语音识别问题排查
ASR识别标准格式：8KHz或16KHz采样率、16bit采样位数、单声道的语音数据（录音文件识别服务可支持双声道语音数据识别）。检查管控台项目中使用的模型是否支持音频采样率和场景。播放声音进行试听，重点关注如下两点：是否存在噪音。若存在...
定制语言模型
训练数据为领域相关的文本，与待识别语音数据越接近，优化效果越好。以文本方式保存，使用 UTF-8（无BOM）格式编码，文件大小不超过10 MB。每位用户最多支持创建10个模型。一句话或者一个被加强调优的关键词单独一行，控制每行的长度在500...
语言模型
语料要求 推荐您使用 业务介绍资料、产品介绍资料、话术资料、培训资料、模型效果评测 中进行人工校验产出的标注结果 作为训练使用的语料，对于语料文件具体的要求如下：训练数据为领域相关的文本，与待识别语音数据越接近，优化效果越好。...
语言模型
语料要求 推荐您使用 业务介绍资料、产品介绍资料、话术资料、培训资料、模型效果评测 中进行人工校验产出的标注结果 作为训练使用的语料，对于语料文件具体的要求如下：训练数据为领域相关的文本，与待识别语音数据越接近，优化效果越好。...
通过自定义模型识别
单击完成训练的模型 操作 列的 图标，即可查看通过该模型提取的样本特征对样例数据识别的准确率。建议当准确率为100%时，再投入上线使用该模型。说明 如果模型训练的评估结果准确率达不到100%，则投入上线使用识别的数据可能会有较大误差。...
语音识别FAQ
目前不支持本地离线的语音识别，必须把音频数据发送到服务端做识别。语音识别支持哪些模型？可以在 智能语音交互控制台 中项目功能配置里查看具体的模型种类，目前有8k和16k两种采样率的模型，每个采样率下面又有多个领域模型，可以按需...
2D互动数字人接入指南
必传，数字人应用的开发者信息中的appId"content":{"type":"dataSend",/必传，固定值，表示是发送语音数据"sessionId":"<sessionId>",/必传，StartInstance接口返回的sessionId"audio":"<语音数据base64之后的文本>",/可选，语音数据base...
3D互动数字人接入指南
必传，数字人应用的开发者信息中的appId"content":{"type":"dataSend",/必传，固定值，表示是发送语音数据"sessionId":"<sessionId>",/必传，StartInstance接口返回的sessionId"audio":"<语音数据base64之后的文本>",/可选，语音数据base...
自定义KV模板
什么样的数据识别效果较好？单张图片最长边不超过8192像素，最短边不小于15像素。当长边超过1024像素时，长宽比不超过50：1。建议单字大小保持在10-50像素内，以获得较好的识别效果。模板图与真实业务数据的拍照角度、方位有较大差别时，可...
自定义表格模板
什么样的数据识别效果较好？单张图片最长边不超过8192像素，最短边不小于15像素。当长边超过1024像素时，长宽比不超过 50：1。建议单字大小保持在10-50像素内，以获得较好的识别效果。模板图与真实业务数据的拍照角度、方位有较大差别时，...
自定义KV模板
什么样的数据识别效果较好？单张图片最长边不超过8192像素，最短边不小于15像素。当长边超过1024像素时，长宽比不超过50：1。建议单字大小保持在10-50像素内，以获得较好的识别效果。模板图与真实业务数据的拍照角度、方位有较大差别时，可...
自定义表格模板
什么样的数据识别效果较好？单张图片最长边不超过8192像素，最短边不小于15像素。当长边超过1024像素时，长宽比不超过 50：1。建议单字大小保持在10-50像素内，以获得较好的识别效果。模板图与真实业务数据的拍照角度、方位有较大差别时，...
功能特性
PCM、WAV、MP3 iOS/Android 暂不支持免费试用 资源包购买 重要 除录音文件识别和录音文件识别极速版以外的其他识别服务只支持单声道（mono）语音数据。识别服务只支持8000 Hz/16000 Hz采样率、16 bit采样位数的音频。语音识别语种模型 采样...
语音数据集
ASR泛热词表是一种用于语音识别服务的数据集，用于改善特定领域识别效果不佳的情况。以下是关于ASR泛热词表的一些说明：作用：ASR泛热词表主要用于解决语音识别服务在特定识别场景下的问题，如地名、人名、特定品牌名等。通过将这些词添加...
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。...
基本概念
调用语音识别服务时，如果语音数据采样率高于16000Hz，需要先把采样率转换为16000Hz才能发送给语音识别服务；如果语音数据采样率是8000Hz，请勿将采样率转换为16000Hz，项目中选用支持8000Hz采样率的模型。采样位数（sample size）采样值或...
基本概念
调用语音识别服务时，如果语音数据采样率高于16000Hz，需要先把采样率转换为16000Hz才能发送给语音识别服务；如果语音数据采样率是8000Hz，请勿将采样率转换为16000Hz，项目中选用支持8000Hz采样率的模型。采样位数（sample size）采样值或...
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 ...
语音识别
模型简介 说明 支持的领域/任务：audio（音频）/asr（语音识别）Paraformer语音识别API基于通义实验室新一代非自回归端到端模型，提供基于实时音频流的语音识别以及对输入的各类音视频文件进行语音识别的能力。可应用于：对语音识别结果...
