主要云服务平台语音转文字接口核心指标及收费情况对比分析

2019-03-15 15:53:34

标签： 网络整理 云服务平台 语音转文字 对比分析

>作者：王健
>时间：2019年3月

## 1、讯飞

https://www.xfyun.cn/services/rtasr

### 实时语音识别

- 技术指标-输入
	- 形式：实时音频流
	- 支持格式：PCM
	- 采样率：16KHz
	- 采样精度：16bits
	- 支持语种：中文普通话
	- 声道：单声道
	- 分片时长：40ms
- 技术指标-输出
	- 形式：json格式字符串
	- 编码：UTF-8
	- 结果：句子开始&结束时间&词识别内容&词标识&词开始时间&词结束时间&结果类型标识&段落ID，整句的中间结果，整句的最终结果

![](http://file.song-z.com/res/md/image/20190315/1552636745335_7325.jpg)

![](http://file.song-z.com/res/md/image/20190315/1552636775872_8445.png)

### 长语音转换文字

- 技术指标-输入
	- 形式：已录制音频
	- 声道：单声道&多声道
	- 支持格式：wav,flac,opus,m4a,mp3
	- 支持语种：中文普通话
	- 采样率：8KHz,16KHz
	- 采样精度：8bits,16bits
- 技术指标-输出
	- 形式：json格式字符串
	- 编码：UTF-8
	- 结果：句子开始&结束时间&词识别内容&词标识&词开始时间&词结束时间&结果类型标识&段落ID，整句的中间结果，整句的最终结果

![](http://file.song-z.com/res/md/image/20190315/1552636946002_6341.png)

![](http://file.song-z.com/res/md/image/20190315/1552636954431_6277.png)

## 2、百度云

https://cloud.baidu.com/product/bicc/rts

### 实时语音识别

- 技术指标
	- 行业率先推出语音识别REST API，采用HTTP方式请求，可适用于任何平台的语音识别
	- SDK可以根据当前网络状况及指令的类型，自动判断使用本地引擎还是云端引擎进行语音识别
	- 支持多达35个领域的语义理解，如：交通，社交，娱乐等。还可支持自定义指令集和问答对的设置，让您更准确地理解用户意图
	- 开发者可以自行上传词库，训练专属识别模型。提交的语料越多、越全，语音识别的效果提升也会越明显

![](http://file.song-z.com/res/md/image/20190319/1552984167527_9930.png)

![](http://file.song-z.com/res/md/image/20190319/1552984179199_6359.png)

### 长语音转换文字

- 技术指标
	- 开发者可以自行上传词库，训练专属识别模型，提交的语料越多、越全，语音识别的效果提升也会越明显
	- 支持多达35个垂类领域的语义理解，如：交通，社交，娱乐等领域。还可支持自定义指令集和问答对的设置

## 3、阿里云

https://help.aliyun.com/document_detail/72155.html

### 实时语音识别（识别效果较好）

- 技术指标

- 对长时间的语音数据流进行识别，适用于会议演讲、视频直播等长时间不间断识别的场景。
	- 支持音频编码格式：pcm(无压缩的pcm文件或wav文件)，16bit采样位数的单声道(mono)；
	- 支持音频采样率：8000Hz、16000Hz；
	- 支持对返回结果进行设置：是否返回中间识别结果，是否在后处理中添加标点，是否将中文数字转为阿拉伯数字输出。
	- 阿里云说明如下图：
![](http://file.song-z.com/res/md/image/20190319/1552984493271_3907.png)

- 收费说明

- 单个阿里云账户下支持最大10个并发用户同时访问阿里云语音转文字服务接口
![](http://file.song-z.com/res/md/image/20190319/1552984563201_9931.png)

### 长语音转换文字

- 技术指标

- 支持单轨/双轨的WAV格式、MP3格式的录音文件识别；
	- 支持两种调用方式：轮询方式和回调方式；
	- 支持自学习平台和热词；
	- 支持8000Hz、16000Hz的采样率；
	- 支持汉语普通话、方言、欧美英语等多种模型识别；
	- 文件大小需控制在512MB以下；
	- 录音文件访问权限需要为公开，URL中只能使用域名，不能使用IP地址。
	- 提交录音文件识别请求后，在24小时内完成识别，识别结果在服务端可保存72小时；
	- 阿里云说明如下图：
	![](http://file.song-z.com/res/md/image/20190319/1552984715285_1132.png)

- 收费说明

- 免费用户每日可识别不超过10小时时长的录音文件；
	![](http://file.song-z.com/res/md/image/20190319/1552984737525_3510.png)

## 4、腾讯云

https://cloud.tencent.com/document/product/441/18853

- 实时语音识别

- 技术指标
	- 采样率：8k/16k。
	- 音频格式：pcm、wav、sp、silk。
	- 编码：16bit 位深的单声道。
	- 腾讯云说明如下图：
	![](http://file.song-z.com/res/md/image/20190319/1552984890183_8341.png)

- 长语音转换文字（拟采用）

- 收费说明
	- 公测期间，录音文件识别的定价分为免费时长和后付费两部分。
	- 在公测期间，录音文件识别提供每天15小时的免费识别时长。
	- 对于超出免费时长的部分，录音文件识别实行阶梯定价
	![](http://file.song-z.com/res/md/image/20190319/1552984942476_2333.png)

上一篇：聊一聊MD5

分享到：QQ空间新浪微博腾讯微博人人网微信

登录