发布时间:2020-06-22 16:11 作者:未知
今天腾佑AI人工智能为大家介绍百度语音识别的系列产品实时语音识别,它基于Deep Peak2的端到端建模,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,适用于长句语音输入、音视频字幕、会议等场景,下面我们来看下它的功能、优势、应用场景及价格:
功能
1,技术领先识别准确
使用Deep Peak2端到端建模,多采样率多场景声学建模,普通话近场中文识别准确率达98%以上,超过10万小时数据训练。
2,多语种识别
中文识别普通话及捎带口音的普通话,同时支持英文识别
3,智能语言处理
语言模型使用大规模数据集训练,可对中间识别结果进行智能纠错,还能根据停顿和对内容的理解智能匹配核实的标点符号。
4,多种调用方式
可在多种操作系统、多种设备终端上调用包含WebSocket API,支持Android、iOS、Linux SDK等,简单易用上手快。
5,毫秒级实时识别音频流
毫秒级的首包响应时间,对中间文字结果实时展示,音频流识别快速精准。
6,文字识别结果支持时间戳
识别返回的文字结果带有时间戳,展示VAD切分句子开始和结束时间,功能开发方便快捷。
优势
1,识别效果领先
使用Deep Peak2端到端建模,声学建模多场景多采样率,中文普通话近场识别准确率达98%
2,支持多设备终端
适用于多种操作系统、多设备终端均可使用包含WebSocket API方式、Android、iOS、Linux SDK方式调用等。
3,服务稳定高效
专用集群可承载大流量并发,企业级的服务保证,灵活,稳定高效。
4,模型自助优化
在语音自训练平台上中文普通话模型可零代码自助训练,业务词汇的识别准确率提升5-25%需要上传文本语料即可。
场景
1,实时语音输入
说话内容实时展示在屏幕上,聊天顺畅,解放双手,语音输入准确高效。
2,视频直播字幕
直播新玩法,主播说话可以直接将说话内容实时转写为字幕展示在屏幕上,或者可进行二次字幕编辑。
3,演讲字幕同屏
大会演讲可以在屏幕上实时展示嘉宾演讲字幕,逐字展示并智能纠错。
4,实时会议记录
会议场景中,每个说话人的语音可以实时记录,提升会议记录效率。
5,课堂音频识别
对老师课堂内容实时记录,校方可以进行教学内容记录以及教学质量评估。
百度官方价格(腾佑科技百度云服务中心价格更优哦)