Documentation Index
Fetch the complete documentation index at: https://docs.skiesoft.com/llms.txt
Use this file to discover all available pages before exploring further.
語音辨識概述
「聽有 AI」是 軟雲開發的先進語音辨識技術，專為臺灣市場優化，支援國語、臺語、英語及混合語言辨識，達到業界領先的 97.5% 準確率。
核心特色
多語言混合辨識
無縫支援國語、臺語、英語混合語音，自動識別語言切換
即時處理
低於 200ms 的超低延遲，適合即時應用場景
高準確率
97.5% 的辨識準確率，持續優化模型效能
支援的語言
語言代碼
| 語言 | 代碼 | 說明 |
|---|
| 國語 | zh-TW | 臺灣國語，包含繁體中文 |
| 臺語 | zh-TW-taigi | 臺灣閩南語 |
| 英語 | en-US | 美式英語 |
| 混合語言 | mixed | 自動偵測並切換語言 |
語言設定範例
// 單一語言辨識
const result = await client.transcribe({
audio: audioBuffer,
language: 'zh-TW'
});
// 混合語言辨識（推薦）
const mixedResult = await client.transcribe({
audio: audioBuffer,
language: 'mixed'
});
音訊格式支援
支援的格式
| 格式 | 副檔名 | 建議使用場景 |
|---|
| WAV | .wav | 高品質錄音，無壓縮 |
| MP3 | .mp3 | 一般用途，檔案較小 |
| FLAC | .flac | 無損壓縮，高品質 |
| AAC | .aac | 行動裝置錄音 |
| OGG | .ogg | 開源格式 |
音訊參數
| 參數 | 建議值 | 支援範圍 |
|---|
| 採樣率 | 16kHz | 8kHz - 48kHz |
| 位元深度 | 16-bit | 16-bit, 24-bit |
| 聲道數 | 單聲道 | 單聲道、立體聲 |
| 編碼 | LINEAR16 | LINEAR16, FLAC, MULAW |
音訊品質最佳化
// 最佳音訊設定
const optimalConfig = {
sampleRate: 16000, // 16kHz 採樣率
encoding: 'LINEAR16', // 線性 PCM 編碼
channels: 1, // 單聲道
bitDepth: 16 // 16-bit 位元深度
};
const result = await client.transcribe({
audio: audioBuffer,
language: 'mixed',
...optimalConfig
});
辨識模式
1. 即時辨識
適用於需要即時回饋的場景，如客服、會議記錄：
const stream = client.createRealTimeStream({
language: 'mixed',
sampleRate: 16000,
encoding: 'LINEAR16',
interimResults: true // 顯示中間結果
});
stream.on('data', (result) => {
if (result.isFinal) {
console.log('最終結果:', result.transcript);
} else {
console.log('中間結果:', result.transcript);
}
});
2. 批次辨識
適用於處理預錄音檔，如影片字幕、Podcast 逐字稿：
const result = await client.transcribe({
audio: fs.readFileSync('recording.wav'),
language: 'mixed',
enableWordTimeOffsets: true, // 啟用時間軸
enableSpeakerDiarization: true // 說話者分離
});
console.log('完整逐字稿:', result.transcript);
// 顯示時間軸資訊
result.words.forEach(word => {
console.log(`${word.text} (${word.startTime}s - ${word.endTime}s)`);
});
進階功能
說話者分離
自動識別不同說話者並標記：
const result = await client.transcribe({
audio: audioBuffer,
language: 'mixed',
enableSpeakerDiarization: true,
maxSpeakers: 4 // 最多 4 位說話者
});
// 顯示說話者資訊
result.segments.forEach(segment => {
console.log(`說話者 ${segment.speaker}: ${segment.text}`);
console.log(`時間: ${segment.startTime}s - ${segment.endTime}s`);
});
信心度評分
取得每個詞彙的信心度評分：
const result = await client.transcribe({
audio: audioBuffer,
language: 'mixed',
enableWordConfidence: true
});
// 顯示低信心度的詞彙
result.words.forEach(word => {
if (word.confidence < 0.8) {
console.log(`低信心度詞彙: ${word.text} (${word.confidence})`);
}
});
效能優化
音訊預處理
// 音訊預處理建議
const preprocessAudio = (audioBuffer) => {
// 1. 降噪處理
const denoisedAudio = removeNoise(audioBuffer);
// 2. 音量正規化
const normalizedAudio = normalizeVolume(denoisedAudio);
// 3. 移除靜音段落
const trimmedAudio = trimSilence(normalizedAudio);
return trimmedAudio;
};
const result = await client.transcribe({
audio: preprocessAudio(rawAudio),
language: 'mixed'
});
批次處理優化
// 大檔案分段處理
const processLargeFile = async (largeAudioFile) => {
const chunks = splitAudioIntoChunks(largeAudioFile, 60); // 60秒分段
const results = [];
for (const chunk of chunks) {
const result = await client.transcribe({
audio: chunk,
language: 'mixed'
});
results.push(result);
}
return mergeResults(results);
};
錯誤處理
常見錯誤類型
try {
const result = await client.transcribe({
audio: audioBuffer,
language: 'mixed'
});
} catch (error) {
switch (error.code) {
case 'AUDIO_TOO_SHORT':
console.error('音訊檔案太短，至少需要 1 秒');
break;
case 'AUDIO_TOO_LONG':
console.error('音訊檔案太長，最多 60 分鐘');
break;
case 'UNSUPPORTED_FORMAT':
console.error('不支援的音訊格式');
break;
case 'POOR_AUDIO_QUALITY':
console.error('音訊品質過低，建議重新錄製');
break;
case 'NO_SPEECH_DETECTED':
console.error('未偵測到語音內容');
break;
default:
console.error('辨識錯誤:', error.message);
}
}
最佳實踐
1. 錄音品質
- 使用高品質麥克風
- 避免背景噪音
- 保持適當的錄音距離（15-30cm）
- 確保音量適中，避免過大或過小
2. 語言使用
- 清晰發音，避免過快語速
- 混合語言時自然切換
- 避免方言過重的表達
3. 應用整合
- 實作適當的錯誤處理
- 提供使用者回饋機制
- 考慮離線備案方案
- 監控 API 使用量
4. 效能考量
- 使用適當的音訊格式
- 實作音訊預處理
- 考慮快取機制
- 批次處理大量檔案
需要更多語音辨識技術支援？請聯絡我們：support@skiesoft.com