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
功能介绍
技术领先识别准确
采用领先国际的流式端到端语音语言一体化建模方法，融合百度自然语言处理技术，近场中文普通话识别准确率达98%
多语种和多方言识别
支持普通话和略带口音的中文识别；支持粤语、四川话方言识别；支持英文识别
深度语义解析
支持50多个领域的语义理解，如：天气，交通，娱乐等。还可接入智能对话定制与服务平台UNIT自定义语义理解和对话服务，让您更准确地理解用户意图
中文标点智能断句
使用大规模数据集训练语言模型，根据语音的内容理解和停顿智能匹配合适的标点符号（包括，。！？），使识别结果的表现方式贴合表述，更加可懂
数字格式智能转换
根据语音内容理解可以将数字序列、小数、时间、分数、基础运算符正确转换为数字格式，使得识别的数字结果更符合使用习惯，直观自然
支持自助训练专属模型
支持在语音自训练平台上自助训练模型，上传词汇文本即可零代码完成训练，精准提升业务领域词汇识别率5-25%，并可专属使用
语音输入
摆脱生僻字和拼音障碍，使用语音即时输入。略带口音的普通话、粤语四川话方言、英文，均可有效识别，并可根据句意自动纠错、自动断句添加标点，让输入更快捷，沟通交流更顺畅
语音搜索
搜索内容直接以语音的方式输入，应用于网页搜索、车载搜索、手机搜索等各种搜索场景，解放双手让搜索更加高效，适用于视频网站、智能硬件、手机厂商等多个行业
语音指令
无需手动操作，可以通过语音直接对设备或者软件发布指令，控制操作，适用于智能硬件、车载系统、机器人、手机APP、游戏等多个领域
社交聊天
社交聊天时直接用语音输入的方式转成文字，让输入更加便捷；或者在收到语音消息不适合播放时可以转为文字进行查看，满足更多的聊天场景
游戏娱乐
游戏中聊天必不可少，双手无法打字，语音输入可以将语音聊天转为文字，让用户在操作的同时也可直观看到聊天内容，多样化满足用户聊天需求
特色优势
采用领先国际的流式端到端语音语言一体化建模方法，近场中文普通话识别准确率达98%
服务稳定高效
企业级稳定服务保障，专有集群承载大流量并发高效灵活，以及99.9%服务稳定性保障
模型自助优化
中文输入法模型可在语音自训练平台上零代码自助训练，上传文本语料即可有效提升业务词汇的识别准确率5-25%
产品定价
支持交流
新手指南
找到适合您业务的AI技术能力，快速创建应用，开始便捷的开发之旅
技术文档
开放百度语音识别技术开发文档，帮助使用API或SDK的开发者赋能产品
技术社区
在百度AI 开发者社区了解 AI 技术的最新动态，与开发者们一起学习和交流 AI 技术
相关推荐
语音自训练平台
使用业务场景语料，零代码自助训练语音识别语言模型，精准识别语音内容，有效提升业务领域识别准确率
呼叫中心语音解决方案
呼叫中心场景的端到端的语音技术解决方案，包括呼叫中心场景专属的8K采样率语音识别、语音合成、MRCP服务，助力企业更高效快速的接入呼叫中心语音能力
在线语音合成
基于业界领先的深度神经网络技术，提供高度拟人、流畅自然的语音合成服务，让您的应用、设备开口说话，更具个性
