语音识别模型

自动语音识别 (ASR) 模型能够将语音输入快速、准确地转换为文本，为语音识别、自动转录、智能助手等应用提供了强有力的支持。无论是在会议记录、客户服务、实时字幕，还是在教育和医疗等各个场景中，语音生成文本模型都展现出了巨大的应用潜力。它不仅提升了工作效率，还大大增强了用户体验，使信息获取和处理更加便捷。

以下模型已支持购买:

MaaS Whisper
MaaS-AFast-asr（快速听录）
MaaS-Arealtime-asr（实时听录）
MaaS-ASpeech-Translation（实时语音翻译）

MaaS Whisper

多语言和多任务支持

能处理多种语言，包括英语、中文等 99 种语言，可进行语音识别、翻译、语种检测和语音活动检测等多种任务，无需针对每种语言或任务单独训练或调整模型。

准确率高

英文语音识别准确率达人类水平，在一些嘈杂环境中甚至超过人类水平，多语言语音识别和语音翻译的准确率也较高，在零样本情况下也能有出色表现。

快速听录MaaS-AFast-asr

快速听录的基础功能包括：语音识别、语种识别、说话人分离。可用于听录音频文件，同步返回结果，速度比实时音频快。在需要尽快获得音频录制脚本且可预测延迟的情况下使用快速听录，例如：

快速音频或视频听录和字幕：一次性快速获得整个视频或音频文件的听录。
视频翻译：如果有不同语言的音频，可立即为视频获取新的字幕。

典型应用场景举例

视频字幕转写

影视视频字幕制作：使用快速听录快速获取整个视频的一组字幕，如媒体娱乐视频字幕，多语种字幕等。
课程辅助：为在线教育视频快速生成字幕，帮助听力障碍学生更好地理解课程内容，同时也有助于非母语学习者跟进课程进度。
视频会议辅助：对于有不同语言参与者的视频会议，可实时为会议视频生成字幕，帮助参会者更好地理解发言内容，促进跨语言交流与协作。
短视频字幕生成：用户在社交媒体上分享的短视频或 Vlog 可快速生成字幕，提升用户体验，方便观众在无声播放环境下浏览内容。

录音听录转写

市场调研：对于市场研究下访谈对象的录音快速转写成文子进行整理分析。
现场发布会：不同的现场发布会针对发布会现场录音进行听录转写，快速整理和发布新闻。
病历记录与诊断：可以将医疗记录自动转换为电子文档，便于存储和查询。
学习资料整理：将教育讲座、学术报告等音频资料快速转写成文字，方便学生和教师整理学习资料、撰写笔记和进行学术研究。
会议记录与整理：在会议结束后，获取会议音频的文字记录，提高会议记录的效率和准确性，便于参会人员回顾会议内容、落实会议决议。
客服质检：快速听录大量的客服电话录音，帮助企业更好地了解客户需求、识别客户问题、评估座席工作绩效，进而改进服务质量。
内容审核辅助：对于大量的用户生成音频内容，快速转写为文字后便于进行内容审核，确保发布的内容符合平台规定和相关法律法规。

实时听录 MaaS-Arealtime-asr

实时听录的基础功能包括：实时语音识别、语种识别。通过对实时音频输入进行即时转录并得出中间结果。

典型应用场景举例

实时转录音频

诊疗辅助：医生可以通过语音识别快速准确地记录患者的病情、症状、诊断结果等信息，提高医疗效率，减少手写或打字记录的时间，从而有更多时间专注于患者的诊疗。
会议助手：在各类会议、研讨会、培训讲座以及商务谈判等场合，实时语音识别可实时将参会人员的发言转写成文字。
智能家居与物联网：用户可以通过语音指令控制智能家居设备，如智能音箱、智能电视、智能空调、智能窗帘等，实时语音识别技术能够准确识别用户的语音命令并及时执行相应操作。
即时通讯应用：在社交聊天软件、输入法等应用中，实时语音识别功能允许用户通过语音输入消息，系统自动将语音实时转换为文字发送，方便用户在不方便打字的情况下快速交流，提高沟通效率。
电话客服沟通：客服人员在与客户通话过程中，实时语音识别能够即时将客户的语音转化为文字，使客服可以快速准确地理解客户问题和需求，从而更高效地提供解答和解决方案。

实时语音翻译 MaaS-ASpeech-Translation

实时语音翻译的基础功能包括：语种识别、实时语音到文本的转换以及翻译

实时语音翻译的进阶功能包括：

语音转语音翻译：结合TTS服务能力，语音服务还提供大声朗读翻译文本的选项，从而实现输入语音的自然输出。
多语言语音翻译：多语言语音翻译允许在同一会话中出现多种语言，并将它们全部翻译成相同的目标语言。更改输入语言或执行任何其他操作时，无需重启会话。
多个目标语言翻译：在需要多种语言的输出时，语音服务可以直接提供将输入语言翻译成两种目标语言的功能。注意：如果需要更多输出超出2种语言，需要额外付费使用单独的翻译服务。

典型应用场景举例

语音到文本翻译

赛事直播：国际赛事直播等场景中的音频实时转换成文字，用于实时字幕展示，提升直播效果。
国际视频会议：将视频、电话会议场景中每个人的语音实时记录并翻译，防止错过重要内容，准确高效输出多语种会议记录。
国际客服中心：将客服通话记录实时转成文字，用于电话质检和客户信息同步，也为数据挖掘提供原料。

语音到语音翻译

旅游导览：导游在为外国游客讲解景点时，可通过语音到语音翻译设备，将自己的讲解实时转换为游客母语的语音，使游客更好地理解景点的历史文化背景、特色等信息，提升旅游体验。
多语言热线服务：公共服务机构或企业设立的多语言热线，如旅游咨询热线、紧急救援热线等，借助语音到语音翻译技术，可以为不同语言的来电者提供及时有效的服务，确保信息的准确传达和问题的妥善解决.

多语言翻译

旅行翻译：出国旅行时，多语言语音翻译能够创建一个解决方案，允许客户将任何输入音频翻译成当地语言或从当地语言翻译成本地语言。这使他们能够与当地人交流并更好地了解周围的环境。
商务会议：在与使用不同语言的人开会时，多语言语音翻译可以让与会人员都能自然地沟通，好似没有语言障碍一样。

多个目标语言翻译

同声传译：国际会议或者新闻发布会实时传译多种语言。