把人类语音内容自动识别成文字的技术。
嘴还没停，字幕已经在前面狂奔，像旁边坐了个手速开挂的会议速记员。
常用于会议转写、语音输入和客服记录；省手，但怕口音和杂音。
Multimodal AISTT 是多模态系统处理语音输入的基础能力。
AgentSTT 让 Agent 能从语音中接收任务和指令。
Data-privacy语音转写常包含个人信息，因此会带来隐私风险。