百度语音识别上线新版本 长语音转写告别时间限制

当语音输入不再受时间的限制，用户是否可以真正实现“动口不动手”？近日，百度AI开放平台向开发者免费开放长语音识别功能，通过SDK调用服务，可将长语音转换为文字。据了解，新版本SDK解除了对时间的限制，开发者无需再将长语音切割成60秒以内的分段，进行调用，提升了转写的效率和语音识别的体验。对于用户来说，新版本告别之前60秒的“束缚”，可根据需要自行把控时间，极大地提高了灵活性。

随着用户对移动端语音功能需求的增长，开发者也开始纷纷将产品接入语音功能。目前，开发者多通过第三方接入语音识别技术，以减少研发时间、降低研发成本。但是，大部分公司提供的语音识别功能有时间限制，类似会议录音、长语句等长语音识别成了难题，虽然市面上存在一些长语音识别技术支持方，但开发者需要为此支付大笔的技术接入费用，徒增业务成本。

对于用户，受“60秒”限制的语音识别功能往往无法满足他们在生活、工作中的需求，这不仅影响他们使用语音识别功能的“兴致”，同时会导致用户对一些搭载了语音识别功能的产品“敬而远之”。

为解决这些痛点，百度基于原有语音识别技术，新增长语音识别功能，让语音识别不再局限于60秒，并且为开发者免费开放。比如开发者可将长语音识别用于会议记录、实时字幕和语音笔记等场景，让产品实现不同时长的音频转换为文字信息，或将直播、视频、现场演讲等音频进行实时字幕转换等功能，方便后期文字处理和内容存档，省去记录的人力和时间成本，大幅提升了转换效率，给予开发者和用户更好的使用体验。

百度长语音识别适用于安卓SDK、iOS SDK，均在原有的离在线融合SDK上升级，开发者可根据不同情况接入百度长语音识别功能。目前，开发者可登陆百度AI开放平台（ai.baidu.com），在“SDK下载”界面中，下载体验百度长语音识别功能。

据了解，作为全球早进军人工智能领域的公司之一，百度早在2010年就已经开始智能语音及相关技术研发，分别于2014年和2015年年底发布了深度语音识别系统Deep Speech和Deep Speech 2。该系统使用“端对端”的深度学习技术，在噪音环境下的表现比谷歌、微软以及苹果的语音系统更好。同时，百度凭借深度语音识别技术于 2016年入选MIT十大突破技术。2017年初，百度推出网页应用SwiftScribe，它能将音频文件转为文本，30秒内就可转换完成时长1分钟的音频文件，转化效率较人工速记快1.67倍，极大提升速记行业转录效率，加速语音行业的发展。