技术领先识别准确

  基于Deep Peak2端到端建模，超过10万小时数据训练，多采样率多场景声学建模，近场中文普通话识别准确率达98%      

  多语种识别

  支持普通话和略带口音的中文识别；支持英文识别      

  智能语言处理

  使用大规模数据集训练语言模型，对识别中间结果进行智能纠错，并根据语音的内容理解和停顿智能匹配合适的标点符号，。！？      

  多种调用方式

  支持WebSocket API，支持Android、iOS、Linux SDK，可以在多种操作系统、多种设备终端上调用，快速上手，简单易用

  毫秒级实时识别音频流

  首包响应时间毫秒级，并实时展示中间文字结果，快速识别音频流      

  文字识别结果支持时间戳

  识别返回的文字结果带有时间戳，展示VAD切分句子开始和结束时间，方便进行功能开发      

实时语音输入

语音输入准确高效，解放双手，说话内容实时展示在屏幕上，聊天顺畅    

视频直播字幕

直播新玩法，主播说话可以直接将说话内容实时转写为字幕展示在屏幕上，或者可进行二次字幕编辑    

演讲字幕同屏

大会演讲可以在屏幕上实时展示嘉宾演讲字幕，逐字展示并智能纠错    

实时会议记录

会议场景中，每个说话人的语音可以实时记录，提升会议记录效率    

课堂音频识别

对老师课堂内容实时记录，校方可以进行教学内容记录以及教学质量评估    

  识别效果领先

  基于Deep Peak2端到端建模，多采样率多场景声学建模，近场中文普通话识别准确率达98%      

  支持多设备终端

  支持WebSocket API方式、Android、iOS、Linux SDK方式调用，可以适用于多种操作系统、多设备终端均可使用      

  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，服务稳定      

  模型自助优化

  中文普通话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%