语音技术

为开发者和企业提供智能语音技术、计算机视觉和自然语音处理技术，一站式人机智能语音交互解决方案

百度AI开放平台提供全球领先的语音、图像、NLP等多项人工智能技术，开放对话式人工智能系统、智能驾驶系统两大行业生态，共享AI领域最新的应用场景和解决方案

对中英文的朗读发音进行评分和问题定位。支持字、词、句、篇章等题型，并返回准确度、流畅度、完整度、声韵调型等多维度评分。为各年龄提供不同的打分标准。

设备(手机、玩具、家电等)在休眠或锁屏状态下也能检测到用户的声音(设定的语音指令，即唤醒词)，让处于休眠状态下的设备直接进入到等待指令状态，开启语音交互第一步

将文字转化为自然流畅的人声，提供100+发音人供您选择，支持多语种、多方言和中英混合，可灵活配置音频参数。

支持特定语音指令唤醒，唤醒的同时执行指令操作，轻量级，低功耗，可自定义设置多个唤醒词，为您的应用打造自然流畅的对话

将短音频（≤60秒）精准识别成文字，除中文普通话和英文外，支持51个语种、24种方言和1个民族语言，实时返回结果，达到边说边返回的效果，可提供公有云接口及私有化部署方案。

驰声是国内知名中英文语音评测技术供应商，在线语音识别引擎发音纠错技术、中英文口语评测、人工智能发音打分技术、AI口语训练技术、口语作业、中高考英语听说考试评分技术等面向儿童、成人、K12学生，维度全，功能多，平台稳，效率高，被誉为中国语言教育产品的智能语音工具包。

基于语音识别和评价技术对发音做客观打分，反馈发音正误和定位问题，有助于语音教学，发音练习，也可测试考生的口语水平。

将文字信息转化为声音信息，让应用具备离线语音合成的能力。即让机器像人一样开口说话，给开发者的应用配上“嘴巴”

语音唤醒（Voice Wakeuper）是人机对话的第一步。通过在设备或软件中预制唤醒词，将设备在休眠待机的状态中唤醒，进入等待指令的状态

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

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

一句话识别可对一分钟以内的语音进行实时识别，适用于较短的语音交互场景，如语音搜索、语音指令、语音短消息等。 可集成在各类App、智能家电、智能助手等产品中。

思必驰提供语音识别，语音合成，语义理解，智能对话，声纹识别服务，开放平台。

把语音(≤60秒)转换成对应的文字信息，适用于较短的语音交互场景，如语音搜索、语音输入、语音控制等

高拟真度、灵活配置的语音合成产品，打通人机交互的闭环，让应用逼真发声。多种音色可供选择，并提供调节语速、语调、音量等功能。

将短文本（ ≤ 500 字符 ）转换成自然流畅的语音，支持多种音色，并提供调节音量、语速、音高、亮度等功能。适用于智能客服、语音交互、导航播报等场景。

思必驰提供基于云+端混合引擎的连续语音识别，覆盖中文、英文、葡萄牙语等语种，粤、川、沪等方言，以及带方言的普通话。

将长文本（≤5万字符）转换成自然流畅的语音，提供更多音色、不同情感的发音人，适用于文学阅读、新闻播报、自媒体配音等场景。合成音可供下载使用。

将时长不超过60秒的语音转写成文字，让您的应用听懂人类语言

将时长不超过5小时的语音转写成文字，让您从音频数据中挖掘更多信息和价值。

在无网或弱网环境下，可在手机APP或故事机、机器人等智能硬件设备终端进行语音播报，将文字合成为声音，提供稳定一致、流畅自然的合成体验

云知声AI开放平台以智能语音技术为核心，提供语音识别、语音合成、语音分析、语义理解等人工智能服务，为全行业开发者提供一站式人工智能语音交互技术方案。

基于深度神经网络技术，为客户提供自然、流畅、高音质的语音合成服务，并支持音色、音量、语速、停顿、分词等自定义调节。

语音转写可批量将音频文件（5小时以内）转换成文本数据，适用于语音质检、会议访谈等场景，可提供公有云接口及私有化部署方案

智能语音合成（text-to-speech，TTS）满足一般语言的文本转换为语音的需求，让您的应用或设备开口说话，让发音更自然和专业，助力提升人机交互体验。

对用户上传的录音文件进行识别，上传完之后6小时内完成识别并返回识别文本。可用于呼叫中心语音质检、庭审数据库录入、会议记录总结、医院病历录入等场景。

将批量上传的音频文件识别为文字，12小时内返回识别结果。适合录音质检、会议内容总结、音频内容分析等场景

将长段音频文件（5小时以内或文件大小在2G以下）转换成文本数据，商业用户可在6小时之内获得识别文本。适用于会议转写、字幕生成、音频内容分析等场景