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：...
Android SDK
模拟器可能会出现未知问题，建议您使用真机测试。频繁出现语音识别（一句话识别）一直回调onNuiNeedAudioData，但在onNuiEventCallback（识别结果回调）中没收到回调相应，大概过了几十秒后才在onNuiEventCallback中回调显示状态码50000000...
通过SDK获取Token
如果您的使用场景是移动端APP，可以考虑自行在服务端搭建一个Token生成器的服务，将AccessKey ID和AccessKey Secret放在服务端，APP调用语音识别前，先向您的服务端请求下发Token，之后通过此Token向智能语音服务发起调用。调用示例（C++）...
自学习平台FAQ
语音识别类常见问题主要分为以下几类：功能类 自学习模型的调用限制是什么？控制台与POP API设置自学习模型的区别是什么？如何通过控制台添加热词？如何通过控制台设置泛热词的权重？如何通过POP API创建热词词表？热词有数量限制吗？除了...
SSML标记语言介绍
SSML不仅控制语音合成能读什么，更能控制语音合成可以怎么读，包括控制断句分词方式、发音、速度、停顿、声调和音量等特征，甚至加入背景音乐。说明 阿里巴巴语音合成服务的SSML实现基于 W3C 的语音合成标记语言版本1.0。但并不支持W3C包含...
语音识别问题排查
本文为您介绍语音识别中出现问题的排查步骤及解决方案。排查步骤 使用cooledit或者Adobe Audition软件查看语音格式，播放试听并查看分轨情况、波形、能量和频谱图。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...
产品公共FAQ
产品公共常见问题主要分为以下几类：功能类 使用阿里云音视频通信RTC如何调用语音识别服务？智能语音交互服务中语音识别和语音合成用到的端口是哪些？开通商用或者扩容并发，多久才会在控制台上显示？智能语音交互创建的项目数量有限制吗？...
性能类
关于达摩院智能语音交互语音识别准确度的数字，我们通过了CNAS（国家软件测试中心）的评测，国家软件中心对语音识别算法准确度测试中，在60分贝以下的降噪环境中，用普通话在距离耳麦1厘米的位置，以240字/小时的匀速朗读样本量1207字的...
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 ...
WebSocket协议说明
实时语音识别WebSocket协议出现断开，建议您：检查Token是否生成正确。检查客户端是否正常发送音频流。没有错误信息提示，建议您设置 status 状态码，默认值20000000。使用实时语音识别WebSocket，在基于Web的JavaScript WebSocket连接成功...
SDK和API概览
C#SDK 一句话识别、实时语音识别、语音合成 Go SDK 一句话识别、实时语音识别、语音合成 Node.js SDK 一句话识别、实时语音识别、语音合成 小程序 微信小程序 一句话识别、实时语音识别、语音合成 WebSocket WebSocket 实时语音识别
接入FAQ
现象：语音收音进行智能语音识别出现不准确，比如识别到数字人在播报的内容，此时就是遇到了回音消除问题。解决方案：互动数字人回音消除方案 5.调用“查询视频合成任务详情”接口异常 异常信息：“code:400,Request was denied due to ...
功能发布记录
语音识别8k中文客服质检/8k英文客服质检/16k韩语模型：语言模型常规更新，修复部分识别有误的场景。修复 接口说明 2020年07月23日 功能分类 功能名称 功能描述 更新类型 相关文档 自学习训练 自学习模型开发免费使用 自学习模型全面开放...
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...
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...
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，如：{"header":{"namespace":"SpeechTranscriber","name":"SentenceBegin","status":20000000,"message_id":"a426f3d4618447519c9d85d1a0d1*","task_id":"5ec521b5aa104e3abccf...
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...
接口说明
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。功能简介 NUI SDK提供更小的工具包和更完善的状态管理。为满足不同用户需求，NUI SDK既能提供全链路的语音能力，同时可做原子能力SDK...
Android SDK
常见问题 新版Android SDK实时语音识别，管控台模型选择8K，但是Demo中为什么将采样率设置成16K才能识别正确？建议您将该参数值 nls_config.put("sr_format","pcm")配置成小写，在代码中确认 public final static int SAMPLE_RATE=8000，...
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...
