SYNAVOICE

SynaVoice Real-Time Voice Switching System

SynaVoice实时语音转写系统

技术介绍 Technology Overview

汉氏技术语音转写系统,构建于复旦大学OpenMoss团队的语音识别模型 MOSS-Transcribe-Diarize 之上。该模型采用 0.9B 参数的端到端语音大模型架构,在 AISHELL-4、Podcast、Movies 等权威基准上取得业界最优(SOTA)成绩,性能超越 GPT-4o、Gemini 等主流商用模型。汉氏技术基于此开源底座进行深度工程化编排与场景调优,将其转化为可私有化交付、可验收的智能语音系统。

Speaker diarization

一段音视频,分出谁在说、说了什么、什么时候说

端到端的多说话人语音转写能力:音视频输入后,同时输出转录文字、 说话人归属与段级时间戳,面向会议记录、通话分析与长音视频内容处理。

端到端转录说话人分离时间戳预测声学事件多语种

输出格式 · [S01] 00:01.08–00:02.96 文本

示例演示暂未开放 · 可上传自己的音视频体验
等待音视频输入
00:00.00 / 00:00.00
等待上传音视频
DIARIZED

上传或播放音视频后,带说话人与时间戳的字幕会逐字出现。

    等待音视频输入TRANSCRIPT

    Technical Highlights

    技术特点

    端到端一体化

    End-to-end

    语音、说话人、时间戳统一建模,从源头消除传统级联方案的误差传播,输出带说话人标签([S01][S02])与精确时间戳的结构化文本。

    超长音频处理

    Long-form audio

    128K 长上下文窗口,单次转写最长约 90 分钟多说话人音频,从容应对长会议、长录音。

    强抗干扰

    Robustness

    重叠抢话、快速切话、方言口音、背景噪声、情绪波动等真实话务环境下依然稳定准确。

    轻量可部署

    Lightweight

    仅 0.9B 参数,资源占用低,结合汉氏端侧量化与推理优化,可落地一体机、边缘设备与信创环境,数据不出域。

    多语言与热词

    Multilingual & hotwords

    覆盖 50+ 语言,支持人名、品牌、专业术语热词增强,贴合行业口径。

    把你的语音,接进工作流

    支持私有化部署与 API 接入,先从一个真实场景跑通。

    infor@hanchcy.cn