> ## Documentation Index
> Fetch the complete documentation index at: https://docs.senseaudio.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 语音识别介绍

> SenseASR 语音识别能力总览、模型对比与接口选型

SenseAudio 的语音识别（Automatic Speech Recognition, ASR）是专为多场景设计的全栈式语音识别解决方案。从极致的实时响应到深度的语义理解与音频质量检测，SenseASR 系列涵盖了从基础识别到智能内容生成的全链路需求，旨在帮助开发者快速构建高性能的语音应用。

## 核心特性

### 极致响应与超低延迟

深度优化音频处理链路，确保快速响应：

* **低延迟体验**：优化流式识别链路，实现"所见即所言"，首屏反馈延迟极低。
* **高性能并发支撑**：成熟的分布式架构，能够稳定承载大规模并发请求，保障业务高峰期的服务连续性。

### 语义智能识别

突破传统的逐字识别，融入深度的语义理解：

* **意图感知**：识别过程中同步理解语义，能够精准捕获说话人的核心意图。
* **语境逻辑优化**：结合上下文进行语义识别，有效提升在复杂表述或特定行业语境下的识别准确度。

### 智能内容整理与书面化

针对口语转文字的痛点，提供自动优化技术：

* **智能整理**：自动识别并剔除口语中的"呃、啊、那个"等冗余词与语气词；自动识别改口、重复，直接整合最终结论。
* **逻辑条理化**：支持自动分段、修正词汇偏差，将杂乱的口语转化为逻辑清晰、排版规范的书面化文档。

### 音频质量监测

支持在识别链路中对音频进行评估，确保数据处理的可靠性：

* **多维质量报告**：评估噪声分数，噪声种类等。
* **噪声分析**：对音频噪声进行专业分析，帮助开发者筛选或评估原始音频文件的质量。

## 应用场景

### 办公协作与数字化会议

在日常会议、讲座培训或多方谈话场景下，实现语音内容的同步记录与归档。支持标准话语的稳定识别，确保会议纪要的准确性与时效性。

* **核心价值**：提供高精度的通用识别能力，支持长音频文件的一键识别，助力企业知识资产的沉淀。

### 深度采编与内容生产

针对媒体访谈、演讲稿录入、自媒体创作等专业场景，提供基于大模型的文本精修服务。自动处理口语冗余，将原始素材直接转化为可阅读的专业文稿。

* **核心价值**：实现口语转书面表达，自动剔除语气词并进行逻辑分段，减少人工二次整理工作。

### 智能指令与设备控制

为智能家居、车载系统、穿戴设备提供高效的语音反馈能力。在接收到用户的短语音输入后，系统迅速返回识别结果，驱动下游指令执行。

* **核心价值**：实现低延迟的任务反馈，保障在车载交互或智能家居控制中的流畅体验。

### 教育培训与学术整理

构建智能教学助手，对课堂教学、在线讲座或语言学习音频进行文字化处理。支持多语种环境下的精准识别，辅助生成学习笔记与教学参考。

* **核心价值**：支持专业词汇的准确识别，帮助学生或研究人员快速提取核心知识点，实现学习路径的个性化管理。

## 模型对比

| 能力         | senseaudio-asr-lite-1.5-260319 | senseaudio-asr-1.5-260319 | senseaudio-asr-pro-1.5-260319 | senseaudio-asr-deepthink-1.5-260319 |
| :--------- | :----------------------------: | :-----------------------: | :---------------------------: | :---------------------------------: |
| **基础识别**   |                ✅               |             ✅             |               ✅               |                  ✅                  |
| **流式返回**   |                ❌               |             ❌             |               ❌               |                  ✅                  |
| **说话人分离**  |                ❌               |             ❌             |               ✅               |                  ❌                  |
| **字级时间戳**  |                ❌               |             ✅             |               ✅               |                  ❌                  |
| **句级时间戳**  |                ❌               |             ✅             |               ✅               |                  ❌                  |
| **翻译**     |                ❌               |             ❌             |               ✅               |                  ✅                  |
| **热词增强**   |                ✅               |             ❌             |               ❌               |                  ❌                  |
| **智能编辑收敛** |                ❌               |             ❌             |               ❌               |                  ✅                  |
| **多语言支持**  |                ✅               |             ✅             |               ✅               |                  ✅                  |

