智能语音交互：功能特性

服务

时效性

功能

适用场景

支持的语音格式

支持调用方式

免费调用量

购买

一句话识别

实时

识别一分钟内的短语音。

APP语音搜索、语音电话客服、对话聊天、控制口令等场景。

PCM（无压缩的PCM或WAV文件）、OPUS

Java/C++/Android/iOS

最大2个并发

可单独购买

实时语音识别

实时

识别长时间的语音数据流。

会议演讲、视频直播等长时间不间断语音场景。

PCM（无压缩的PCM或WAV文件）

Java/C++/Android/iOS

最大2个并发

可单独购买

语音合成

实时

合成长度不超过300个字符（UTF-8编码）的文本内容。

需要人工合成音的场景。

PCM、WAV、MP3

Java/C++/Android/iOS

最大2个并发

可单独购买

录音文件识别

非实时

录音文件上传后（文件大小不超过512 MB），针对免费用户，可在24小时内完成识别并返回识别文本；针对付费用户，可在6小时内完成识别并返回识别文本。

非实时识别场景。

支持单轨/双轨的WAV、MP3

Java/C++/GO/.NET/Node.js/PHP/Python

每个自然日最多识别2小时时长的录音文件

可单独购买

录音文件识别极速版

实时

识别文件大小不超过100 MB，30分钟以内时长的音频，转写完成时间不超过10秒。

短视频编辑工具、 电台和报社字幕内容。

AAC、MP3、OPUS、WAV

HTTP POST/Android/iOS

暂不支持免费试用

可单独购买

长文本语音合成

非实时

将超长文本（千字或万字）合成为语音二进制数据。

阅读小说、文章等场景。

PCM、WAV、MP3

JAVA/C++/RESTful API

暂不支持免费试用

可单独购买

设备端语音交互SDK

实时

远场信号处理、语音唤醒、人声检测、在线语音识别以及在线语音合成。

智能音箱、儿童教育故事机、语音IoT家电等需要远近场语音交互的智能硬件设备端。

PCM、WAV

Android/iOS/Linux/RTOS

10个免费设备授权

可单独购买