Vovsoft语音转文本转换器支持离线和在线语音引擎。离线Vosk连续听写？在线OpenAI（Whisper）深图微软Azure IBM云离线语音引擎离线语音识别引擎不需要互联网连接，它们在您的计算机上本地运行。然而，它们往往不如在线模型准确，尤其是在复杂的语音或口音中。此外，它们可能会消耗更多的本地资源，从而可能减慢您的系统速度。Vosk如何使用Vosk（离线-文件到文本）Vosk是一个离线工作的语音识别工具包，支持20多种语言。它在您自己的计算机上执行语音到文本的转换。在任何情况下，都不会将文件发送到互联网。Vosk需要一个“models”目录，其中包含语言数据。Vovsoft语音到文本转换器嵌入了轻量级的英语和法语模型。
如果您需要其他语言或对结果不满意，请按照以下步骤操作：转到https://alphacephei.com/vosk/models并免费下载任何模型文件。将模型文件解压缩到models文件夹中。示例：C:\程序文件（x86）\WOVSOFT\语音到文本转换器\vosk\models重新启动VOVSOFT语音到文本转换程序。
请注意。使用此功能需要.NET Framework 4.8。这个版本的。NET Framework预装在大多数Windows 10和Windows 11系统上。Vosk需要64位Windows。Vosk建议使用16GB RAM，但轻量级型号可以使用较少的RAM。Vosk模型路径必须仅使用英文字符。默认安装路径很好，但自定义目录应避免使用非英文字符。连续听写如何使用连续听写（离线-麦克风到文本）连续听写需要“微软语音平台”，该平台已预装在大多数系统上。
此功能支持英语、法语、德语、日语、简体中文、西班牙语和繁体中文。如何更改语音识别设置：按Windows键。键入并进入控制面板。查找并单击语音识别。如果您的系统上没有安装语音识别器，请按照以下步骤操作：
下载并安装Microsoft语音平台：https://www.microsoft.com/en-us/download/details.aspx?id=27225Download并安装语音识别（SR）语言：https://www.microsoft.com/en-us/download/details.aspx?id=27224Connect麦克风（如果尚未连接）。重新启动计算机。在线语音转文本API服务如果您想在云服务器（而不是自己的计算机）上执行语音转文本转换，并利用最新的人工智能进步，您将需要至少其中一家提供商的凭据：API提供商PricingFree TierCredit Card1。OpenAI每分钟0.0060美元不需要2。Deepgram每分钟$0.0044$200免费积分不需要
3.微软Azure每分钟0.0167美元每月300分钟
4.IBM Cloud每分钟0.0100美元，每月500分钟，IBM云、Microsoft Azure和OpenAI可能需要有效的信用卡才能注册，并且可能在中国和台湾等一些国家/地区不可用。1。OpenAI（Whisper）如何获得OpenAI API密钥为了获得您的OpenAI API密钥，请遵循以下步骤：转到https://platform.openai.com/signup免费创建您的OpenAI帐户。首选https://platform.openai.com/account/api-keys并创建您的API密钥。最大文件大小是多少？OpenAI Whisper的文件大小限制为26214400字节（25MB）。什么是API温度？采样温度在0到1之间。
较高的值（如0.8）将使输出更加随机，而较低的值（例如0.2）将使其更加集中和确定。
