接口说明
当前实时语音识别只支持8000 Hz和16000 Hz两种采样率格式的音频。41040201 Realtime:GET_CLIENT_DATA_TIMEOUT:Client data does not send continuously!获取客户端发送的数据超时失败。客户端在调用实时语音识别时请保持实时速率发送，发送...
运行示例
GET请求响应返回示例，其中Audio_address即为合成语音的试听和下载地址，复制到浏览器中打开即可。{"status":200,"data":{"sentences":[{"text":"今天天气好晴朗","begin_time":"0","end_time":"1985"}],"task_id":"8b240239f3c646748c84...
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。...
移动端SDK说明
当前实时语音识别只支持8000 Hz和16000 Hz两种采样率格式的音频。41040201 Realtime:GET_CLIENT_DATA_TIMEOUT:Client data does not send continuously!获取客户端发送的数据超时失败。客户端在调用实时语音识别时请保持实时速率发送，发送...
什么是智能外呼机器人
产品概述 智能外呼机器人是综合利用 自动语音识别（Automatic Speech Recognition，ASR）、文字转语音（Text To Speech，TTS）以及 自然语言理解（Natural Language Understanding，NLU）等技术，面向企业客户提供的一款智能客服机器人产品...
接口说明
一句话识别功能支持对一分钟内的短语音进行识别，适用于对话聊天、控制口令、语音输入法、语音搜索等较短的语音识别场景。使用须知 说明 如需使用Android/iOS SDK，请参见 移动端接口说明。支持的输入格式：单声道（mono）16bit采样位数...
iOS SDK
TRTC实时音视频和语音识别结合，当同时调用麦克风时可能会发生冲突，导致有一方没有声音如何解决？建议尝试TRTC的音视频流，然后使用 localStream.getAudioTrack 获取 MediaStreamTrack 对象，并转换为符合ASR标准的音频流，然后通过语音...
最佳实践
audio-file.opus 通过OSS提高文件转写效率和稳定性 由于阿里云对象存储OSS可以便捷地为文件生成URL，从而被指定为API的输入，对位于同地域OSS中的文件进行转写有助于提高转写效率和稳定性，因此推荐您使用与Paraformer语音识别API同地域的...
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。...
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。...
应用场景
智能语音交互 智能语音交互是基于语音识别、语音合成、自然语言理解等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互体验。适用于多个应用场景中，包括智能问答、智能质检、法庭庭审实时记录、实时演讲...
产品简介-产品概述
多年来,通过持续整合前沿AI技术和行业实战经验，阿里云OCR打磨出了能够承载跨行业敏捷应用的技术架构，具备图像文字定位、文字识别和文字理解的全栈技术体系，形成了包含通用文本识别、卡证票据自动化分类及结构化识别、卡证票据混贴识别、...
iOS SDK
TRTC实时音视频和语音识别结合，当同时调用麦克风时可能会发生冲突，导致有一方没有声音，如何解决？建议尝试TRTC的音视频流，然后使用 localStream.getAudioTrack 获取 MediaStreamTrack 对象，并转换为符合ASR标准的音频流，之后通过语音...
VoiceReport
打开后会产生语音识别费用。hangup_direction String 挂断方向。取值：用户 机器 toll_type String 通话类型。取值：LOCAL：市话。PROVINCE：省内长途。DOMESTIC：国内长途。INTERNATIONAL：国际长途。UNKNOWN：未知。originate_time ...
语音地址输入识别
在语音场景下，针对语音识别转写后的地址相关信息，通过语音顺滑、地址抽取、地址纠错、地址补齐后，给用户输出标准化地址信息，解决语音对话场景下的地址识别应用，例如语音导航等。测试 您可以在地址标准化产品控制台进行 API测试。请求...
智能审核
点播媒体处理智能审核服务支持媒资 鉴黄、暴恐涉政、图文违规、Logo识别、不良场景和语音违规审核功能。通过阅读本文，您可以了解各审核类型的详情及使用方法。智能审核 类型说明 智能审核 是指对 视频、音频和图片媒体文件内容进行多维度...
呼叫设置
呼出流控-频次设置 仅适用于“语音通知和语音验证码”用途。针对同一个“资质+用途”下的主叫进行流控限制，1次/分钟、5次/小时、20次/24小时（流控规则计时是从第一次正常外呼开始计时的）。登录 语音服务控制台。在左侧导航栏选择 通用...
内容审核计费介绍
例如，使用图片垃圾广告识别和物体检测两个能力，需要同时购买图片垃圾广告识别和物体检测两个资源包。价格费用计算详情请参见 计费方式。如果因业务需求购买更多QPS，请通过 咨询服务 联系我们。图片智能鉴黄 图片智能鉴黄 支持 按量付费 ...
接口说明
实时语音识别服务的智能断句功能会判断出一句话的开始与结束，举例如下：{"header":{"namespace":"SpeechTranscriber","name":"SentenceBegin","status":20000000,"message_id":"a426f3d4618447519c9d85d1a0d1*","task_id":"5ec521b5aa104e...
移动端应用如何安全访问智能语音交互服务
背景信息 方案 适用接口 方案一：通过App服务端创建Token并下发到移动端使用 一句话识别 实时语音识别 录音文件识别极速版 语音合成 实长文本时语音合成 语音分析等 方案二：使用STS临时访问凭证调用语音服务 录音文件识别 录音文件识别闲...
