新一代听觉智能大模型

可以。每款产品都有独立的接口与计费方式，也可以按需组合。常见做法是先接入 Multilingual ASR，跑通之后再叠加 VUI Agent 或 Realtime Translate。

通常 1–2 周可以完成联调。我们提供 SDK 与接入文档，先在测试环境跑通再切生产；实际周期取决于要接入的产品数量与平台数量。

支持上传热词表与领域语料做自适应，游戏里的角色名、技能名、道具名等都可以加进词表，通常 1–2 周可完成一轮定制优化。方言识别暂不支持。

两者都是「让声音变成想要的样子」，但起点不同：音色实时生成的输入是语音——保留说话人的内容、语气和节奏，只把音色换成目标音色，实时流式完成，适合玩家开麦变声；TTS 的输入是文字，由文本合成全新的语音，适合 NPC 台词、播报等场景。简单说，魔音是「换音色」，TTS 是「念文本」。

音频数据默认不用于模型训练；支持数据不出域、请求级加密与完整审计日志，可提供等保与行业合规所需材料。