开通授权
本文介绍如何开通离线语音合成标准版/精品版，购买、配置并激活对应的SDK授权。背景信息 离线语音合成提供了商业版SDK，包含标准版/精品版两种声音品质，您可以根据使用场景及设备性能状况选择合适的版本。精品版音质更好；但如果设备性能...
语音识别
paraformer-8k-v1 Paraformer中文语音识别模型，支持8kHz电话语音识别。中文语音识别；电话语音识别；paraformer-mtl-v1 Paraformer多语言语音识别模型，支持16kHz及以上采样率的音频或视频语音识别。支持的语种/方言包括：中文普通话、...
SDK和API概览
离线移动端iOS SDK 离线语音合成 离线移动端Android SDK 离线语音合成 服务端 Java SDK 一句话识别、实时语音识别、录音文件识别、录音文件识别闲时版、语音合成、长文本语音合成、声音事件检测、说话人识别、性别识别、语种识别 Python ...
不同质检方式的区别
数据集质检目前仅支持离线语音质检，不支持其他的质检内容。呼叫中心质检支持语音质检和文本质检，并且都支持实时质检和离线质检；现在给大家介绍下不同质检方式的功能及作用。数据集质检：主要用于新手用户测试或者调用量较少的用户进行...
TG7560A
TG7560A是天猫精灵推出的一款低功耗离线语音芯片，内置基于ASIC 32位处理器，NPU V200，支持语音唤醒，离线语音控制，QFN20封装，适合用于灯具、窗帘、晾衣架家装行业遥控器；风扇、取暖器两季行业遥控器等品类。产品详情 开发必备资料 ...
创建质检任务
离线语音质检 离线语音是来自呼叫中心中上传的离线语音文件，用户可以根据质检匹配条件筛选出需要质检的数据，系统支持AND和OR条件的简单逻辑筛选。实时语音质检 实时语音是来自呼叫中心中的语音数据，用户可以根据质检匹配条件筛选出需要...
离线语音结果
离线语音结果：展示通过 上传音频质检 接口上传的数据。与 数据集质检 主要的区别是，呼叫中心质检的数据是经过API对接后自动推送过来的，而数据集质检的数据是您手动上传的；呼叫中心质检的数据可以携带 客服、技能组、客户号码 等信息，...
离线大盘
概述 离线大盘分为离线文本大盘和离线语音大盘，是分别以语音和文本两个维度统计的离线大盘数据，以 离线文本结果、离线语音结果 和 实时质检结果 的数据作为数据源(执行状态为失败的文件不做统计)坐席、技能组 两个维度展示质检得分相关的...
产品功能相关
印刷文字识别OCR支持离线SDK售卖，当前已有离线识别SDK包括：身份证识别、银行卡、物流面单识别、扫读识别、指尖点读离线SDK等，售卖地址可见 OCR云市场服务中心；如您有更多需求，也可 联系我们；OCR服务是否支持私有化部署？印刷文字识别...
通用文字识别SDK
在离线环境下，支持在Android或iOS设备端实现通用文字的离线识别，包体小，可达到秒级识别速度。说明 阿里云视觉智能开放平台各类目视觉AI能力SDK接入、接口使用或问题咨询等，请通过钉钉群（23109592）加入阿里云视觉智能开放平台咨询群...
服务端人脸识别SDK
服务端人脸识别离线SDK，包括人脸检测、人脸跟踪、人脸关键点定位、人脸质量、角度模型、活体检测和人脸识别等能力，可以直接部署服务器上。人脸识别SDK具有授权功能，一旦授权成功，可以在无网的条件下使用，用户可根据自己的业务需求进行...
Paraformer语音识别热词定制与管理
Paraformer语音识别热词定制与管理 说明 支持的领域/任务：audio（音频）/asr（语音识别）在语音识别服务中，如果您的业务领域有部分词汇默认识别效果不够好，可以考虑使用热词功能，将这些词添加到词表从而改善识别结果。前提条件 已开通...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 是 录音文件识别极速版 是 唤醒及命令词 否 下载语音包，详情请参见 接口说明 中的语音包列表。重要 SDK和语音包是完全独立的，下载SDK后并...
