能力
五项能力，按需开通
ASR
语音识别
普通话、英语、粤语、日语、韩语自动识别，带标点与数字规整。支持 mp3 / m4a / wav / 视频文件，输出纯文本、字幕 SRT / VTT。
异步任务
会议转写
最长 2 小时的会议录音，提交后后台排队处理，可区分说话人，完成后回调通知，结果按发言人分段整理。
OCR
文字识别
照片、截图、扫描件、PDF 识字，返回整段文字和每一行的位置坐标，自动纠正图片方向。
结构化
发票识别
数电发票 PDF 直接读取，扫描件和照片自动识别，返回号码、日期、买卖方、金额税额，并自动校验金额是否对得上。
TTS
语音合成
中文与中英混读，男声女声可选，语速可调，输出 mp3 / wav / opus 等格式，适合播报与配音。
在线体验
拿到令牌后，可以直接在网页上传录音、图片、发票试一试效果。
去试试兼容 OpenAI 接口
语音识别、语音合成接口与 OpenAI 格式一致，现有代码改一下地址和令牌就能用。
私有部署模型
默认由部署在服务器上的开源模型处理，音频和图片不经过第三方。
额度与有效期
每个令牌单独设置有效期、每日 / 每月 / 累计额度和每分钟请求数，用量随时可查。
结果可校验
发票金额自动交叉核对，识别不确定时明确标出需要人工复核的原因。