错误码查询
实时语音识别错误码 状态码 状态消息 原因 解决方案 40000004 Gateway:IDLE_TIMEOUT:Websocket session is idle for too long time 请求建立链接后，长时间没有发送任何数据，超过10s后，服务端会返回此错误信息。请在建立链接后和服务端...
接口说明
客户端在调用实时语音识别时请保持实时速率发送，发送完成后及时关闭链接。50000000 GRPC_ERROR:Grpc error!受机器负载、网络等因素导致的异常，通常为偶发出现。一般重试调用即可恢复。50000001 GRPC_ERROR:Grpc error!受机器负载、网络等...
使用EasyASR进行语音识别
本文以语音识别为例，为您介绍如何在 DSW 中使用EasyASR算法包。前提条件 已创建 DSW 实例，且该实例满足版本限制，详情请参见 创建及管理DSW实例 和 使用限制。说明 建议使用GPU版本的 DSW 实例。背景信息 本文采用wav2letter-small模型...
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...
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...
Android SDK
模拟器可能会出现未知问题，建议您使用真机测试。int ret=nui_instance.initialize(this,genInitParams(assets_path,debug_path),Constants.LogLevel.LOG_LEVEL_VERBOSE,true)。在该段代码中，录音权限是打开的，但代码仍然报错240021。...
Web SDK 发布说明
修复服务端录制在全房间没有发布情况下会出现初始化超时问题。V 1.3.1（2020-08-14）服务端录制回调接口命名调整（兼容旧接口）。服务端录制增加暂停/恢复功能。V 1.3.0（2020-08-12）服务端录制增加参数 record_third_id，用于业务方区分...
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...
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...
接口说明
语音合成提供将输入文本合成为语音二进制数据的功能。功能介绍 NUI SDK提供更小的工具包和更完善的状态管理。为满足不同用户需求，NUI SDK既能够提供全链路的语音能力，同时可做原子能力SDK进行使用，并保持接口的统一。语音合成功能支持...
iOS SDK
首先需要确认合成音频格式（PCM、WAV、MP3），如存储的音频流是MP3格式，但播放器不支持该格式音频就会出现杂音的状况，建议更换一下播放软件重试。同时也有用户出现音频只有尾部出现杂音的情况，可以用BeyondCompare查看音频流，是否有...
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...
C++ SDK
本文介绍如何使用阿里云智能语音交互提供的C++ SDK，包括SDK的安装方法、SDK代码示例以及常见问题等。SDK下载 说明 当前最新版本：3.1.17，支持Linux、Windows及Android平台。发布日期：2023年08月09日。使用SDK前，请先阅读接口说明，详情...
离线语音合成使用问题
统计latency，优化设备合成速度：如latency过高，可能会出现卡顿等问题，可以给用户提供优化方案；如大部分设备都出现卡顿，则引导调整算法等。打点会影响主流程吗？不会。打点是尝试性的，打点时机在初始化成功和初始化失败时，没有网络则...
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...
QuerySmarttagJob-智能标签任务查询接口
标签 1.0 分析结果类型：TextLabel：文本标签 VideoLabel：视频标签 ASR：语音识别原始结果（默认不返回）OCR：文字识别原始结果（默认不返回）NLP：NLP 处理结果（默认不返回）-标签 2.0 分析结果类型：CPVLabel Meta：视频标题等信息...
最佳实践
Paraformer语音识别 了解如何通过从视频文件中提取音轨、并进行合理的压缩以显著降低文件尺寸，从而减少API调用过程中的文件传输耗时、加快文件转写吞吐效率，请查阅：预处理视频文件以提高文件转写效率。通过OSS可以提高文件转写的效率和...
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DashScope灵积模型服务调用Paraformer文件转写API：快速开始 实时语音识别API详情 录音文件...
最佳实践
Paraformer语音识别 了解如何通过从视频文件中提取音轨、并进行合理的压缩以显著降低文件尺寸，从而减少API调用过程中的文件传输耗时、加快文件转写吞吐效率，请查阅：预处理视频文件以提高文件转写效率。通过OSS可以提高文件转写的效率和...
计费概述
语音数据处理费用 类别 服务 计费方式 说明 语音识别 实时语音识别 按照语音时长计费 可以自助开通后付费或购买预付费资源包。一句话语音识别 按照调用次数计费 录音文件识别 按照录音时长计费 录音文件识别极速版 按照录音时长计费 录音...
- 产品推荐
- 这些文档可能帮助您