2.Deepgram如何获得Deepgram API密钥为了获得您的Deepgram API密钥，请按照以下步骤操作：转到https://console.deepgram.com/signup并免费创建您的Deepgram帐户。单击API键。单击新建API密钥。3。Microsoft Azure如何获取Microsoft Azure API密钥和API区域为了获取您的Microsoft Azure API密钥和API区域，请按照以下步骤操作：转到？https://portal.azure.com免费创建您的Microsoft Azure帐户。单击“创建资源”。选择认知服务。创建语音服务后，您的凭据可以在中找到？键和端点页面：KEY1、KEY2（任何一个键都应该工作）和位置/区域字段。Microsoft Azure支持的语言的凭据屏幕Microsoft Azure南非荷兰语、阿尔巴尼亚语、阿姆哈拉语、阿拉伯语、亚美尼亚语、阿塞拜疆语、孟加拉语、波斯尼亚语、保加利亚语、缅甸语、加泰罗尼亚语、中文、克罗地亚语、捷克语、丹麦语、荷兰语、英语、爱沙尼亚语、菲律宾语、芬兰语、法语、格鲁吉亚语、德语、希腊语、古吉拉特语、希伯来语、印地语、匈牙利语、冰岛语、印度尼西亚语、爱尔兰语、意大利语、日语、爪哇语、卡纳达语、哈萨克语、高棉语、韩语、老挝语、拉脱维亚语、立陶宛语、马其顿语、马来语、马拉雅拉姆语、马耳他语、马拉地语、蒙古语、尼泊尔语、挪威博克姆语？l、 Microsoft Azure是否支持普什图语、波斯语、波兰语、葡萄牙语、罗马尼亚语、俄语、塞尔维亚语、僧伽罗语、斯洛伐克语、斯洛文尼亚语、索马里语、西班牙语、斯瓦希里语、瑞典语、泰米尔语、泰卢固语、泰语、土耳其语、乌克兰语、乌兹别克语、越南语、威尔士语和祖鲁语？认知服务。IBM Cloud如何获取IBM Cloud API密钥和API URL为了获取您的IBM Cloud API密钥和API URL，
请按照以下步骤操作：转到https://cloud.ibm.com/registration免费创建您的IBM Cloud帐户。请注意：如果您收到此错误消息“此时无法创建您的帐户”，请使用您的Gmail电子邮件地址。看起来IBM Watson不喜欢一些电子邮件提供商。所以，如果你有任何这样的问题，就使用另一个电子邮件地址。？首选https://cloud.ibm.com/catalog/services/speech-to-text并创建您的语音转文本精简版计划实例。首选https://cloud.ibm.com/resources；在AI/机器学习选项卡下，单击您的语音到文本实例。您的凭据（API密钥和URL）将显示在管理或服务凭据页面中。IBM Cloud的凭据屏幕将您的API密钥和URL输入到“Vovsoft语音到文本转换器”内的设置面板中。该软件现在已准备好将音频转换为文本。IBM Cloud API支持IBM CloudEnglish、阿拉伯语、中文（普通话）、捷克语、荷兰语、法语、德语、印地语（印度）、意大利语、日语、韩语、葡萄牙语（巴西）和西班牙语中支持的语言和模型。对于大多数语言，IBM Cloud服务支持宽带、窄带、电话和多媒体模型：宽带模型用于采样频率大于或等于16 kHz的音频。窄带模型适用于以8kHz采样的音频。使用窄带模型对电话语音进行离线解码，这是该采样率的典型用途。电话模型专门用于通过电话传输的音频。
与上一代窄带型号一样，电话型号适用于最小采样率为8kHz的音频。多媒体模型旨在用于从具有较高采样率的源（如视频）中提取的音频。使用多媒体模式播放电话音频以外的任何音频。与上一代宽带型号一样，多媒体型号适用于最低采样率为16kHz的音频。选择正确的模型很重要。使用与音频采样率（和语言）匹配的模型。该服务会自动调整音频的采样率，以匹配您指定的型号。更多信息：https://cloud.ibm.com/apidocs/speech-to-textApproximate转换时间转换时间如下表所示。请注意，指定的时间因文件内容、质量、语言模型、AI服务器负载和计算机上传速度而异。音频长度音频质量语言模型近似转换时间5分钟48 kHz立体声英语（宽带）1分20秒8 kHz单英语（窄带）1分30秒30分钟9分钟10分钟常见错误HTTP/1.1 503服务不可用您的URL错误。请输入IBM Cloud为您提供的“API密钥”和“API URL”。发送数据时出错：（12030）与服务器的连接异常终止防火墙、代理或防病毒软件会干扰连接。请尝试禁用它们或使用其他互联网连接。读取数据时出错：（12152）服务器返回了无效或无法识别的响应您的音频太长。请尝试转换较短的音频。“请稍候”挂起，没有任何反应您的音频文件太大。请尝试上传一个较小的文件。将立体声转换为单声道可能会有所帮助。
