文档中心

豆包语音

接入必读

录音文件识别

简介

豆包录音文件识别模型支持将音频文件转写成文本数据，内置自动标点、语义顺滑、数字规整、智能分句等功能，可按需自由组合，适用于非实时的语音识别场景

当前提供标准版、极速版和闲时版，用户可根据实际应用场景按需选择，详细对比如下表所示：

说明

极速版和闲时版已从豆包语音控制台下线，存量用户可继续使用，新用户如需使用请联系技术支持

模型版本	豆包录音文件识别标准版 volc.seedasr.auc/volc.bigasr.auc	豆包录音文件识别极速版 volc.bigasr.auc_turbo	豆包录音文件识别闲时版 volc.bigasr.auc_idle
基本介绍	上传录音文件后，通过查询接口获得结果	上传录音文件后快速返回结果，无需查询	利用闲时算力识别，成本更低
返回时间	适中，3h 内返回	极速，30min 音频10s 返回	较慢，24h 内返回
音频时长	< 5h	< 2h	< 5h
文件大小	< 512MB	< 100MB	< 512MB
音频格式	wav / mp3 / ogg / spx / amr / aac / m4a	wav / mp3 / ogg / spx / amr / aac / m4a	wav / mp3 / ogg / spx / amr / aac / m4a
说明： volc.seedasr.auc对应豆包录音文件识别模型 2.0 标准版；volc.bigasr.auc对应豆包录音文件识别模型 1.0 标准版录音文件识别标准版的 submit 与 query 接口共享同一并发，请合理控制调用并发，避免因超出并发上限导致服务报错录音文件识别极速版和闲时版的 submit 与 query 接口相互独立，分别占用各自的并发配额

音频质量推荐

人声过轻或背景噪声过大均可能会影响模型识别效果，建议参考以下范围调整输入音频：

版本对比

各版本在功能上略有差异，具体对比如下表所示：

功能项	豆包录音文件识别模型 2.0	豆包录音文件识别模型 1.0
接入方式	标准版	标准版	极速版	闲时版
支持语种	中英文、方言、小语种	中英文、方言、小语种	中英文、方言、小语种	中英文、方言、小语种
热词
正则替换词
敏感词过滤
智能分句
字/词时间戳
上下文
语义顺滑 "enable_ddc":True 目前仅支持中英文
文本归一化 "enable_itn":True 开启后：“一九七零年” -> “1970年”
双声道识别
输出语音停顿、分句、分词信息
性别检测
语种检测
情绪检测
Function Call 支持音乐、地图领域的推荐词辅助识别
说话人分离

最近更新时间：2026.11.03 10:31:00

这个页面对您有帮助吗？

有用

无用