语音识别 混元 ASR(内测版)

这篇将介绍混元 ASR(内测版)的信息,本次版本仅支持实时语音识别,以接口形式(PaaS 级)提供产品服务,计费详情仅适用于大模型2.0计费方案。

相关产品
语音识别 产品页,含版本规格、价格与购买入口。

一、混元语音识别(ASR)

语音识别基础产品 功能简介 免费并发路数 时效性 常见应用场景 支持语种(算法引擎)
实时语音识别 可识别长时间传入的语音流数据,支持上下文传入和热词,实时返回识别结果,实现“边说边出文字”的效果 20路 实时 适配 IM 即时语音转写、实时音视频通话字幕识别、智能助手语音指令实时解析等短时低延迟人机语音交互场景 大模型2.0引擎:Hy-ASR-3.0-preview 中英大模型:中文普通话+英语+多方言混合引擎,除中英外,支持20种方言,包括粤语、东北话、河南话、陕西话、成都话、重庆话、武汉话、贵阳话、青岛话、济南话、长沙话、合肥话、河北话、昆明话、 兰州话、 银川话、南昌话、 北京话、 四川话、天津话等。

注意:说明:

注意:当前为内测版本仅作为体验,部分功能暂不支持,包括但不限于以下:

二、1. 开通语音识别服务

请先参考 一分钟接入服务端 API,开通语音识别服务。

三、2. 新建密钥

进入 控制台 新建密钥,生成 AppID、SecretID 和 SecretKey,用于 API 调用时生成签名,签名将用来进行接口鉴权。

四、3. 调用服务

调用服务时请参考实时语音识别 API 文档 实时语音识别(WebSocket)进行调用,engine_model_type 参数选择 Hy-ASR-3.0-preview 即为使用混元语音识别。

赞 (0)
上一篇 4天前
下一篇 4天前