语音识别引擎

AmiVoice API提供多种语音识别引擎，适用于不同的语言和用途。通过为要识别的语音选择最佳的语音识别引擎，可以提高识别精度。本文将说明语音识别引擎支持的语言、引擎类型以及选择使用的要点。

警告

计划于2025年2月1日进行医疗引擎的整合和废除。整合后的说明已在"注意"部分描述。

语音识别引擎列表

以下是AmiVoice API提供的语音识别引擎列表。

语言	引擎名称	语言模型	支持的采样率	连接引擎名
日语	会話_汎用	通用	8k / 16k	`-a-general`
日语	会話_医療	医疗	16k	`-a-medgeneral` `-a-medical`に変更予定(*2)
日语	会話_製薬	制药	16k	`-a-bizmrreport`
日语	会話_金融	金融	16k	`-a-bizfinance`
日语	会話_保険	保险	16k	`-a-bizinsurance`
日语	音声入力_汎用	大规模通用	16k	`-a-general-input`
日语	音声入力_医療	医疗	16k	`-a-medgeneral-input` `-a-medical-input`に変更予定(*2)
日语	音声入力_製薬	制药	16k	`-a-bizmrreport-input` `-a-medical-input`に統合予定(*2)
日语	音声入力_保険	保险	16k	`-a-bizinsurance-input`
日语	音声入力_金融	金融	16k	`-a-bizfinance-input`
日语	音声入力_電子カルテ	电子病历	16k	`-a-medkarte-input` `-a-medical-input`に統合予定(*2)
英语	英語_汎用	通用	8k(*3) / 16k	`-a-general-en`
中文	中国語_汎用	通用	8k(*3) / 16k	`-a-general-zh`
韩语 (*1)	韓国語_汎用	通用	8k(*3) / 16k	`-a-general-ko`

警告

(*1) 韩语目前不支持异步API。未来计划支持。
(*2) 计划于2025年2月1日变更。截至2024年10月30日使用旧引擎名称的用户，在变更后仍可继续使用旧连接引擎名称。这不会影响应用程序的运行，但我们建议您使用新的引擎名称。新引擎将从11月1日起可用。

当前语音识别引擎与新引擎的对应关系如下表所示：

当前		变更后
语音识别引擎名称	连接引擎名	语音识别引擎名称	连接引擎名
会話_医療	`-a-medgeneral`	会話_医療	`-a-medical`
会話_製薬	`-a-bizmrreport`
音声入力_医療	`-a-medgeneral-input`	音声入力_医療	`-a-medical-input`
音声入力_製薬	`-a-bizmrreport-input`
音声入力_電子カルテ	`-a-medkarte-input`

(*3) 英语、中文和韩语的8k引擎目前不支持异步API。未来计划支持。

引擎名称

日语语音识别引擎提供多个引擎，这些引擎是用途(声学模型)和语言模型的组合。

用途

有针对人与人之间自然对话的语音转写优化的"会話"引擎，以及针对人对机器说话的情况优化的"音声入力"引擎。每种引擎使用基于不同数据集训练的声学模型。但是，用途不仅仅是声学模型的区别，还针对各自的用途进行了最优化。

特点和注意事项

"会話"引擎更容易去除"えーっと"、"あのー"等不必要的词语。在标准设置下，这些不必要的词语会被识别出来并自动去除。也可以设置为故意显示不必要的词语。请参考填充词输出指定。使用"音声入力"引擎时，这些词语可能不会被判断为不必要而被去除，或者更容易被误识别为其他词语。

使用场景

会议或电话等语音转写时，请使用"会話"引擎。
电子病历、报告、邮件、短消息等口述录入，或与机器人、语音聊天机器人等机器对话时，请使用"音声入力"引擎。
如果无法确定具体使用场景，请使用"会話"引擎。

