不是简单的语音转文字
传统语音识别(如 Whisper)用 68 万小时音频训练,只会「音 → 字」。
VoiceHub 接入了多模态大模型——用 1 亿小时音频训练,原生理解语音和文字。
它不只转写语音,它同时理解语义。
定价
Free 试试看,Pro 更尽兴
推荐
传统语音识别(如 Whisper)用 68 万小时音频训练,只会「音 → 字」。
VoiceHub 接入了多模态大模型——用 1 亿小时音频训练,原生理解语音和文字。
它不只转写语音,它同时理解语义。
Free 试试看,Pro 更尽兴