【华为云】实时语音识别

实时语音识别（Real-time ASR），将连续的音频流实时转换成文本，语音识别更快。可应用于直播实时字幕、会议实时记录、即时文本生成等场景。

产品优势

识别准确率高
采用最新一代语音识别技术，基于DNN（深层神经网络）技术，大大提高了抗噪性能，使识别准确率显著提升

识别速度快
把语言模型，词典和声学模型统一集成为一个大的神经网络，同时在工程上进行了大量的优化，大幅提升解码速度，使识别速度在业内处领先地位

多种识别模式
支持多种实时语音转写模式，如流式一句话、连续和单句模式，灵活适应不同应用场景

定制化服务
可定制特定垂直领域的语言层模型，识别更多专有词汇和行业术语，进一步提高识别准确率

功能特性

文本时间戳
为音频转换结果生成特定的时间戳，从而通过搜索文本即可快速找到对应的原始音频片段

智能断句
通过提取上下文相关语义特征，并结合语音特征，智能划分断句及添加标点符号，提升输出文本的可阅读性

中英文混合识别
支持在中文句子识别中可夹带英文字母、数字等，从而实现中、英文以及数字的混合识别

语言支持
支持中文普通话，含带方言口音的普通话识别

即时输出识别结果
连续识别语音流内容，即时输出结果，并可根据上下文语言模型自动校正

自动静音检测

对输入语音流进行静音检测，识别效率和准确率更高

应用场景

直播实时字幕
将视频直播或现场直播中的音频实时转为字幕，为观众提供更高效的观会体验，方便对内容进行监控

优势
速度快
实时识别直播语音内容

识别准确
语音识别准确率高

会议实时记录
将视频或电话会议中的音频实时转为文字，可实时校核、修改及检索转写会议内容，提高会议效率

优势
高效便捷
=快速进行会议记录

识别准确
语音识别准确率高

即时文本录入
手机APP上实时录音并即时提供转写的文本，例如语音输入法等，方便后期文字处理和内容存档，省去记录的人力和时间成本，大幅提升了转换效率

优势
高效便捷
快速记录音频内容

不间断识别
可对大于60秒的长语音数据流不间断识别