实时语音识别-科大讯飞

服务商

科大讯飞作为中国最大的智能语音技术提供商，在智能语音技术领域有着长期的研究积累，并在中文语音合成、语音识别、口语评测等多项技术上拥有国际领先的成果。

科大讯飞是我国唯一以语音技术为产业化方向的“国家863计划成果产业化基地”、“国家规划布局内重点软件企业”、“国家火炬计划重点高新技术企业”、“国家高技术产业化示范工程”，并被信息产业部确定为中文语音交互技术标准工作组组长单位，牵头制定中文语音技术标准。

产品介绍

实时语音转写可将不限时长的音频流实时识别为文字，并返回带有时间戳的文字流，新增翻译功能，适用于跨语种会议、国际赛事直播等多言语场景。

产品优势

应用场景

常见问题

1、“已录制音频转写”和“实时音频流转写”的区别是？

已录制音频（recorded audio）转写：将预先录制完毕的完整音频文件传输至云端，转写服务处理完成后将输出此音频对应的完整文字结果。该流程为异步&非实时；

实时音频流（real-time streaming）转写：在采集音频的同时，连续上传音频流至云端，转写服务将实时返回文字结果，实现文字和声音的同步展现。

2、实时语音转写支持什么语言？

答：默认支持中文（包括普通话、天津话、河北话、东北话、甘肃话、山东话、太原话）、英文、中英混合识别；其他方言/语种需购买套餐或语种授权。目前可支持：

l  方言：广东话、河南话、西南官话（云南话、贵州话、重庆话、四川话）

l  语种：英语、日语、韩语、法语、俄语、越南语、西班牙语

l  民族语言：藏语、维语

3、购买翻译套餐后，支持哪些语种相互翻译？

开通翻译功能后，可实现中文与日语、韩语、俄语、韩语、法语、西班牙语、越南语之间的互译，同时支持中文普通话与粤语方言互译

4、实时语音转写支持的音频时长有什么限制？

实时语音转写可以实时识别持续的音频流，结果是实时返回，音频流长度理论上不做限制，典型的应用场景是要求展示实时字幕的会议或直播。

5、实时语音转写的分片时长40ms是什么意思？

可以理解为上传的间隔为40ms，建议音频流每40ms向服务器发送1280字节，发送过快可能导致引擎出错，音频发送间隔超时时间为15s，超时服务端报错并主动断开连接。