爱柯语音识别 · 接口测试台

爱柯语音识别 是一套多语种语音识别接口，覆盖吉尔吉斯语、俄语、哈萨克语、乌兹别克语与英语， 适合字幕生成、通话与会议记录初稿、语音内容检索等场景。

• 语种自动判断：不需要指定 language，一段音频里混说两种语言也能识别，无需事先切分。
• 输出形态：全小写、不含标点，数字展开为文字（如 1767ж → бири миң жети жүз алтымыш жетинчи жыл）。
• 速度：约音频时长的 1/100，长音频由服务端自动切分拼接。
• 纯静音 / 纯噪声返回空文本，不会凭空生成内容。
• 字幕与时间戳：response_format=srt / vtt 直接返回字幕文件正文； verbose_json 额外返回 segments（整句字幕行）与 words（词级时间戳）。 断行规则为「停顿 ≥ 0.6 秒、或单行超 42 字符 / 7 秒」。
• 时间戳精度约 40 毫秒，来自模型内部帧对齐，不是 forced alignment—— 适合做字幕，不适合精准音画同步或卡拉 OK 逐字高亮。
• 「爱柯字幕识别」支持字幕文件与词级时间戳；「爱柯语音识别」只返回文本， 但输出标点与大小写、数字保持原样。两者的差异在「双模型横向对比」里会并排显示。

本站为测试用途，单次识别限 25 MB / 60 分钟以内的音频。