語(yǔ)音聽(tīng)寫(xiě)，是指將短音頻（≤60秒）精準(zhǔn)識(shí)別成文字，實(shí)時(shí)返回結(jié)果，達(dá)到邊說(shuō)邊返回的效果。

除了要考慮本身語(yǔ)音聽(tīng)寫(xiě)模型或算法的識(shí)別準(zhǔn)確率之外，一些智能硬件的產(chǎn)品還需要額外考慮降噪、回聲消除、去混響等因素，這些都是保證最后識(shí)別效果的重要因素。因?yàn)樯婕败浻布瑢?duì)能力交付方的項(xiàng)目經(jīng)驗(yàn)提出了較高的要求。

目前，國(guó)內(nèi)提供語(yǔ)音聽(tīng)寫(xiě)技術(shù)的廠商主要有：

1、科大訊飛

成立于1999年，2008年，公司在深圳證券交易所掛牌上市（股票代碼：002230）。一直深耕在人工智能領(lǐng)域，技術(shù)很全也很綜合，多次在語(yǔ)音識(shí)別、語(yǔ)音合成、機(jī)器翻譯、圖文識(shí)別、圖像理解、閱讀理解、機(jī)器推理等各項(xiàng)國(guó)際評(píng)測(cè)中取得佳績(jī)。

在語(yǔ)音聽(tīng)寫(xiě)上，除中文普通話和英文外，支持51個(gè)語(yǔ)種、24種方言和1個(gè)民族語(yǔ)言，可提供公有云接口及私有化部署方案。采用行業(yè)先進(jìn)的語(yǔ)音識(shí)別技術(shù)，識(shí)別率可達(dá)98% 。目前廣泛應(yīng)用于語(yǔ)音搜索、聊天輸入、游戲娛樂(lè)、人機(jī)交互等場(chǎng)景。

2、百度

該技術(shù)主要由百度智能云提供，可適用于手機(jī)語(yǔ)音輸入、智能語(yǔ)音交互、語(yǔ)音指令、語(yǔ)音搜索等短語(yǔ)音交互場(chǎng)景。近場(chǎng)中文普通話識(shí)別準(zhǔn)確率達(dá)98%，在語(yǔ)言支持上覆蓋主流的普通話、口音普通話、粵語(yǔ)、四川話、英語(yǔ)。

3、云知聲

2012年6月創(chuàng)立于北京，是國(guó)內(nèi)頭部人工智能獨(dú)角獸企業(yè)。語(yǔ)音聽(tīng)寫(xiě)主要應(yīng)用于語(yǔ)音搜索、語(yǔ)音輸入、語(yǔ)音控制等場(chǎng)景。準(zhǔn)確率可達(dá)實(shí)用標(biāo)準(zhǔn)，支持普通話、四川話、粵語(yǔ)、英語(yǔ)的識(shí)別。

4、思必馳

07年創(chuàng)立于英國(guó)劍橋，08年回國(guó)落戶蘇州，12年完成A輪融資，是國(guó)內(nèi)專(zhuān)業(yè)的對(duì)話式人工智能平臺(tái)公司，擁有全鏈路的智能語(yǔ)音語(yǔ)言技術(shù)。語(yǔ)音識(shí)別提供基于云+端混合引擎的連續(xù)語(yǔ)音識(shí)別，覆蓋中文、英文、葡萄牙語(yǔ)等語(yǔ)種，粵、川、滬等方言，以及帶方言的普通話。云端連續(xù)實(shí)時(shí)語(yǔ)音識(shí)別率＞97%，可提供公有云接口及私有化部署方案。

審核編輯：符乾江