语言模型

医疗、制药、金融、保险等不同"领域"有其常用词汇和表达方式。我们为这些领域分别准备了优化的"领域特化"语言模型。

以下是日语语言模型列表。我们为每种用途提供了引擎，并同时说明各自的使用场景。

语言模型	语言模型说明和各用途的引擎
通用	可用于不限定用途的语音内容转写。仅用于"会話" 会話_汎用(`-a-general`): 会议、视频的转写，输入内容不限定的情况等
大规模通用	可用于不限定用途的口述录入或语音对话的转写。比通用模型具有更大的词汇量。包含许多不常用词以及神社、寺庙、城堡、桥梁、温泉、动物园、水族馆、美术馆、博物馆、水坝、隧道等地标、场所、设施名称的词汇。仅用于"音声入力" 音声入力_汎用(`-a-general-input`): 各种场景的口述录入、语音对话应用等
金融	在"通用"语言模型的基础上，添加了金融行业的术语和表达方式。会話_金融(`-a-bizfinance`): 面对面营业时的会话转写等音声入力_金融(`-a-bizfinance-input`): 日报、邮件创作的语音输入等
保险	在"通用"语言模型的基础上，添加了保险行业的术语和表达方式。会話_保険(`-a-bizinsurance`): 面对面营业时的会话转写等音声入力_保険(`-a-bizinsurance-input`): 日报、邮件创作的语音输入等
医疗	在"通用"语言模型的基础上，添加了各种诊疗科目、医疗相关术语、医疗行业会议中的表达方式等。涵盖了大量疾病名称、药品名称、医院名称、手术名称、地名等。会話_医療(`-a-medgeneral` ): 医疗行业会议、医生与患者的诊疗对话、医疗相关视频的转写等音声入力_医療(`-a-medgeneral-input`): 护理记录、医疗相关的语音输入等
制药	在"医疗"语言模型的基础上，添加了大量制药行业的术语和表达方式。涵盖了大量疾病名称、药品名称、医院名称等。会話_製薬(`-a-bizmrreport`): 面对面营业时的会话转写等音声入力_製薬(`-a-bizmrreport-input`): 药剂师的用药指导文创作、医药代表的营业日报语音输入等
电子病历	专门针对电子病历的所见、诊断书、诊疗信息提供书、介绍信等各种医疗文档创作的口述录入进行了优化。仅用于"音声入力" 音声入力_電子カルテ(`-a-medkarte-input`): 各种诊疗科的电子病历等口述录入

警告

计划于2025年2月1日进行医疗引擎的整合和废除。整合后的语言模型列表如下：

新增了"医疗会议"和"医疗通用"语言模型
"制药"语言模型将整合到"医疗会议"语言模型中

语言模型	语言模型的说明和各用途的引擎
通用	可用于不限定用途的发话内容文字化。仅用于"会話" 会話_汎用(`-a-general`): 会议、视频的文字记录，输入不限定的情况等
大规模通用	可用于不限定用途的口述笔记或语音对话的文字化。词汇量比通用模型更大。包含较少使用的词语以及神社、寺庙、城堡、桥梁、温泉、动物园、水族馆、美术馆、博物馆、水坝、隧道等地标、场所、设施名称的丰富词汇。仅用于"音声入力" 音声入力_汎用(`-a-general-input`): 各种场景下的口述笔记、语音对话应用等
金融	在"通用"语言模型的基础上，增加了金融行业的术语和表达方式。会話_金融(`-a-bizfinance`): 文字记录或面对面营销时的对话文字记录等音声入力_金融(`-a-bizfinance-input`): 日报、邮件撰写的语音输入等
保险	在"通用"语言模型的基础上，增加了保险行业的术语和表达方式。会話_保険(`-a-bizinsurance`): 文字记录或面对面营销时的对话文字记录等音声入力_保険(`-a-bizinsurance-input`): 日报、邮件撰写的语音输入等
医疗会议	在"通用"语言模型的基础上，增加了各种诊疗科目、医疗相关术语、医疗行业会议中的表达方式等。适用于大量疾病名称、药品名称、医院名称、手术名称、地名等。仅用于"会話" 会話_医療(`-a-medical` ): 医疗行业的会议、医生与患者的诊疗对话、医疗相关视频的文字记录、面对面营销的对话文字记录、MR的销售日报等
医疗通用	专门用于电子病历的所见、诊断书、诊疗信息提供书、介绍信、护理记录、药剂师的用药指导文的撰写，以及各种医疗文件撰写的口述笔记。仅用于"音声入力" 音声入力_医療(`-a-medical-input`): 各种诊疗科的医生、药剂师等专业人士的口述笔记

