语音识别 ASR 简介
腾讯云语音识别（Automatic Speech Recognition，ASR） 为企业提供极具性价比的语音识别服务。被微信、王者荣耀、腾讯视频等大量内部业务使用，外部落地录音质检、会议实时转写、语音输入法等多个场景。
- 优惠活动
- 功能发布
- 功能发布
- 功能发布
产品子功能
实时语音识别
对不限时长的实时音频流进行识别，识别结果自动断句，标记每句话的开始和结束时间；可应用于智能语音助手等实时音频流场景。
录音文件识别
对用户上传的五小时之内的录音文件进行识别；可应用于呼叫中心语音质检、视频字幕生成，会议语音资料转写等场景。
一句话识别
对一分钟之内的短音频文件进行识别；可应用于语音输入法、语音消息转文字、语音搜索等场景。
语音流异步识别
对直播协议语音流进行识别，准实时返回识别结果，支持音视频场景专用模型；可用于直播流质检等场景。
录音文件识别极速版
对用户上传的较大的录音文件进行极速识别，半实时返回识别结果；可应用于音视频字幕、准实时质检分析场景等场景。
产品优势
价格低
购买预付费包更加优惠，识别1小时语音不到1元。每月赠送免费额度，最大程度降低客户成本。
效果好
字准率97%处于业界领先水平，与微信、王者荣耀的语音转文字使用一套服务，效果一样好。
语种多
已经支持中文普通话、英语、粤语、日语、泰语和上海话等23种方言的语音识别，后续将持续开放其他语种和语言的识别能力。
算法强大
基于创新网络结构 TLC-BLSTM，利用 ATTENTION 机制有效地对语音信号进行建模，通过 Teacher-Student 方式提升系统鲁棒性，对通用以及垂直领域下场景有领先业界的识别精度和效率。
自助提升准确率
针对垂直领域，上传词表或句子即可完成语言模型的自动优化，借助自训练平台，不懂算法也可轻松实现定制化模型，进一步提升识别准确率。
支持场景丰富
经过内部微信、腾讯视频、王者荣耀等大流量产品的充分验证，在互联网、金融、教育等领域，基于海量数据实现分场景优化，积累了多行业的最佳实践。
应用场景
业务痛点
传统质检严重受限于人的工作效率和人力成本，只能抽检不能全检，难以评估客服的真实工作质量。
解决方案
语音识别将电话录音识别为文本，再通过质检规则对文本进行分析，识别不符合规范的服务通话记录。
价值提升
大幅提升呼叫中心工作质量管控能力，完成人力不可能完成的超大规模电话录音质检工作，提升呼叫中心人员的服务质量。
业务痛点
在拍摄 Vlog 的场景中，用户会边拍视频边说话；拍完视频还需要二次编辑，手动输入字幕才能将视频发布。
解决方案
通过录音文件识别极速版，实现了用户边拍边说，将语音内容直接显示在视频上。
价值提升
大大减少了用户后期处理的成本，使得用户拍摄后即可发布。
业务痛点
在直播、音频分享等平台，有海量音视频需要理解，用来做质检审核或者标签推荐，基于人力很难实现。
解决方案
录音文件识别 / 语音流异步识别 / 录音文件识别极速版可将视频中的音频（流）通过音视频专属模型进行转写，可满足多种输入、不同时延的需求。
价值提升
助力快速对平台海量音视频进行理解，极大降低人力成本，快速实现质检审核或精准推荐。
