核心用法
腾讯云ASR Skill提供三种识别模式，自动匹配音频时长与场景：
- 一句话识别（≤60秒）：实时性要求高、交互式场景，如语音搜索、即时消息转写
- 录音识别极速版（≤2小时/100MB）：同步快速返回，适合会议转录、视频字幕等中等长度内容
- 录音文件识别（≤5小时）：异步处理大文件，支持公网URL直传，适合播客、长访谈等
使用流程遵循"先探测后识别"原则：统一执行inspect_audio.py分析音频参数，再根据时长、大小、来源自动路由到对应引擎。支持普通话、英语、粤语、日语、韩语、德语等语种，以及中英粤混说和20+种中文方言。
显著优点
- 大厂级可靠性：微信、王者荣耀、腾讯视频等腾讯内部亿级DAU产品生产环境验证
- 智能路由：自动完成音频规范化（16kHz/单声道/pcm_s16le）、引擎选择、切片处理，降低用户决策成本
- 多模态输入：本地文件、公网URL、QQ Bot语音消息全支持
- 安全自治：内置FFmpeg自动安装、凭证自检，减少环境配置摩擦
- 成本优化：极速版同步返回避免轮询开销，大文件切片复用Flash引擎降低费用
潜在局限
- 极速版区域限制：国际站账号或国内站海外访问可能受限，需降级到标准录音识别
- 方言覆盖边界：20+方言以中文为主，小语种自动识别能力弱于指定语种模式
- 密钥管理敏感：群聊禁止直接传输SecretId/SecretKey，私聊也需明确告知泄漏风险
- 同步/异步权衡：极速版有100MB上限，超大文件必须接受异步任务模式
适合人群
- 需要快速搭建语音转写能力的开发者与运维人员
- 会议纪要、播客字幕、客服质检等内容生产场景
- 已有腾讯云账号、追求性价比的企业用户
- 需集成QQ Bot等特定生态的社区开发者
常规风险
- 凭证泄露：密钥经LLM处理存在理论泄漏可能，建议配置最小权限子账号
- URL可访问性：公网URL需确保腾讯云服务端能访问，内网/鉴权链接会失败
- 音频质量依赖：底噪大、采样率过低、编码异常的音频会显著影响识别准确率
- 计费累积：长音频切片会产生多次API调用，需关注用量控制