产品优势

Zmeet专注于高精度多语言语音识别、情感辨识和音频事件检测

海量数据积累

立足于中国电信庞大的海量数据，积累了数十万小时的语音标注数据，拥有丰富多样的语料库，为高识别率奠定数据基础。

算法业界领先

非自回归端到端框架，推理延迟极低， 涵盖声纹识别和语音识别、情感识别在内，RTF控制在0.01以内，在通用以及垂直领域有业内领先的识别精度。

富文本识别：

• 具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。
• 支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。

支持多平台设备

具有完整的服务部署链路，支持多并发请求，支持客户端语言有，python、c++、html、java 与 c# 等。支持智能硬件、移动应用、网站、桌面客户端和物联网等多种设备终端。

支持语种丰富

现阶段已经支持中文普通话、英文、粤语、韩语、日语、泰语等100种语种和上海话、四川话、武汉话、贵阳话、昆明话、郑州话、藏语、维语和蒙语等28种方言的语音识别，后续将持续开放其他语种和方言的识别能力。

噪声环境识别佳

语音识别模型鲁棒性佳，识别精度高，抗噪声的干扰能力强，能够识别来自嘈杂环境的音频信息，不需要客户进行降噪处理。

支持语言定制增强

针对特定场景，客户可以定制自己的语言模型，实现对特定场景和少数民族语言和方言的增强识别。

本项目涵盖如下语音识别接口

1. 实时语音识别接口

• 支持中英文等100种实时语音识别和同声传译
• 支持多方言识别
• 支持藏语、维语和蒙语等极少民族语言的语音识别
• 支持实时流式识别
• 支持实时声纹识别，声纹识别可以和语音识别同步返回，60秒语音1s内完成所有识别（业内只有我们）
• 支持情感识别
• 支持场景音识别

2. 录音文件识别接口

• 支持中英文等100种离线识别和同声传译
• 支持多方言识别
• 支持藏语、维语和蒙语等极少民族语言的语音识别
• 理论上支持任意时间长度如十小时以上的录音文件识别（业内只有我们）
• 1小时录音文件识别1分钟完毕（排队除外）
• 支持声纹识别，声纹识别定位到字符

3. 一句话语音识别接口* 支持中英文等多国语言识别

• 支持中英文等100种离线识别和同声传译
• 支持藏语、维语和蒙语等极少民族语言的语音识别
• 支持多方言识别
• 支持声纹识别
• 最快100毫秒返回

公共参数

1. 公共参数接口

2. 2位字符国家编码