1.支持多个语种语音识别能力：根据需要提供中文、英文、日语、韩语等语种，支持藏语、维语两种少数民族语言，支持四川方言、粤语的语音识别能力。

　　2.支持命令词识别的能力，基于语法规则和结果置信度，准确识别指令转写结果，可用于语音控制。

　　3.支持录音文件转写能力：要能够实现对中文普通话、英文等语种的音频文件转写文字功能，支持 MP3 、WAV、PCM 、M4A 、WMA 、MP4 、OPUS 、AMR 、3GP、AAC 、FLAC 等音频文件格式；。

　　4.上传音视频转文字：可以上传录制的音视频文件，然后对音视频转文字，形成对应的 AI 字幕文件。

　　5.支持语气词过滤，可手动添加语气词过滤规则，开启语气词过滤后在识别结果中自动删去匹配的语气词。

　　6.实时识别支持自定义说话人，可配置说话人信息用于角色分离功能开发。

　　7.语音增强：系统要具备高效的语音增强能力，以满足在多种环境中应用，引擎要内置降噪模块，要能够降低一定范围内噪音对识别的干扰。

　　8.支持实时语音识别能力：通过调音台、声卡等设备采集实时音频流，并实时转写成文字。

　　9.支持一句话语音识别能力：支持不超过一分钟的音频流转成文本。

　　10.支持自动智能标点，智能判断对识别的文本添加标点。

　　11.支持敏感词过滤：可手动配置敏感词，可用于敏感词进行屏蔽、标注或删除等功能开发。

　　12.转写支持自动关键词提取：对中文普通话语种，上传录音文件时指定关键词数量上限，系统将自动提取不超过该数量的关键词，并可根据相关性和词频进行排序。

　　13.字幕编辑功能：能够对视频字幕进行人工微调修正，形成正确的字幕文件。

　　14.支持开启词级别的对齐结果，可以用于音字同步精确到毫秒（ms）级别。

　　15.视频与文字同步功能，可以根据展示的字幕结果，选中具体的字幕，然后视频跳转到对应位置。

　　16.录音文件转写支持文稿模式和字幕模式两种输出格式。

　　18.实时字幕：可以实时语音转文字，并形成实时的字幕功能。

　　17.智能化检索：可以在所有视频中检索知识点和重点内容，实现知识点在视频中的精准定位。

　　18.视频播放字幕功能：视频播放的时候， 自动加载 AI 字幕。

　　19.支持语音检出（VAD）能力：系统要能够对输入的录音文件进行分析，能够确定音频的起始和终止的处理过程。

　　20.支持逆文本标准化，将语音识别结果中的日期、数字等对象以标准化格式展示。

　　21.支持 16kHz/8kHz 采样率，16bit 位深，单通道音频。

　　22.识别热词管理：中文热词导入及编辑，例如涉及到人名、地名、公司名等特殊易错的词汇，可以作为热词直接替换并提供热词接口。

　　23.录制音视频转文字：可以对录制的音视频进行语音转文字，并自动生成字幕。

　　24.敏感词管理：可根据引擎开发敏感词相关功能，例如敏感词屏蔽、报警等。

　　25.热词管理：可在界面开发热词设定功能，对热词进行效果加强。

　　26.数据分析：可以根据字幕文件，对教学视频内容进行处理和分析。

　　27.语气词管理：可根据引擎开发出语气词管理和过滤功能。

　　28.识别结果响应时间标准测试集≤500 毫秒。

　　29.部署要求：为了保证数据安全性和相应速度，可提供所有的 AI 引擎、后台软件本地离线部署和使用，所使用的技术和软件自主可控。