长语音识别-依图

基于Deep Peak2的端到端建模，将音频流实时识别为文字，并返回每句话的开始和结束时间，适用于长句语音输入、音视频字幕、会议等场景

将长段音频文件（5小时以内或文件大小在2G以下）转换成文本数据，商业用户可在6小时之内获得识别文本。适用于会议转写、字幕生成、音频内容分析等场景

一句话识别可对一分钟以内的语音进行实时识别，适用于较短的语音交互场景，如语音搜索、语音指令、语音短消息等。 可集成在各类App、智能家电、智能助手等产品中。

对长段音频流做实时识别，达到“边说边出文字”的效果，适用于实时会议、直播字幕等场景

阿里云AI依托阿里顶尖的算法技术，结合阿里云可靠和灵活的云计算基础设施和平台服务，帮助企业简化IT框架、实现商业价值、加速数智化转型。阿里云数十项AI能力，稳定、易用、能力突出，是AI技术应用、开发的不二之选。

对用户上传的录音文件进行识别，上传完之后6小时内完成识别并返回识别文本。可用于呼叫中心语音质检、庭审数据库录入、会议记录总结、医院病历录入等场景。