2022年
2022年12月 类目名称 能力名称 功能描述 发布时间 支持终端 相关文档 离线SDK 服务端人脸识别离线SDK 人脸检测、人脸跟踪、人脸关键点定位、人脸质量、角度模型、活体检测和人脸识别等能力，可以直接部署服务器上。人脸识别SDK具有授权功能...
接入流程概述
阿里云实人认证提供离线人脸识别SDK，帮助您在弱网或离网环境下进行人脸认证。本文介绍了离线人脸识别SDK的接入流程。接入说明 离线人脸识别SDK的实际应用效果与硬件配置和设备所处环境密切相关。如果您需要使用离线人脸识别SDK，请先 联系...
iOS SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 是 录音文件识别极速版 是 唤醒及命令词 否 下载语音包，详情请参见 接口说明 中的 语音包列表。重要 SDK和语音包是完全独立的，下载SDK后并...
功能发布记录
同时支持实时和离线语音识别，支持8k和16k模型。识别速度快：采用“字”级别建模单元及自研模型推理引擎，并发推理速度相比业内主流推理框架提升10倍以上；服务响应毫秒级延迟。新增 识音石V1·识音 后处理模型更新 修复英文ITN时间戳问题...
iOS SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包。将ZIP包中的nuisdk.framework添加到您的工程中，并在工程Build Phases的Link Binary ...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，在 app/libs 目录下获取AAR格式的SDK包，将AAR包集成到您的工程项目中进行依赖。...
iOS SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，将zip包中的nuisdk.framework添加到您的工程中，并在工程Build Phases的Link Binary ...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，在 app/libs 目录下获取AAR格式的SDK包，将AAR包集成到您的工程项目中进行依赖。...
iOS SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，将ZIP包中的nuisdk.framework添加到您的工程中，并在工程Build Phases的Link Binary ...
语音识别FAQ
语音识别服务支持离线功能吗？语音识别支持哪些模型？语音识别是否可以混合识别极少量英文单词和字母？开启ITN（逆文本规整）后，中文数字混合时为什么并不是全部转为阿拉伯数字？录音文件识别的enable_sample_rate_adaptive和极速版本里的...
离线人脸识别SDK
阿里云实人认证提供离线人脸识别SDK，帮助您实现在弱网或离网环境下的人脸识别。说明 离线人脸识别SDK的实际应用效果与硬件配置和设备所处环境密切相关，目前只通过项目合作方式输出，前期需要评估方案可行性。什么是离线人脸识别SDK 离...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，在 app/libs 目录下获取AAR格式的SDK包，将AAR包集成到您的工程项目中进行依赖。...
证件识别SDK
应用场景 离线证件识别：银行卡、身份证、驾驶证等离线证件识别场景，基于手机或安卓类硬件集成该功能，实现证件的高效识别。前提条件 使用SDK前需完成激活授权，具体请参见 激活授权。计费说明 关于证件识别SDK的报价，请参见 计费介绍。...
实时语音识别API详情
Paraformer语音识别 说明 支持的领域/任务：audio（音频）/asr（语音识别）Paraformer语音识别提供的实时转写API，能够对长时间的语音数据流进行识别，并将结果流式返回给调用者，适用于会议演讲、视频直播等长时间不间断识别的场景。...
实时语音识别API详情
Paraformer语音识别 说明 支持的领域/任务：audio（音频）/asr（语音识别）Paraformer语音识别提供的实时转写API，能够对长时间的语音数据流进行识别，并将结果流式返回给调用者，适用于会议演讲、视频直播等长时间不间断识别的场景。...
