入控制台时自动获取。
计费概述 - 语音技术
计费概述 计费简介 语音服务提供一定额度的 免费测试资源 供测试使用，免费测试资源使用完毕可选择按照 预付费 和 后付费 方式进行计费，两种计费方式均可在 控制台 直接开通或购买。当发生接口调用时，系统会按照如下顺序依次抵扣： 免费测试资源 > 预付费资源包 >按量后付费 。 免费测试资源 免费测试资源 是指免费调用次数，供测试使用。免费测试资源使用完毕后可开通付费按次计费。
简介 - 语音技术
新创建语音合成应用可以在 控制台 领取免费额度。 必填字段中，严格按照文档描述中内容填写。
语音合成 - 语音技术
用户产生调用时会优先消耗免费调用额度，待免费调用额度耗尽时开始消耗次数包额度。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。
实时语音识别-websocket API - 语音技术
实时语音识别-websocket API 接口描述 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。可以将音频流实时识别为文字，也可以上传音频文件进行识别；返回结果包含每句话的开始和结束时间，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。 WebSocket简介 WebSocket 是基于TCP的全双工协议，即建立连接后通讯双方都可以不断发送数据。
