概述
阿里雲自動語音辨識（ASR）是面向企業的語音轉文字解決方案，採用前沿AI技術。具備高精度語音轉文字能力，可在複雜環境下處理各類音視頻檔案，字錯誤率（CER）低於15%。支援英語、普通話和粵語的多語言識別，未來將擴充更多語言。可在Virtual Private Cloud或混合雲環境中部署，滿足業務需求，確保資料隱私、安全和合規。也可通過API將這些能力整合到應用中。
產品亮點
多語言、靈活的語音轉錄
轉錄音視頻檔案中的英語、普通話和粵語混合內容，無需預先轉換即可高效處理九種主流視頻格式。
高精度、穩健的語音辨識
專為普通話、英語和粵語打造的大音頻語言模型，結合先進的語音活動檢測（VAD）技術，將字錯誤率降至15%以下，帶來卓越的清晰度與可靠性。
面向客服情境的品質評估
藉助大語言模型質檢與Regex引擎相結合的雙步驟驗證體系，革新ASR質檢流程，顯著提升精確度與覆蓋率。
高並發任務效能增強
基於經T4 GPU基準驗證的GPU加速架構，實現行業領先的吞吐效率（超過1：15），可在一分鐘內完成15分鐘音訊說話人分離與語音轉錄。
全面的安全與隱私保護
通過演算法與模型加密、資料轉送加密、儲存隔離及身份認證服務，確保資料全生命週期管理中的安全與隱私。
靈活安全的部署選項
選擇適合業務的部署方式：VPC網路或飛天企業版叢集（資源隔離與雲端管理），支援多種GPU硬體設定及業務優先順序自訂設定。
架構
ASR解決方案架構精心設計，旨在應對全球化情境下多語言混雜語音處理、傳統ASR系統格式相容性差與識別率不穩定，以及政務和金融等領域的資料主權合規等挑戰。架構整合多種模組與演算法，通過混合語言識別和多模態相容提升處理效率。支援英語、普通話和粵語的即時與離線混合語言ASR，未來將擴充更多語種，確保語音處理精準靈活。私人化部署選項保障敏感性資料安全，滿足嚴格法規要求。質檢引擎支援自訂規則，可將人工審核成本降低50%以上。此外，系統支援多業務情境優先順序調度，最佳化資源利用。通過演算法鏡像和API輸出，夥伴可根據自身需求靈活部署。整體方案兼具強勁效能、資料安全和營運效率。
