科大讯飞语音识别按产品形态分为四类：interreco专用于电信级呼叫中心，仅支持服务端集成；讯飞语音+面向android app轻量集成；语音引擎为系统级输入法组件；实时听写大模型通过云接口提供高精度流式识别。
科大讯飞语音识别功能介绍，需明确区分不同产品形态下的能力边界与适用场景——InterReco面向电信级自助语音服务，讯飞语音+聚焦第三方App集成，科大讯飞语音引擎适配Android系统级调用，而实时语音听写、录音文件转写等大模型能力则通过云接口或私有化部署提供。各产品在识别率、语种支持、响应延迟、部署方式上存在实质性差异。
InterReco语音识别系统的核心定位
InterReco是2008年发布的电话语音识别专用系统，采用分布式架构，专为高并发、高可靠性呼叫中心场景设计。
第一步：确认部署环境是否为电信级后台服务器——该系统【不提供移动端SDK或H5前端调用接口】，仅支持C++/Java服务端集成。
第二步：调用其语法接口加载动态编译的业务语法树，用于限定识别范围（如银行IVR菜单“查询余额”“转账”“挂失”等固定指令）。
第三步：启用端点检测接口控制语音起止，避免静音段误触发或长停顿截断——这一步直接影响识别连贯性，未配置会导致“说一半就返回结果”。
讯飞语音+的轻量级集成方式
讯飞语音+是面向Android应用开发者的语音服务中间件，v1.1.1045版本（2025年12月24日发布）已支持实时录音转写与多方言混合识别。
方法一：在AndroidManifest.xml中声明权限android.permission.RECORD_AUDIO，否则启动录音时直接崩溃。
方法二：调用SpeechUtility.createUtility()初始化SDK，必须在Application.onCreate()中完成——延迟初始化会导致首次识别失败率超70%。
方法三：使用SpeechRecognizer对象设置参数params.put("domain", "iat")启用语音听写模式，若漏设则默认走语义理解通道，文字输出延迟增加3倍以上。
科大讯飞语音引擎（v1.7）的系统级启用路径
该引擎作为Android系统工具类应用，v1.7版本（2025年3月20日更新）体积压缩至9.10MB，支持离线语音指令与OCR联动。
进入手机【设置→语言与输入法→语音输入】，选择“科大讯飞语音引擎”并开启开关——【此操作必须重启输入法进程，否则键盘语音按钮仍为灰色】。
在任意文本框长按麦克风图标，说出指令如“打开微信”，引擎会直接拉起对应App——该能力依赖系统级语音指令词库，不可自定义新增命令词。
录音速记功能需单独授权存储权限，首次使用会弹窗提示，拒绝后无法保存转写结果到本地。
实时语音听写大模型的云服务接入
面向开发者提供的实时语音听写大模型，支持≤60秒短音频流式识别，识别率高达98%，毫秒级首字返回。
注册讯飞开放平台账号→创建语音听写应用→获取APPID、APIKey、APISecret三个密钥。
调用WebSocket接口时，必须在header中携带X-Appid和Authorization字段，其中Authorization值由APIKey+APISecret经SHA256+Base64生成，格式错误将返回401错误且无具体提示。
音频采样率必须为16kHz单声道PCM，若上传MP3或44.1kHz文件，服务端直接丢弃整段数据，返回空结果而非报错。