接口说明
对长时间的语音数据流进行识别，适用于会议演讲、视频直播等长时间不间断识别的场景。使用须知 说明 如需使用Android或iOS SDK，请参见 移动端接口说明。支持的输入格式：PCM（无压缩的PCM或WAV文件）、OPUS、AMR、SPEEX、MP3、AAC格式，16...
查看敏感数据识别结果
敏感数据识别任务扫描完成后，您可以查看敏感数据识别结果。数据安全中心支持以 数据对象、数据库实例为基本单位查看敏感数据的扫描结果。本文介绍如何查看数据对象、数据库实例的敏感数据识别结果。查看数据对象的识别结果 说明 您可以在 ...
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...
Windows
RTC SDK提供了获取音频数据的功能，您可以将获取到的语音数据根据实际需求进行处理。通过阅读本文，您可以了解到获取音频数据的方法。使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：...
通过样本库识别
DataWorks支持将您提供的样本文件生成样本库，后续可以将样本库配置为数据识别规则用来识别数据。当需要识别的目标数据包含样本库中的数据时，则会命中该识别规则。该功能通常用于识别可以使用枚举值罗列的数据，例如，员工姓名、用户地址...
Android
RTC SDK提供了获取音频数据的功能，您可以将获取到的语音数据根据实际需求进行处理。通过阅读本文，您可以了解到获取音频数据的方法。使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：...
运行示例
FilePath 默认：nls-sample-16k.wav，语音文件在SDK代码包路径下，以本地文件模拟实时流式发送数据。其他测试语音需满足 实时识别语音格式要求，且放到SDK代码包路径下。①：获取Appkey和Token，请参见 从这里开始。②：注释掉该段代码，...
产品公共FAQ
一般语音请求的处理都会延续一段时间，例如用户新建一个语音识别请求，持续发送语音数据给服务端，这时并发数就是1；在这个请求处理的同时，同一用户又新建了另一个请求，开始发送语音数据，这时服务端同时在处理这个账号的两个请求，并发...
管理项目
配置项目 语音识别 当 项目类型 为 仅语音识别 或 语音识别+语音合成+语音分析 时，项目配置操作如下。单击目标项目右侧的 项目功能配置。在 语音识别ASR 区域，选择基础模型或者自学习模型。单击 修改配置，根据使用场景选择基础模型，...
ModifyRuleStatus-修改识别规则的检测功能状态
调用本接口开启或关闭敏感数据识别规则的检测功能。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下表是API对应的授权信息，可以在RAM权限...
iOS和Mac
RTC SDK提供了获取音频数据的功能，您可以将获取到的语音数据根据实际需求进行处理。通过阅读本文，您可以了解到获取音频数据的方法。使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：...
配置数据识别规则
背景信息 DataWorks支持您按照数据的敏感级别和所属分类定义数据识别规则，帮助您识别组织内的敏感数据，对于识别结果不准确的数据，您可以 手动修正数据，并在 敏感数据概况 模块为您展示最近的通过数据识别规则命中的、按照项目细分的...
DescribeRules-查询识别规则的列表
调用本接口查询敏感数据识别规则的列表。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下表是API对应的授权信息，可以在RAM权限策略语句的...
最佳实践
说明 若您有合作需求或技术咨询请进钉钉群：63840009561 预处理视频文件以提高文件转写效率 Paraformer语音识别API可以兼容视频文件，但由于视频文件尺寸通常较大、传输较为耗时，因此建议您对视频文件进行预处理。仅提取需要进行语音识别...
手动修正数据
不满足需求：您可以单击右侧的 图标进入 数据识别规则 页面，或滑动至下拉框底部，单击 管理敏感字段类型，默认跳转至 数据识别规则 页面并打开 新建敏感字段类型 弹窗，新增敏感字段类型，并配置识别规则。详情请参见：数据识别规则。批量...
ModifyRule-修改自定义的敏感数据识别规则
调用ModifyRule接口修改数据安全中心DSC（Data Security Center）中自定义的敏感数据识别规则。接口说明 调用本接口时，您必须输入规则名称、规则 ID、规则内容的参数。QPS 限制 本接口的单用户 QPS 限制为 10 次/秒。超过限制，API 调用将...
API概览
ModifyRule 修改自定义的敏感数据识别规则 调用ModifyRule接口修改数据安全中心DSC（Data Security Center）中自定义的敏感数据识别规则。DeleteRule 删除自定义的敏感数据识别规则 调用本接口删除自定义的敏感数据识别规则。CreateRule ...
创建专有语言模型
智能联络中心对某些场景（包括汽车、保险、司法、医疗等）进行了大量语音识别训练，提供了高准确率场景模型。如果您需要的语音识别服务场景不在所提供的公共模型范围内，您可以自定义专属语言模型。本文为您介绍在控制台如何创建专有语言...
支持的地域
重点功能模块支持的地域（公共云）地域 数据识别 数据脱敏 安全审计 数据风险检测 华北1（青岛）华北2（北京）华北3（张家口）华北5（呼和浩特）华东1（杭州）华东2（上海）华南1（深圳）西南1（成都）中国香港 重点功能模块支持的地域（金...
Paraformer语音识别
Paraformer是通义实验室研发的新一代非自回归端到端语音识别模型，具有识别准确率高、推理效率高的特点。开发者可以通过以下链接，了解如何通过百炼大模型服务平台调用Paraformer文件转写API：快速开始 实时语音识别API详情 录音文件识别...
- 产品推荐
- 这些文档可能帮助您