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...
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...
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...
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 ...
接口说明
录音文件识别是针对已经录制完成的录音文件，进行离线识别的服务。录音文件识别是非实时的，识别的文件需要提交基于HTTP可访问的URL地址，不支持提交本地文件。使用限制 支持单轨和双轨的WAV、MP3、MP4、M4A、WMA、AAC、OGG、AMR、FLAC格式...
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，...
产品定价
计费说明 质检类型 计费单位及说明 用量阶梯 单价 离线语音质检 被质检的离线语音总时长，单位为小时 0～1000小时/天 2.7元/小时 1000～3000小时/天 2.1元/小时 大于3000小时/天 1.5元/小时 实时语音质检 被质检的实时语音总时长，单位为...
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...
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...
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 ...
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。...
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...
文本翻译
Translation.Paragraphs list[]翻译结果以段落形式组织的集合，和语音识别结果报文对应。Translation.Paragraphs.ParagraphId string 段落分段id标识，和语音识别结果中的ParagraphId对应。Translation.Paragraphs.Sentences list[]翻译...
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...
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...
产品优势
除语音识别外，还包括如大模型摘要，说话人分离，智能纪要（关键词抽取、章节抽取、值得关注、智能待办事项），翻译等功能。模块划分 能力说明 语音转写 语音转文字：能够将实时音频流或音视频文件中的语音转写成文字，支持中文、英文、...
CreateTask-创建听悟任务
创建听悟任务，包括创建离线转写任务和实时会议任务。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...
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...
并发与监控FAQ
说明 QPS概念适用于智能语音交互产品中的 录音文件识别、录音文件识别闲时版 等离线类产品。并发/QPS限制 服务 免费试用 商用 一句话识别 2路并发 200路并发 实时语音识别 2路并发 200路并发 录音文件识别 识别语音时长：2小时录音/日 重要...
C++ SDK
示例为读取本地文件模拟单路会议，如场景为线上多路语音识别会议，可参考 实时记录语音推流 步骤2中protobuf的 MultiAudioFrame 数据结构构造每帧语音流。完整示例工程，参见demo压缩包中源码。AsrAssistant类实现#include"AsrAssistant.h...
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，...
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...
功能特性
音视频文件服务参数表 服务 模式 文件类型 音频 采样率 文件格式 大小限制 声道/路 语种 支持热词语种 离线说话人区分 转写延迟 识别结果返回方式 调用SDK 源文件传输方案 实时记录 实时 音频流 8k PCM、OPUS、WAV 24小时 三路 中 中文 不...
接口与实现
语音识别（Transcription）Transcription.OutputLevel int 1 设置语音识别结果返回等级。1：识别出完整句子时返回识别结果 2：识别出中间结果及完整句子时返回识别结果 仅在实时记录场景下按需设置，离线转写场景无须设置。Transcription....
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...
- 产品推荐
- 这些文档可能帮助您