# 服务概述 (/zh-CN/realtime-media/speech-to-text)

> For AI agents: see the complete documentation index at [llms.txt](/llms.txt).

针对当前语音转录翻译场景中术语难翻译、口音难识别、多人交叉打断式对话、嘈杂环境等行业痛点，声网推出了超低延时、高准确率、成本收益更高的实时转录翻译服务。此外，在实时转写、翻译的基础上，搭配大语言模型 LLM 的能力，以及声网实时互动 RTC、实时消息 RTM 等服务，还可以构建更多的垂直应用场景。

<OverviewActions actions={[
  { label: '服务端 API', href: '/zh-CN/api-reference/api-ref/speech-to-text' },
  { label: '计费说明', href: '/zh-CN/realtime-media/speech-to-text/reference/billing' },
]} />

## 立即体验 [#立即体验]

<Cards>
  <Card title="在线体验" href="https://stt-demo-cn.shengwang.cn/" description="快速体验声网实时转录翻译的语音转写功能。" />
</Cards>

## 开始构建 [#开始构建]

<Cards>
  <Card title="快速开始" href="/zh-CN/realtime-media/speech-to-text/get-started/quick-start" description="运行示例或完成最小可用集成，快速验证核心流程。" />
  <Card title="构建功能" href="/zh-CN/realtime-media/speech-to-text/build/monitor-events/receive-webhook" description="按业务任务接入核心能力，并完成生产环境配置。" />
  <Card title="参考信息" href="/zh-CN/realtime-media/speech-to-text/reference/release-notes" description="查看版本、计费、限制、错误码、API 和兼容性说明。" />
</Cards>


## 技术架构 [#技术架构]

声网实时转录翻译服务的技术架构如下图所示：

![技术架构](https://web-cdn.agora.io/docs-portal/img/speech-to-text/real-time-stt-arch.png)

## 功能与场景 [#功能与场景]

你可以使用实时转录翻译服务实现如下功能和业务场景：

| 业务场景 | 功能描述 |
| --- | --- |
| 语言教育 | [product-overview-html-0-1-1 details](#table-slot-product-overview-html-0-1-1) |
| 语言教育 | [product-overview-html-0-2-1 details](#table-slot-product-overview-html-0-2-1) |
| 智能手表 | 将语音消息和通话内容转换为文字，便于家长监护。 |
| 社交聊天室 | [product-overview-html-0-4-1 details](#table-slot-product-overview-html-0-4-1) |
| 体育赛事直播 | [product-overview-html-0-5-1 details](#table-slot-product-overview-html-0-5-1) |
| 虚拟展会 | [product-overview-html-0-6-1 details](#table-slot-product-overview-html-0-6-1) |

<a id="table-slot-product-overview-html-0-1-1"></a>

**product-overview-html-0-1-1 details**

- 实现语言学习中常用的实时翻译、转写功能，有效提升学习效率
- 实现例如隐藏式字幕等高级会员专属功能，还能增加业务收入

<a id="table-slot-product-overview-html-0-2-1"></a>

**product-overview-html-0-2-1 details**

将语音转写后的文本提供给 LLM，进而提供更多功能，例如：

- 实时语言分析
- 实时翻译
- 语言水平评估
- 交互式练习环节
- 情境化及个性化学习体验

<a id="table-slot-product-overview-html-0-4-1"></a>

**product-overview-html-0-4-1 details**

- 实时转录翻译：将语音实时转换为文字，使所有参与者都能参与对话。
- 房间话题展示：在房间浏览器中显示生成的话题，帮助用户快速找到感兴趣的内容。
- 实时翻译：实时翻译多种语言的对话，让不同语言背景的用户无缝交流。
- 内容审核：通过关键词过滤监控对话中的不当内容。
- 情绪分析：分析文本以判断参与者情绪，并相应调整话题或审核策略。

<a id="table-slot-product-overview-html-0-5-1"></a>

**product-overview-html-0-5-1 details**

- 实时字幕生成：为体育解说提供实时字幕，确保所有观众都能无障碍观看。
- AI 精彩片段生成：基于解说内容自动生成比赛关键时刻的集锦与摘要。
- 多语言实时翻译：将解说内容实时翻译成多种语言，服务全球观众。
- 粉丝互动增强：通过文字内容实现解说员/球员与观众的实时问答，AI 生成互动回复提升参与感。
- 精准广告投放：根据实时解说话题推送相关广告，提升广告精准度和转化率。

<a id="table-slot-product-overview-html-0-6-1"></a>

**product-overview-html-0-6-1 details**

- 实时字幕服务：为听障用户及静音场景提供字幕支持，确保所有观众的无障碍访问。
- 带字幕回放：支持大型活动录像带字幕回放功能，保障内容持续可访问性与参与度。

## 服务优势 [#服务优势]

| 优势 | 描述 |
| --- | --- |
| 易集成 | [product-overview-html-1-1-1 details](#table-slot-product-overview-html-1-1-1) |
| 超低延时、高准确率 | 自研转录翻译调度引擎，中文转录首字延时达到 808 ms，转译错误率达到 3.34%，均优于行业水平。 |
| 多人嘈杂环境表现优异 | [product-overview-html-1-3-1 details](#table-slot-product-overview-html-1-3-1) |

<a id="table-slot-product-overview-html-1-1-1"></a>

**product-overview-html-1-1-1 details**

- 核心 API 仅 2 个，无 SDK 版本限制。
- 将转写、隐藏式字幕、云端录制、翻译等服务进行了功能整合，仅需设置参数即可实现相关功能。

<a id="table-slot-product-overview-html-1-3-1"></a>

**product-overview-html-1-3-1 details**

- 适配多人交叉打断式对话（例如多人语聊、会议）的复杂场景，保证转录和翻译的准确性。
- 声网独有的音频降噪技术，能识别噪音环境下的语音，让转录翻译更精准。