腾讯云语音识别（Automatic Speech Recognition） 为企业提供极具性价比的语音识别服务。被微信、王者荣耀、腾讯视频等大量内部业务使用，外部落地录音质检、会议实时转写、语音输入法等多个场景。
简介
特性
价格低
后付费包识别1小时语音不到0.2美元。最大程度降低客户成本。
语种多
已经支持中文、英文，后续将持续开放其他语种和语言的识别能力。
效果好
字准率97%处于业界领先水平，与微信、王者荣耀的语音转文字使用一套服务，效果一样好。
算法强大
基于创新网络结构 TLC-BLSTM，利用 ATTENTION 机制有效地对语音信号进行建模，通过 Teacher-Student 方式提升系统鲁棒性，对通用以及垂直领域下场景有领先业界的识别精度和效率。
自助提升准确率
针对垂直领域，上传词表或句子即可完成语言模型的自动优化，借助自训练平台，不懂算法也可轻松实现定制化模型，进一步提升识别准确率。
支持场景丰富
经过内部微信、腾讯视频、王者荣耀等大流量产品的充分验证，在互联网、金融、教育等领域，基于海量数据实现分场景优化，积累了多行业的最佳实践。
应用场景
呼叫中心
短视频字幕
视频理解
传统语音电话质检严重受限于人的工作效率和人力成本，只能抽检不能全检，难以评估客服的真实工作质量。语音识别将电话语音识别为文本，再实时对文本进行分析，识别不符合规范的服务通话记录。大幅提升呼叫中心工作质量管控能力，完成人力不可能完成的超大规模电话质检工作，提升呼叫中心人员的服务质量。
在拍摄 Vlog 的场景中，用户会边拍视频边说话；拍完视频还需要二次编辑，手动输入字幕才能将视频发布。通过实时语音识别，实现了用户边拍边说，将语音内容直接显示在视频上。大大减少了用户后期处理的成本，让用户拍摄后即可发布。
在直播、音频分享等平台，有海量音视频需要理解，用来做质检审核或者标签推荐，基于人力很难实现。实时语音识别可将视频中的音频（流）通过音视频专属模型进行转写，可满足多种输入、不同时延的需求。助力快速对平台海量音视频进行理解，极大降低人力成本，快速实现质检审核或精准推荐。
定价
使用实时语音识别产品调用总量达到某个阶梯后，所有调用量按该阶梯的单价进行计费，阶梯越高，单价越低。每日会对上一日用量输出账单并扣费。更多定价描述详见计费概述。