日语语言模型的类名列表

以下是日语语音识别引擎中定义的类名列表。类名用于进行单词注册。详情请参阅单词注册。API用户无法添加新的类。

类名	通用	大规模通用	金融	保险	制药	医疗	电子病历	补充
固有名詞	●	●	●	●	●	●
名前	●	●	●	●	●	●		姓を表します
名前(名)	●	●	●	●	●	●		名を表します
名前							●	姓名を表します＊1
駅名	●	●	●	●	●	●
地名	●	●	●	●	●
会社名	●	●	●	●	●	●
部署名	●	●	●	●	●	●
役職名	●	●	●	●	●	●
記号	●	●	●	●	●	●
括弧開き	●	●	●	●	●	●
括弧閉じ	●	●	●	●	●	●
元号	●	●	●	●	●	●	●
病名					●	●	●
薬品名					●	●	●
病院名					●	●	●
手術名						●	●
地名_区町村						●	●
地名_支庁市郡						●	●

(*1) 名字类在电子病历中表示姓名，而在其他语言模型中表示姓。

警告

计划在2025年2月1日进行医疗引擎的合并和重组。合并后的类名列表如下：

新增了"医疗会议"和"医疗通用"语言模型
"制药"语言模型将并入"医疗会议"语言模型

类名	通用	大规模通用	金融	保险	医疗会议	医疗通用	补充
固有名詞	●	●	●	●	●
名前	●	●	●	●	●		姓を表します
名前(名)	●	●	●	●	●		名を表します
名前						●	姓名を表します＊1
駅名	●	●	●	●	●
地名	●	●	●	●
会社名	●	●	●	●	●
部署名	●	●	●	●	●
役職名	●	●	●	●	●
記号	●	●	●	●	●
括弧開き	●	●	●	●	●
括弧閉じ	●	●	●	●	●
元号	●	●	●	●	●	●
病名					●	●
薬品名					●	●
病院名					●	●
手術名					●	●
地名_区町村					●	●
地名_支庁市郡					●	●

中文语言模型的类名列表

以下是中文语音识别引擎中定义的类名列表。

类名	通用
固有名词一般	●
姓	●
名	●

韩语语言模型的类名列表

以下是韩语语音识别引擎中定义的类名列表。

类名	通用
固有名詞	●
地名	●
駅名	●
会社名	●
名前(姓)	●
名前(名)	●

支持的采样率

所有语音识别引擎都支持16kHz采样率。部分引擎还支持电话等常用的8kHz采样率音频。关于采样率的详细信息，请参阅音频格式的采样率部分。

提示

如果自己录音，请以16kHz采样率录音，并使用16kHz的引擎。
对于电话音频，请使用8kHz的引擎。

连接引擎名

在请求参数的连接引擎名 (grammarFileNames)中，指定表中"连接引擎名"列的字符串。关于AmiVoice API Private公开的引擎名，请参阅您的个人页面。

费用

不同引擎的费用有所不同。详情请参阅AmiVoice API的价格。

关于识别精度

语音识别引擎单词表中没有的单词不会被输出。当说出词汇表中没有的单词时，会被识别为发音相似的单词、发音相似的短单词组合或simply错误的单词。由于计算资源和计算时间的限制，每个语音识别引擎都有固定的词汇表。像"会話_汎用"和"音声入力_汎用"这样的通用引擎注册了大量词汇，以便在各种场景中使用，但不包含特定行业或用途的专门词汇。

对于医疗、金融、保险等行业常用的专业术语，使用特定行业的专门引擎可以实现对该行业常用词汇的高识别率。对于特定组织常用的词汇，可以通过进行单词注册来应对。

提示

关于通用引擎和领域特化引擎的识别率差异，AmiVoice Tech Blog中有比较报告。请参阅比较AmiVoice领域特化引擎的语音识别精度(通用 vs 电子病历)和【使用相同发言比较验证】语音输入引擎和对话引擎的识别结果差异。

语音识别引擎列表​

引擎名称​

用途​

特点和注意事项​

使用场景​

语言模型​

日语语言模型的类名列表​

中文语言模型的类名列表​

韩语语言模型的类名列表​

支持的采样率​

连接引擎名​

费用​

关于识别精度​