## 接口概览

SenseAudio 提供两种接口协议，满足不同场景的语音识别需求：

### HTTP 统一接口

基于标准 HTTP 协议的语音识别服务，适用于离线音频文件识别场景。

| 接口路径                                                                     | 接口类型 | 说明                                        | 支持模型                        |
| :----------------------------------------------------------------------- | :--- | :---------------------------------------- | :-------------------------- |
| [`/v1/audio/transcriptions`](/api-reference/endpoint/asr/transcriptions) | POST | 多模型语音识别统一接口，支持文件上传、流式返回、说话人分离、字级时间戳、翻译等功能 | Lite、Standard、Pro、DeepThink |

**核心特性：**

* 支持 4 种识别模型，灵活选择速度与精度
* 支持 wav、mp3、ogg、pcm、flac、aac、m4a 等多种音频格式
* 提供 JSON、Text、Verbose JSON、SSE 流式等多种响应格式
* 兼容 OpenAI Audio API 风格，易于迁移

### WebSocket 实时接口

基于 WebSocket 协议的全双工实时语音识别，适用于实时语音交互场景。

| 接口路径                                                                   | 接口类型      | 说明                             | 支持模型      |
| :--------------------------------------------------------------------- | :-------- | :----------------------------- | :-------- |
| [`/ws/v1/audio/transcriptions`](/api-reference/endpoint/asr/websocket) | WebSocket | 实时语音流识别，支持边录边转、VAD 自动断句、智能指令翻译 | DeepThink |

**核心特性：**

* 全双工通信，音频上传与文本下发同步进行，延迟极低
* 内置 VAD（语音活动检测），自动识别语音停顿并智能断句
* 支持智能指令转译
* 支持多种语言的实时识别

### 接口选择指南

根据业务场景选择合适的接口：

| 场景       | 推荐接口              | 理由                         |
| :------- | :---------------- | :------------------------- |
| 录音文件识别   | HTTP 统一接口         | 支持多种文件格式，功能丰富（说话人分离、情感分析等） |
| 实时语音对话   | WebSocket 实时接口    | 低延迟，边说边识别，适合交互场景           |
| 批量音频处理   | HTTP 统一接口         | 稳定可靠，支持并发请求                |
| 智能语音助手   | WebSocket 实时接口    | 实时反馈，支持智能指令解析              |
| 会议记录（离线） | HTTP 统一接口（Pro 模型） | 支持说话人分离、字级时间戳              |
| 会议记录（实时） | WebSocket 实时接口    | 实时生成会议纪要                   |

## 开始使用

<Steps>
  <Step title="获取 API Key">
    前往 [API 密钥](https://senseaudio.cn/api-platform/api-key) 创建您的 API Key。
  </Step>

  <Step title="选择调用方式">
    离线文件场景使用 [语音识别转写](/api-reference/endpoint/asr/transcriptions)；实时对话场景使用 [WebSocket 实时识别](/api-reference/endpoint/asr/websocket)。
  </Step>

  <Step title="处理识别结果">
    根据业务需要读取文本、时间戳、说话人分离或翻译结果。
  </Step>
</Steps>

## 相关资源

<CardGroup cols={2}>
  <Card title="语音识别转写" icon="file-audio" href="/api-reference/endpoint/asr/transcriptions">
    离线文件识别统一接口。
  </Card>

  <Card title="WebSocket 实时识别" icon="bolt" href="/api-reference/endpoint/asr/websocket">
    全双工实时语音识别协议详解。
  </Card>

  <Card title="音频质量检测" icon="wave-square" href="/api-reference/endpoint/asr/analysis">
    噪声评分与噪声类型分析。
  </Card>

  <Card title="语音识别历史" icon="clock-rotate-left" href="/api-reference/endpoint/asr/records">
    按会话或 API Key 查询识别记录。
  </Card>
</CardGroup>