配置 ASR
2026-05-13
功能简介
为了提高不同场景下语音识别（或语音转文字）的识别准确率，可以通过以下方式实现：
- 选择合适厂商/识别模型：
- 选择合适语种: 默认腾讯、阿里百炼模型为中文识别，微软为英文识别。
- 设置识别热词：在特定的场景下，通常存在一些专用词汇，例如角色名、用户名、功能名称等，可以在创建智能体实例时设置临时热词，提高语音识别的准确率。
目前ZEGO支持的ASR厂商及模型如下：
- 腾讯 ASR：普通版本、大模型版本（包括中英粤+9种方言大模型引擎【大模型版】、普方英大模型引擎【大模型版】等）。详情查看腾讯云-实时语音识别
- 阿里云百炼:
- Gummy 系列模型（主要支持中英日等语言）、Fun-ASR系列模型（主要支持中文及方言）、Paraformer 系列（普通话、方言、英语及部分小语种，不推荐）。详情查看实时语音识别-Fun-ASR/Gummy/Paraformer;
- 千问系列模型：主要适用于中文、英文等多种语言，详情查看实时语音识别-千问
- 火山大模型流式语音识别模型：适用于中英等语种场景，详情查看火山语音识别大模型
- 微软 ASR ：详情请查看微软实时语音识别。 若需要更多ASR厂商及模型，请联系ZEGO商务。
前提条件
目前腾讯为默认开通并支持的语音识别厂商。若需要阿里百炼、微软、火山等识别厂商，请联系 ZEGO 商务开通。
使用方式
目前可通过4个接口设置 ASR 相关参数：
| 接口 | 说明 |
|---|---|
| 注册智能体 | 设置厂商、热词、语种等参数。 |
| 创建语音智能体实例 创建数字人智能体实例 | 设置厂商、热词、语种等参数。 说明 如果不设置，默认会使用注册 Agent 智能体（RegisterAgent）携带的 ASR 参数。 |
| 修改智能体实例 | 注意 支持修改热词和语种。其他参数请联系技术支持确认。 |
ASR 参数说明
| 参数 | 类型 | 是否必选 | 描述 |
|---|---|---|---|
| Vendor | String | 否 | ASR 供应商，默认为 Tencent：
|
| String | 否 | 该参数已废弃。 请通过 Params 扩展参数设置，具体使用方式参考下面各厂商的热词设置说明。 | |
| Params | Object | 否 | 厂商参数，具体使用方式参考下面各厂商的参数设置说明。 |
| number | 否 | ⚠️ 该参数已废弃。2.12.0 版本起迁移至 VAD 结构下的 VAD.TurnDetectConfig.SilenceSegmentation。 用于设置用户说话停顿多少毫秒后，不再将两句话视为一句。范围 [200，2000]，默认为 500。详细说明请参考语音识别断句。 | |
| number | 否 | ⚠️ 该参数已废弃。2.12.0 版本起迁移至 VAD 结构下的 VAD.TurnDetectConfig.PauseInterval。 用于设置用户说话停顿多少毫秒内，将两句话视为一句，即 ASR 多句拼接。范围 [200，2000]。仅当此值大于 SilenceSegmentation，才会开启 ASR 多句拼接。详细说明请参考语音识别断句。 |
各厂商的 Params 参数说明如下：