5 篇博文 含有标签「speech-to-text」

这篇和科大讯飞教程一样，不写泛泛产品介绍，而是把一条可实践路径讲清楚：第一次使用阿里云百炼 / Model Studio，怎么开通实时语音识别，怎么确认额度和计费，怎么拿 API Key，怎么跑 DashScope SDK 或 WebSocket，最后怎么接到我们自己的网页实时字幕服务。

这次先把问题收窄到最核心的一层：不要会议纪要，不要 AI 总结，不要录音上传后处理，只要“边说边出字”的实时语音转录。

这件事不是去 GitHub 找一个 Whisper WebUI 就能解决。真正的实时 ASR 交付，是浏览器或客户端持续推送音频流，ASR 服务持续返回 partial/final transcript。中文场景里，第一轮应该直接测成熟云服务：科大讯飞、阿里云、火山引擎、腾讯云。

这篇不是泛泛介绍 ASR，而是为了把一条很具体的实践路径跑通：第一次使用科大讯飞开放平台，从注册、创建应用、开通实时语音转写，到拿到密钥、跑 SDK/API demo，最后接到我们自己的网页实时字幕服务。

这篇继续同一组实践教程：第一次使用火山引擎豆包语音 / 大模型流式语音识别，怎么注册开通，怎么拿 Key，怎么选资源 ID，怎么理解 WebSocket 二进制协议，怎么从 smoke test 走到我们自己的网页实时字幕服务。

这次把问题重新收窄：目标不是先找一个“会议笔记大平台”，而是要确认能不能稳定搭出这一条链路：

网页录音按钮 -> ASR 实时/准实时转文字 -> AI 纠错/摘要/会议纪要

这里的关键不是 UI 有多复杂，而是 ASR 是否足够成熟：中文识别、实时 partial/final、低延迟、长录音稳定性、标点断句、说话人、成本、以及能否安全接到浏览器。