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。