什么是实人认证
离线人脸识别SDK 实人认证提供离线人脸识别SDK，帮助您在弱网或离网环境下进行人脸认证。人脸比对API 人脸比对方案基于深度学习的人脸识别技术，比对两张照片是否是同一个人。人脸属性检测API 人脸属性检测方案通过对输入照片中人脸的相关...
OCR录制
google引擎：离线轻量OCR引擎，英文识别能力较好 aliyun引擎：服务器全量OCR引擎，需要授权适用，多场景精度都极高 paddle引擎：离线轻量OCR引擎，中文识别能力较好 点击动作特有参数 鼠标按键：可选左键和右键 横向偏移：最终点击的位置和...
OCR方式点击（网页）
在OCR引擎下拉框中选择合适的引擎，引擎的选择影响字符的识别准确度 说明 google引擎：离线轻量OCR引擎，英文识别能力较好 aliyun引擎：服务器全量OCR引擎，需要授权适用，多场景精度都极高 paddle引擎：离线轻量OCR引擎，中文识别能力较好...
OCR方式移动鼠标（网页）
在OCR引擎下拉框中选择合适的引擎，引擎的选择影响字符的识别准确度 说明 google引擎：离线轻量OCR引擎，英文识别能力较好 aliyun引擎：服务器全量OCR引擎，需要授权适用，多场景精度都极高 paddle引擎：离线轻量OCR引擎，中文识别能力较好...
DataWorks产品安全能力介绍
说明 仅DataWorks企业版支持配置实时及离线风险识别规则，并对检测到的风险事件进行响应。DataWorks提供离线、实时风险响应的基础能力，帮助您感知、处理风险事件。离线风险响应：支持对MaxCompute数据访问/操作配置异常行为相关的离线风险...
接口说明
离线语音合成是指在弱网或无网状态下，通过设备本地的语音合成模型，将文本转换成自然流畅的语音。产品体验 更多合成效果可至 离线语音合成产品详情页 进行体验。功能介绍 离线语音合成主要包括以下功能，暂不支持多实例调用。提供语速调节...
产品优势
语音识别 识别准确率高 基于SAN-M自研的“识音石”通用端到端语音识别框架，中文识别准确率可达业内最高水平；在输入法、客服、会议等领域，文字识别错误率相比上一代系统下降10%～30%，大幅提高了语音识别的精度。识别速度快 采用“字”...
创建语音识别模型
语音识别模型是对智能交互通话中的音频流做实时识别，达到“边说边出文字”的效果，为您提供最优质的离线/流式语音转文字服务。本文为您介绍如何在控制台创建语音识别模型。登录 智能联络中心控制台。在左侧导航栏，选择 智能交互>实时语音...
组件参考：所有组件汇总
PS-SMART二分类 参数服务器PS（Parameter Server）致力于解决大规模的离线及在线训练任务，SMART（Scalable Multiple Additive Regression Tree）是GBDT（Gradient Boosting Decision Tree）基于PS实现的迭代算法。PS逻辑回归二分类 该组件...
PAI端到端文字识别预测
本文为您介绍如何通过PAI-EasyVision使用已有的训练模型完成端到端文字识别的离线预测任务。数据格式 请参见 输入数据格式。端到端文字识别预测 基于已有的文件列表，您可以通过PAI命令启动端到端文字识别的离线预测任务，示例如下。您可以...
SDK FAQ
请参考 使用SDK设置业务专属热词，将为您介绍在一句话识别、实时语音识别、录音文件识别中如何设置泛热词。SDK报错“DNS resolved timeout”是什么问题？查看/etc/resolv.conf 文件中nameserver的设置，建议增加并优先使用以下配置：...
API详情
常见的音频或音视频文件一般采用16kHz及以上的采样率进行录制，可选择paraformer-v1模型进行中英文语音识别，或选择paraformer-MTL-v1模型对超过20种语言及中文方言进行语音识别。当明确知道需要识别的语音是中英文时，选择paraformer-v1...
- 产品推荐
- 这些文档可能帮助您