AI手机-手机SIM卡通话内容ASR识别和文字提取-(二、商用ASR方案)

AI手机-手机SIM卡通话内容

ASR识别和文字提取-(二、商用ASR方案)

商用的ASR方案

目前在语音领域涉及收费的方案主要集中在智能硬件领域的AI交互、实时翻译、智能会议配件，以及软件增值领域的智能客服、会议纪要、内容识别、语音质检等方面。在toB和toC市场的总体表现一般是toC软件的部分免费、toC的硬件收硬件费用、toB的软件收接口费和时长费。

目前国内应用较为广泛的ASR方案大致有阿里、讯飞、百度、腾讯等方案商提供的支持，它们都采用公有服务器识别的方案，使用时需将自己本地的语音数据上传到其提供的接口，并等待识别内容的结果返回。

目前ASR领域在准确率、识别效率、并发数、实时/非实时等特征上差异不大，当前差异最主要在以下几个方面：

1. 多种本地化语言的支持，如粤语、四川话、闽南语等特定语系的支持。
2. 对多人通话场景的识别，如根据一段录制的语音，排除干扰背景后，能识别出有n个人的声音，他们分别说了哪几句话。
3. 对长语音、短语音的支持力度，响应速度(比如同声互译等极限场景)。
4. 输出的ASR芯片或模块的价格和整合的难易程度。

本次预研仅针对【实时语音转写】的能力进行分析，根据搜集和初期预研的结果，上述ASR商用方案的特点和差异如下：

阿里云商用ASR

阿里云ASR平台是国内较为知名的ASR平台之一。它提供了多种语言的语音识别服务，并且具有较高的准确率。阿里ASR平台的价格根据服务量和使用时间而定，一般在0.04元/分钟左右。

阿里云的长时间实时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PCM、OPU音频编码格式，支持Java,C++,iOS,Android；流程为先推送申请指令，然后实时传递语音流，然后发送结束指令。

阿里云语音识别价格有免费和付费版本，免费版本最大并发为2，商务专用版 最大为200/100两个并发，也可以按量付费。参考阿里语音识别报价

阿里云登录 - 欢迎登录阿里云，安全稳定的云计算服务平台

讯飞商用ASR

实时语音转写（Real-time ASR）基于深度全序列卷积神经网络框架，通过 WebSocket 协议，建立应用与语言转写核心引擎的长连接，将音频流数据实时转换成文字流数据结果

WebSocket形式输入PCM实时音频流，导出json格式数据

价格为2万元/路/年，新用户免费限时使用。

文档地址：讯飞开放平台文档中心

​​​​​​​百度商用ASR

百度ASR平台是国内最为知名的ASR平台之一。它提供了多种语言的语音识别服务，并且具有较高的准确率。百度ASR平台的价格根据服务量和使用时间而定，一般在0.02元/分钟左右。

百度语音目前每个账号可享10小时免费调用，超出免费时长后，可以购买预付小时包，也可按调用时长后付费。

百度短语音识别采用最新解码技术，API接口识别速度提升5倍以上，耗时仅音频时长十分之一，提升语音交互体验。

百度ASR的文档地址：语音技术-百度智能云

​​​​​​​腾讯云商用ASR

腾讯云ASR平台是另一家知名的ASR平台。它提供了多种语言的语音识别服务，并且具有较高的准确率。腾讯ASR平台的价格根据服务量和使用时间而定，一般在0.03元/分钟左右。

目前腾讯的“一句话语音识别”是试用免费的，识别60s内的短语音，当音频放在请求body中传输时整个请求大小不能超过1M，当音频以url方式传输时，音频时长不可超过60s。接口请求频率限制：20次/每秒。

腾讯ASR的文档地址：语音识别 实时语音识别(websocket)-API 文档-文档中心-腾讯云

小结

商用ASR方案主要是同时支持多语言、高并发、高响应速度上面比较有优势，但一看价格和合作方式，汗，玩不了。

我们最初选型的时候，只是想在提取到实时语音的基础上做一些增值业务，这种按流量按分钟数收接口并发费用的，不符合我们的初期的业务探索活动。

往后尽量往开源的免费ASR方案进行选型和靠拢。

---

上一篇：AI手机-手机SIM卡实时通话内容ASR识别和文字提取-(AI手机通话功能探索)

下一篇：没有了