语音转文本 (STT) 和文本转语音 (TTS)

预构建声学和语言模型

OCI Speech 采用深度学习流程 — 自动语音识别技术，可准确转写自然对话。即使不了解数据科学，您也可以通过预构建的声学和语言模型轻松使用该服务。

分析音频和视频文件中的数据

搜索音频文件中的数据，为其编索引，并进行分析。将录制的音频对话转为文本数据，并使用 AI 服务进行分析。例如，使用 OCI Language 检索客户情绪，并使用 OCI Speech 的异常检测功能识别客户流失的可能性。

实时转录

OCI Speech 的实时转录功能支持您在几秒钟内发送音频流并接收准确的转录文本。

神经文本转语音 (TTS)

OCI Speech 的文本转语音功能现已限定供应，可帮助您跨应用从文本合成类似人类的语音。此功能支持客户对话、多语言语音翻译并改善了无障碍性。您可以从各种声音中进行选择以增强交互。

原生多语言支持

OCI Speech ASR 模型支持英语、西班牙语、葡萄牙语、德语、法语、意大利语和印地语，允许您使用自己偏好的语言转录音频文件。此外，OCI Speech 还支持 OpenAI Whisper 模型，该模型提供 57 多种现成的语言支持。了解有关 OCI 和 Whisper 模型的更多信息。

通过声纹分割聚类功能提高可读性和理解能力

OCI Speech 支持声纹分割，可组织、分析来自多个发言者的语音，然后从中提取有意义的信息。

一体化转写服务

无需依赖第三方转写产品，提供端到端的安全性和合规性流程，助您更好地控制数据。

易于集成

OCI Speech 是一个通用服务，可通过 REST API、不同的 SDK 和 Oracle CLI 进行调用。开发人员即使不具备数据科学或机器学习专业知识，也可轻松部署可扩展的语音识别服务。

专为保护安全和隐私而打造

Oracle Cloud Infrastructure Speech 可保障客的隐私。预构建的自动语音识别模型可转写您的内容，但不会存储任何数据用于训练、调试或其他目的。

一体化转写服务

OCI Speech 使用专有模型和架构，快速将语音转换为文本。

每个单词的置信度评分

新增的单词级别的置信度评分可帮助您识别可能被错误转写的单词。您还可以使用单词置信度评分来确定构建应用时的重点。

粗言秽语过滤器

使用精选的粗言秽语列表，添加预建的单词过滤功能。您可以屏蔽、删除或标记粗言秽语。