功能介绍
录音文件识别
支持长时长录音文件识别，离线版本不限制时长，取决于终端设备的内存大小。适用于长语音、实时性要求不高的场景，如智能质检等。
- 语言支持
- 暂只支持中文普通话
- 音频格式
- 支持wav、pcm等音频格式
- 音频编码
- 支持8k、16k的单声道音频流，支持16bit的数据采样精度
- 音频数据长度
- 音频流中每个数据包的音频分片为20-200ms（建议为20的倍数）
实时语音识别
对实时音频流进行识别，达到“说完即出文字”的效果。适用于实时性要求较高的场景，如语音输入、电话机器人等。
- 语言支持
- 暂只支持中文普通话
- 音频格式
- 支持wav、pcm等音频格式
- 音频编码
- 支持8k、16k的单声道音频流，支持16bit的数据采样精度
- 音频数据长度
- 音频流中每个数据包的音频分片为20-200ms（建议为20的倍数）
一句话识别
对一句话短音频文件进行识别，离线版本支持超过1分钟时长的识别。
- 语言支持
- 暂只支持中文普通话
- 音频格式
- 支持wav、pcm等音频格式
- 音频编码
- 支持8k、16k的单声道音频流，支持16bit的数据采样精度
- 音频数据长度
- 音频流中每个数据包的音频分片为20-200ms（建议为20的倍数）
-
录音文件识别支持长时长录音文件识别，离线版本不限制时长，取决于终端设备的内存大小。适用于长语音、实时性要求不高的场景，如智能质检等。
- 语言支持
- 暂只支持中文普通话
- 音频格式
- 支持wav、pcm等音频格式
- 音频编码
- 支持8k、16k的单声道音频流，支持16bit的数据采样精度
- 音频数据长度
- 音频流中每个数据包的音频分片为20-200ms（建议为20的倍数）
-
实时语音识别对实时音频流进行识别，达到“说完即出文字”的效果。适用于实时性要求较高的场景，如语音输入、电话机器人等。
- 语言支持
- 暂只支持中文普通话
- 音频格式
- 支持wav、pcm等音频格式
- 音频编码
- 支持8k、16k的单声道音频流，支持16bit的数据采样精度
- 音频数据长度
- 音频流中每个数据包的音频分片为20-200ms（建议为20的倍数）
-
一句话识别对一句话短音频文件进行识别，离线版本支持超过1分钟时长的识别。
- 语言支持
- 暂只支持中文普通话
- 音频格式
- 支持wav、pcm等音频格式
- 音频编码
- 支持8k、16k的单声道音频流，支持16bit的数据采样精度
- 音频数据长度
- 音频流中每个数据包的音频分片为20-200ms（建议为20的倍数）
