基于Deep voice2的端到端建模，將音頻流實時識別為文字，并返回每句話的開始和結束時間，適用于長句語音輸入、音視頻字幕、會議等場景
基于Deep voice2端到端建模，超過10萬小時數據訓練，多采樣率多場景聲學建模，近場中文普通話識別準確率達98%
支持普通話和略帶口音的中文識別；支持英文識別
使用大規模數據集訓練語言模型，對識別中間結果進行智能糾錯，并根據語音的內容理解和停頓智能匹配合適的標點符號，。！？
支持WebSocket API，支持Android、iOS、Linux SDK，可以在多種操作系統、多種設備終端上調用，快速上手，簡單易用
首包響應時間毫秒級，并實時展示中間文字結果，快速識別音頻流
文字識別結果支持時間戳 識別返回的文字結果帶有時間戳，展示VAD切分句子開始和結束時間，方便進行功能開發
語音輸入準確高效，解放雙手，說話內容實時展示在屏幕上，聊天順暢
直播新玩法，主播說話可以直接將說話內容實時轉寫為字幕展示在屏幕上，或者可進行二次字幕編輯
大會演講可以在屏幕上實時展示嘉賓演講字幕，逐字展示并智能糾錯
會議場景中，每個說話人的語音可以實時記錄，提升會議記錄效率
對老師課堂內容實時記錄，校方可以進行教學內容記錄以及教學質量評估
基于Deep Peak2端到端建模，多采樣率多場景聲學建模，近場中文普通話識別準確率達98%
支持WebSocket API方式、Android、iOS、Linux SDK方式調用，可以適用于多種操作系統、多設備終端均可使用
企業級穩定服務保障，專有集群承載大流量并發，高效靈活，服務穩定
中文普通話模型可在語音自訓練平臺上零代碼自助訓練，上傳文本語料即可有效提升業務詞匯的識別準確率5-25%
