语音粤语

服务稳定日均调用量超千万,支持大流量并发,提供企业级稳定的服务保障。 高准确率音视频字幕采用业内先进的语音识别技术,基于司内的视频平台(抖音、剪映、西瓜等),沉淀了海量的一手数据,在字幕领域不断深耕优化,字准确率达业内领先水平。 超低延时超低延时的服务体验,已接入业务的全天平均时延约1.39秒。 语种丰富支持中、英、日、韩、俄、法、西语等多国语言识别;支持粤语、吴语、闽南语、维语等多地区方言的识别。 精准切分中、...

服务稳定提供企业级的稳定服务保障,专有集群,支持大流量并发,高效灵活。 准确率高采用业内先进的端到端语音识别框架,与抖音、飞书、剪映、西瓜视频等内部业务深度合作,具备实际业务场景打磨的丰富经验,识别准确率达业内领先水平。 超低延时流式语音识别支持毫秒级返回识别文本。 语种丰富多语种识别。支持中、英、日、韩、法、西、葡等多国语言,支持粤语、川渝方言、上海话等多种方言,更多语种和方言持续新增。 多领域覆盖广泛应...

产品特性 音视频字幕生成 自动字幕打轴 支持语种 中英及方言混合识别(含粤语、上海话、闽南语、西南官话、中原官话);维语识别英语、日语、韩语、俄语、法语、西语 中英混合、纯中文、纯英文 识别模式 中、英、粤语支持说话、唱歌识别;维、日、韩、西、俄、法语支持说话识别 说话文本打轴,歌词打轴 基础能力 语音识别、智能分句、时间戳 智能分句、时间戳 可选能力 数字规整、自动标点、水词标注、说话人识别 支持多种标点模式...

语音识别:普通话、粤语、四川话、英语 3: list ocr_details, 【标准】图片识别细节。逐帧分析内容,识别ocr出现位置、出现时间(附加增量信息,仅对约30%的头部内容做全帧OCR识别) 4: string ocr_high, 【*非标】高质量图片识别。高质量ocr会进行内容消重、标点符号标记等内容清理,相较ocr语义更连贯,但覆盖较低(附加增量信息,仅对部分内容做高质量OCR识别) 5: Sentiment sen...