• 技術(shù)領(lǐng)先識別準(zhǔn)確：基于Deep Peak2端到端建模，多采樣率多場景聲學(xué)建模，近場中文普通話識別準(zhǔn)確率達98%
• 批量音頻快速識別：將大量錄音批量上傳，通過語音識別引擎精準(zhǔn)、快速的轉(zhuǎn)為文字，12小時內(nèi)返回識別結(jié)果
• 文字識別結(jié)果支持時間戳：識別返回的文字結(jié)果帶有時間戳，展示VAD切分句子開始和結(jié)束時間，方便進行功能開發(fā)
• 多語種識別 支持普通話和略帶口音的中文識別，支持英文識別

 

應(yīng)用場景

• 會議訪談轉(zhuǎn)寫 將會議、訪談的長時間錄音批量識別為文字，通過靜音識別自動將有語音部分進行切分，提升識別效率，便于進行內(nèi)容記錄、總結(jié)，提升音頻內(nèi)容記錄效率
• 音頻內(nèi)容分析 將大量對話錄音識別為文字，并對內(nèi)容進行持續(xù)分析與監(jiān)控，及時發(fā)現(xiàn)風(fēng)險、違規(guī)內(nèi)容，發(fā)掘潛在營銷機會
• 課堂錄音分析 將課堂錄音文件進行識別，通過文字，還原課堂場景，分析教學(xué)內(nèi)容，提升教學(xué)質(zhì)量
• 視頻字幕 將視頻中的音頻進行語音識別，自動切分無語音部分，對每句話標(biāo)記時間戳，通過時間戳生成對應(yīng)字幕，提升配置字幕效率

 

產(chǎn)品優(yōu)勢

• 高效穩(wěn)定 企業(yè)級穩(wěn)定服務(wù)保障，專有集群承載大流量并發(fā)，高效靈活，使用最新切分及并發(fā)調(diào)度技術(shù)，可快速返回識別結(jié)果
• 智能語言處理 使用大規(guī)模數(shù)據(jù)集訓(xùn)練語言模型，對識別中間結(jié)果進行智能糾錯，并根據(jù)語音的內(nèi)容理解和停頓智能匹配合適的標(biāo)點符號，。！？
• 數(shù)字格式智能轉(zhuǎn)換 根據(jù)語音內(nèi)容理解可以將數(shù)字序列、小數(shù)、時間、分數(shù)、基礎(chǔ)運算符正確轉(zhuǎn)換為數(shù)字格式，使得識別的數(shù)字結(jié)果更符合使用習(xí)慣，直觀自然

由服務(wù)使用方的應(yīng)用程序發(fā)起，以Restful風(fēng)格為主、通過公網(wǎng)HTTP協(xié)議調(diào)用百度的音頻文件轉(zhuǎn)寫 ，從而實現(xiàn)程序的自動化交互，提高服務(wù)效率。