DeletePrecisionTask-删除语音识别检测任务
删除语音识别检测任务。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 当前API暂无授权信息透出。请求参数 名称 类型 必填 描述 示例值 ...
语音模板FAQ
语音模板分为文本转语音模板和语音通知文件。文本转语音模板：指模板的内容是文本，在播放时自动转化为语音。例：尊敬的阿里云用户您好，您的验证码是${veri code}。变量是：${veri code}。语音通知文件：指预先录制好的音频文件（MP3或WAV...
iOS SDK
TRTC实时音视频和语音识别结合，当同时调用麦克风时可能会发生冲突，导致有一方没有声音如何解决？建议尝试TRTC的音视频流，使用 localStream.getAudioTrack 获取 MediaStreamTrack 对象，并转换为符合ASR标准的音频流，然后通过语音识别...
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。...
图像识别计费介绍
例如，使用车牌识别和场景识别两个能力，需要同时购买车牌识别和场景识别两个资源包。价格费用计算详情请参见 计费方式。如果因业务需求购买更多QPS，请通过 咨询服务 联系我们。通用预付费资源包 阿里云视觉智能开放平台提供首次购买5000...
SSML标记语言介绍
长文本任务（包括实时长文本合成和异步长文本合成）可以含多个成对的<speak></speak>标签。长文本语音合成请求可使用多个<speak></speak>标签，及SSML与文本结合的方式，以下示例可以将全文作为一次请求，在长文本语音合成服务中进行合成...
SubmitPrecisionTask-新建语音识别检测任务
新建语音识别检测任务。服务地址（Region）请选择为杭州（cn-hangzhou）。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 当前API暂无授权...
时间戳功能介绍
长文本语音异步合成服务在输出音频流的同时，可输出每次传入文本中各单句（在句号、问号、叹号等位置切分）在音频中的时间位置，即句级别时间戳。该时间信息可用于视频配音字幕或有声书播报文字高亮等场景。本文为您介绍时间戳功能。使用...
通过控制台使用语音通知/语音验证码
使用须知 文本转语音模板和语音通知文件审核通过后才可以使用。对同一个“资质+用途”下的主叫进行流控限制：1次/分钟、5次/小时、20次/24小时（流控规则计时从第一次正常外呼开始）。语音服务控制台 任务中心 页面，目前仅支持虚拟号码，...
验证码和风险识别联合部署方案
营销场景下，您的业务时刻都在面临作弊、薅羊毛、套利等风险，我们推荐您将业务同时接入风险识别和验证码服务，为您的业务开启营销风险识别和验证码验证，解决营销等关键业务中遇到的欺诈问题，减少企业损失。本文介绍营销场景下，同时部署...
资产安全权限列表
安全管理员 拥有安全模块的最高权限，可以配置敏感数据识别和保护策略，从而实现全局的数据保护。项目管理员 在安全模块可以设置项目内敏感数据的识别结果，从而实现项目内数据的精确识别和保护。权限点 超级管理员 系统管理员 数据源管理...
创建语音模板
您在发送 语音通知 和 语音验证码 前，需要先创建语音模板，审核通过后即可发送语音任务。前提条件 已 阿里云账号注册流程，并完成 企业实名认证。已开通 语音服务。已 申请企业资质 并通过审核。已 新增话术 并通过审核。确保您套餐包余量...
小语种识别
英语专项识别 读光OCR英文专项识别是针对全英文图片文档场景下英文印刷体字符高效检测和识别的原子能力产品，具备英文专项识别和英文分词功能，支持旋转、表格、文字坐标等多项基础功能，全英文文档字符识别率超过99%。日语识别 读光OCR...
云市场API概览
英语专项识别 英文专项识别是针对全英文图片文档场景下英文印刷体字符高效检测和识别的原子能力产品，具备英文专项识别和英文分词功能，支持旋转、表格、文字坐标等多项基础功能，全英文文档字符识别率超过99%。日语识别 日语识别是针对全...
公共模式/专属模式FAQ
商品模式 公共模式 专属模式 适用场景 仅支持语音通知和语音验证码场景，不支持智能语音机器人和语音互动场景。语音服务场景信息，请参见 应用场景。一般情况下支持常用场景。说明 根据客户资质等条件，具体场景有所不同。开通条件 无需...
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...
敏感数据保护
Dataphin支持敏感数据的识别和敏感数据的脱敏保护，可以结合权限管控方案一起，构建起完善的敏感数据保护体系。数据分类分级 Dataphin支持对数据的分类分级进行管理，内置了常用的个人信息数据分类，同时支持客户自定义企业的数据分类分级...
敏感数据保护
Dataphin支持敏感数据的识别和敏感数据的脱敏保护，可以结合权限管控方案一起，构建起完善的敏感数据保护体系。数据分类分级 Dataphin支持对数据的分类分级进行管理，内置了常用的个人信息数据分类，同时支持客户自定义企业的数据分类分级...
教育场景识别
接口支持印刷体文本及公式的OCR识别和坐标返回，此外，接口还可对题目中的配图位置进行检测并返回坐标位置。适用于对练习册、教辅、教材等内容进行整页识别与题目检索。精细版结构化识别 精细版结构化识别支持多学科教辅试卷的结构化识别，...
- 产品推荐
- 这些文档可能帮助您