文档中心

AI 数据湖服务

LAS skills 应用实践

语音识别 Skill：会议总结/客服质检/字幕生成/游戏审核

语音识别 Skill 是 AI 数据湖服务（LAS）提供的多模态数据处理技能，目前已对接火山引擎 ArkClaw 和 OpenClaw。

Skill 优势

LAS 语音识别 Skill 提供语音转写与语义解析能力，可将海量音视频中的语音内容高精度转换为结构化文本，支持多语种、多音轨识别、智能断句与标点、时间轴与说话人切分等高级能力。结合自然语言理解与自定义词表，能更好适配垂直业务术语与口音场景，帮助业务快速完成内容索引、检索与统计分析，广泛应用于会议纪要、直播与短视频字幕生成、内容审核与质检、运营洞察与知识沉淀等场景。

音视频一体转写	多语种多方言覆盖	内置降噪精准识别
一套 ASR 能力同时支持音频与视频转写，覆盖会议录音、直播回放、短视频等多种素材形态，减少多套方案维护成本。	支持的语种更丰富，可识别含 99+ 种外国语和多类方言，几乎不受语种限制，更适配跨区域业务与多语言内容场景。	内置智能降噪与声学优化能力，在嘈杂环境、远讲等复杂声场下也能保持更高识别准确率，显著提升下游检索与分析效果。

应用场景

说明

以下为您展示示例的音频文档转写的效果，转写结果为大模型生成，每次生成结果可能不完全一致。

场景一：从嘉宾访谈音频中提炼精彩观点

场景介绍

你是一名某科技宣传公司的记者，需要在一段长达 8 分钟的对话访谈音频中，提炼出内容提纲、核心观点，并制作出个人精彩话语、犀利观点等内容，进行传播推广。

效果展示

原音频

直播2_音频.mp3

任务示例

识别后的 MarkDown 文件

Markdown源文件

直播2音频转写结果.md

预览示例

最近更新时间：2026.04.01 20:58:54

这个页面对您有帮助吗？

有用

无用