服务概述

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、灵动课堂等服务，还可以构建更多的垂直应用场景。

技术架构

声网实时转录翻译服务的技术架构如下图所示：

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	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
语言教育	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
智能手表	将语音消息和童话内容转换为文字，便于家长监护。
社交聊天室	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。
体育赛事直播	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。
虚拟展会	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

优势	描述
易集成	核心 API 仅 2 个，无 SDK 版本限制。 将转写、隐藏式字幕、云录制、翻译等服务进行了功能整合，仅需要设置参数就能实现相关功能。
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	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。