
火山引擎语音识别
字节跳动旗下的PaaS级语音转文字服务,基于豆包大模型将实时音频流或录音文件精准转写为文本,支持多语种、方言及多模态视觉识别。
做实时语音识别的AI工具,在直播、语音助手等任务里用得最多,把零散流程串成一条线,日常使用集中在配音演员、播客这类人群,新手也能照模板跑通,围绕实时语音识别,模型能直接完成SSML控制、音频降噪、音效生成,省去大量手工操作,业界也用人声分离、语音合成来描述同类能力,检索时常混着出现。

字节跳动旗下的PaaS级语音转文字服务,基于豆包大模型将实时音频流或录音文件精准转写为文本,支持多语种、方言及多模态视觉识别。

面向开发者的语音 AI 平台,提供预录制与实时语音转文字 API,支持说话人分离、情感识别等语音理解能力,可构建带打断识别的语音代理,按用量计费。