無論是會議、訪談錄音的整理，還是各種視頻的字幕制作與語音質(zhì)檢，快速解決各類場景下的音頻轉文字的需求，都離不開音頻文件轉寫服務。
音頻文件轉寫服務，是自動語音識別Automatic Speech Recognition(ASR)技術的一種應用，將長段音頻文件（5小時以內(nèi)或文件大小在2G以下）轉換成文本數(shù)據(jù)。適用于會議轉寫、字幕生成、音頻內(nèi)容分析等場景。
近期，云知聲音頻文件轉寫發(fā)布最新版本。經(jīng)過不斷地努力與算法攻堅，云知聲團隊在前端語音信號處理、聲學模型、解碼方式等各項技術實現(xiàn)全面升級，尤其聲學模型方面，首次使用了基于注意力機制的端到端模型，在準確率方面有了明顯提升；同時，在快速糾錯和熱詞識別等方面也進行了功能優(yōu)化與實時更新，進一步滿足了各使用場景用戶的需求，提升音頻文件轉寫使用體驗。
01全新技術升級 準確率提升超3%
最新的版本中，云知聲的音頻文件轉寫在語音識別技術上采用最先進的AED 端到端系統(tǒng)（Attention-based Encoder Decoder），又創(chuàng)新性的提出了SMAD（Self-and-Mixed attention Decoder）技術，即在解碼中，采用文本和聲學的混合注意力機制，從而得到識別的最優(yōu)結果。
無論是不同設備錄制、不同網(wǎng)絡傳輸、還是帶有一定噪聲和干擾的語音，都可以實現(xiàn)準確轉寫。在通用場景測試中，云知聲準確率絕對提升超3%。達到行業(yè)頂尖水平。這不僅能帶給終端用戶更好的體驗；對開發(fā)者來說，也是一次效率以及質(zhì)量的升級，大大滿足開發(fā)者精0益求精的訴求。
02 更簡單易用 開發(fā)者0成本接入先進語音識別技術
音頻文件轉寫通過 Web API 的方式給開發(fā)者提供通用 HTTP 接口，具備流式傳輸能力和輕量、跨平臺的特點，方便開發(fā)者直接調(diào)用、快速集成。
云知聲作為國內(nèi)頭部的人工智能獨角獸企業(yè)，以人工智能語音技術為核心，通過全棧式技術鏈條，為企業(yè)和用戶提供智能語音技術和綜合解決方案。
本次升級只是技術提升，并不改動接口，所以原來對接過云知聲音頻文件轉寫服務的開發(fā)者沒有任何影響。
此外， 我們?yōu)樾陆尤氲拈_發(fā)者準備了免費體驗包，注冊即可認領；實名認證的個人開發(fā)者和企業(yè)開發(fā)者，還可以獲得一大份認證禮包。
新手 3步 集成：
作為新一代智能語音識別引擎，云知聲音頻文件轉寫最新版本已經(jīng)在官網(wǎng)及AI開放平臺煥新上線，以優(yōu)質(zhì)的性能對外提供AI開放式服務，賦能更多對音頻文件轉寫有需求的開發(fā)者與合作伙伴。
未來，團隊會在繼續(xù)打磨技術的基礎上，賦能更多應用場景，加速語音識別技術的快速落地！
