一、支持哪些语言的识别？
当前仅支持中文音频内容的识别。
二、一段音频需要多久审核完成？
审核的耗时主要在拉流上，目前支持 4 倍速拉流，审核耗时约为音频总时长的四分之一：例如拉取 15 秒的音频约需 4 秒完成拉流与审核。
三、是否支持多个音频同时审核？
点播音频：默认支持 10 个音频同时审核，超出后进入排队，按提交顺序依次处理。
直播音频：默认支持 100 个音频同时审核，超出后返回 RequestLimitExceeded 错误。
四、回调逻辑是怎样的？
音频审核会先将音频切片并上传至 COS，再对 COS 上的切片链接进行审核。回调方式有以下三种：
·违规片段回调：仅回调检测出违规的片段，任务结束后回调结束帧。
·全量回调：违规与正常片段均回调，任务结束后回调结束帧。
·不回调片段：不回调任何片段，任务结束后仅回调结束帧，完整结果需调用 查询任务详情 接口获取。
回调方式可在 内容安全控制台 设置。如需关闭片段回调，请 提交工单 由后端调整。
五、生成识别的底层如何实现的？
音频 AI 生成识别模型可以准确识别出 AI 音频相比真实音频在模拟缺陷、过度标准方面的显著差异，其中部分差异性特征可以被举例如下：
| | 具体特征 | 例子 |
| 模拟缺陷 | 异常重音 | 一句话中所有字词全为重音 |
| | 异常停顿/加速 | “我喜 / 欢苹 / 果”的异常断句 |
| | 异常语音语调 | 所有句子都出现尾音上扬 |
| | 异常噪音 | 语音内容中出现瑕疵电流声 |
| 过度标准 | 音量恒定 | 声音频谱的最大振幅始终不变 |
| | 语速恒定 | 语速始终保持150字 / 分钟 |
| | 语音语调过于平稳 | 毫无波动的语音语调朗读 |
| | 无副语言声音 | 语音中没有呼吸、唇齿摩擦声等 |
六、生成识别支持哪些生成来源？
音频 AI 生成识别服务目前已经覆盖的音频生成来源包括但不限于：
·商用 API ：阿里云、百度云、火山引擎、MiniMax、OpenAI、Google。
·开源引擎：CosyVoice2、ChatTTS、F5-TTS-Base、FishSpeech-1.5、SparkTTS、Tortoise-TTS。
七、生成识别支持哪些生成方式？
音频 AI 生成识别服务目前支持识别多种 AI 音频生成方式：
·文本转语音（TTS）：以文字为输入的生成语音片段，如阅读文章时软件自带的“听全文”功能。
·语音转换（VC）：以一段语音为输入的生成语音片段，如变声器软件的使用。
八、生成识别支持哪些生成语种？
音频 AI 生成识别服务目前支持中文、英文的语音识别。