// продукт · распознавание речи
Распознавание речи
Текст из телефонных звонков и записей: файл целиком по REST или живой поток по WebSocket с промежуточными гипотезами.
API открыт с тарифа Start за 500 ₽ в месяц. Запрос доступа — для установки в ваш контур.
neuro_asr_v2
Собственная модель Neuro.net
- Направление
- audio → text
- Файлы
- wav · mp3 · ogg · flac · m4a и другие
- Поток
- PCM 16 бит · 8000 / 16000 Гц
- Режимы
- REST · WebSocket
- Язык
- русский
Neuro ASR — модель распознавания русской речи neuro_asr_v2. Она принимает аудио в любом распространённом формате и возвращает текст с пунктуацией, сегменты с таймингами и уверенность модели по каждому фрагменту.
// audio → text
Два режима
- REST
Файл
Отправьте запись целиком и получите расшифровку с сегментами, таймингами и уверенностью. Для записей разговоров, контроля качества и архивов.
- WS
Поток
Двусторонний канал для живого диалога: промежуточные гипотезы по ходу речи. Для голосовых агентов и IVR.
wav · mp3 · ogg · flac · m4a · поток PCM 8 / 16 кГц
Что возвращает модель
Текст с пунктуацией
Знаки препинания и заглавные буквы ставит модель, постобработка на вашей стороне не нужна.
Сегменты с таймингами
Начало и конец каждого фрагмента, чтобы перейти к нужному месту записи.
Уверенность по фрагменту
Оценка модели для каждого сегмента: сомнительные места можно отправить на проверку человеку.
Телефонный звук 8 кГц
Файлы подаются как есть: частоту и контейнер приводим сами. В потоке принимаем PCM 16 бит на 8 или 16 кГц.
Где применяют
// контакт-центр
Расшифровка разговоров
Записи звонков в текст для контроля качества и поиска по разговорам: сегменты и уверенность показывают, что слушать целиком.
Распознавание и синтез речи в контакт-центре// диалог
Голосовые агенты и IVR
Поток по WebSocket отдаёт промежуточные гипотезы, пока собеседник говорит: агент отвечает без ожидания конца записи.
Живой пример: агент на главной// интеграция
Подключение к продукту
Ключ доступа, REST для файлов, WebSocket для потока. Без SDK: любой язык, у которого есть HTTP-клиент.
Как подключить синтез и распознавание речи
// доступ
Как получить доступ
Доступ к API открывается на платных тарифах от 500 ₽ в месяц. Пакет минут общий для синтеза и распознавания: на Start это до 500 минут распознавания, на Pro до 6 000. Сверх пакета от 0,30 ₽ за минуту, тарификация посекундная, от 3 одновременных запросов. Для выделенных лимитов, SLA и установки on-premise Enterprise по договору.
// данные
Где обрабатывается аудио
В облаке Neuro.net на серверах в России или в вашем контуре без доступа в интернет. Аудио и расшифровка запроса к API живут в оперативной памяти на время обработки, на диск не пишутся и в обучение моделей не попадают. Записи в истории распознавания консоли хранятся, пока вы их не удалите.