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...
C++ SDK
scripts/build_android.sh#默认增量编译，生成arm64-v8a架构Debug版本./scripts/build_android.sh all debug arm64-v8a#全量编译，生成arm64-v8a架构Debug版本./scripts/build_android.sh incr debug arm64-v8a#增量编译，生成arm64-v8a...
实时推流
author tingwu2023*@desc 演示了实时会议场景，在创建会议后，根据返回的MeetingJoinUrl进行实时语音识别的 调用。public class RealtimeTransTest { private static NlsClient NLS_CLIENT;初始化语音识别SDK，可复用，可全局使用*/...
RESTful API
语音识别接口请求路径：/stream/v1/tts*4.设置必须请求参数：appkey、token、text、format、sample_rate*5.设置可选请求参数：voice、volume、speech_rate、pitch_rate*/String url=...
功能发布记录（2.0）
RTC SDK发布地域包含华北1（青岛）、华北2（北京）、华北3（张家口）、华东1（杭州）、华东2（上海）、华南1（深圳）、华北5（呼和浩特）及中国香港，并且覆盖iOS、Android、Windows、Mac、Electron、小程序、Web、Unity及Linux平台，各...
接口说明
长文本语音合成服务相比语音合成服务有其独特优势：支持更长文字输入：一次性合成最高10万字符，其中1个汉字、1个英文字母、1个标点或1个句子中间空格均算作1个字符。合成速度快：每合成5万字符最快仅需10分钟。循环使用：合成文件支持应用...
接口说明
录音文件识别闲时版是针对已经录制完成的录音文件，进行离线识别的服务。录音文件识别闲时版是非实时的，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。与录音文件识别区别在于返回时间不同，闲时版为24小时内返回结果...
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...
语音异步检测
具体结构如下：name：字符串类型，通过语音识别的敏感人物信息。说明 默认不返回该字段。如果有需要，请联系商务经理。hintWords JSONArray"[{"context":"敏感词"}]"语音中包含的文本命中的风险关键词信息，用于提示您违规的原因，可能返回...
计量计费
计费单价 模型名 计费单价 paraformer-v1 0.00008元/秒 paraformer-8k-v1 paraformer-mtl-v1 paraformer-realtime-v1 0.00024元/秒 paraformer-realtime-8k-v1 说明 有关如何选择模型的信息，请前往Paraformer语音识别模型概览：模型概览。...
接口说明
语种识别功能用于识别音频中语言种类，目前支持中、英、粤三个语种。使用须知 支持的输入格式：PCM编码（无压缩的PCM或WAV文件）、16 bit采样位数、单声道（mono）。音频时长限制小于60秒。支持的音频采样率：8000 Hz。服务地址 访问类型 ...
计量计费
计费单价 模型名 计费单价 paraformer-v1 0.00008元/秒 paraformer-8k-v1 paraformer-mtl-v1 paraformer-realtime-v1 0.00024元/秒 paraformer-realtime-8k-v1 说明 有关如何选择模型的信息，请前往Paraformer语音识别模型概览：查看模型...
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++）...
接口说明
流式文本语音合成功能可以将您输入的文本合成为语音二进制数据，相比于非流式语音合成，流式合成的优势在于实时性更强，用户在输入文本的同时就可以听到接近同步的语音输出，极大地提升了交互体验，减少了用户等待时间。适用于大规模语言...
语音审核增强版多语言服务
语音审核 增强版 升级音频模型能力，能够支持中文、英文和中英文混合的音频内容。结合国际化业务特性，提供审核策略和标签体系。本文介绍语音审核 增强版 多语言服务的内容以及使用方法。功能特性 相比较语音审核1.0版本，语音审核 增强版 ...
动作行为识别
本文介绍人脸人体（facebody）类目下的动作行为识别RecognizeAction的语法及示例。功能描述 动作行为识别能力可以识别视频和图像中的人体动作行为，并返回识别后的行为类别。当前可以识别的行为类别包括：举手、吃喝、吸烟、打电话、玩手机...
计量计费
计费方式 模型服务 模型名 计费单元 计费单价 Paraformer语音识别 paraformer-1 秒（不足1秒四舍五入）0.00008元/秒 paraformer-8k-1 paraformer-mtl-1 重要 Paraformer语音识别模型服务仅对音轨中被判定为语音内容的时长进行语音转写，并...
自定义文本库
自定义文本库适用于图片审核（图文违规识别）、文本反垃圾、文件反垃圾、语音反垃圾场景。您可以使用自定义文本库来管理需要针对性地拦截、放行（忽略）、人工审核的文本，应对突发的管控需求。背景信息 重要 建议您在使用自定义文本库前，...
Python SDK
关键接口 实时语音识别对应的类为 nls.NlsSpeechTranscriber，其核心方法如下：1.初始化（_init_）参数说明 参数 类型 参数说明 url String 网关WebSocket URL地址，默认为 wss:/nls-gateway-cn-shanghai.aliyuncs.com/ws/v1。appkey ...
使用函数计算方式的录音文件识别
概述 对于将音频文件存储在阿里云OSS上的用户，除使用SDK集成录音文件识别的开发方式外，还可以通过函数计算的方式，录音文件识别通过触发器函数自动执行，将识别结果保存回OSS或者其他存储器上，您只需关注最终的识别结果，减少SDK集成...
媒体AI计费
计费示例 示例1 假设用户当日8:00-9:00期间在中国内地地域使用智能标签服务，提交处理的视频总时长660秒，提交智能标签任务的模板配置开启了人脸识别、语音识别两项分析类型，处理成功660秒，则当日8:00-9:00产生的费用为660秒/60×0.03元/...
SDK参考
SDK版本说明 阿里云语音服务 OpenAPI门户 为用户提供 V1.0 SDK 和 V2.0 SDK。V2.0 SDK不涉及接口功能变更，主要是为了提升SDK的健壮性及使用体验。语音服务V1.0 SDK已不再维护，我们强烈推荐您使用V2.0 SDK。说明 V1.0 SDK即原版SDK，V2.0 ...
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
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 ...
视频翻译
字幕识别模型可以选择"语音识别"和"字幕识别"，语音识别会根据视频中的语音生成字幕，字幕识别会根据视频中的字幕生成字幕。4.创建项目 点击创建项目，等待解析完成。项目创建成功后，可以点击分配译员。若不需线上进行人工编辑，只需要...
消息队列
实时质检对话分析结果：也就是质检结果（规则命中信息），不支持单独发送，需要与 实时质检单句语音识别结果 或 实时质检全文语音识别结果 类型的消息一起发送，也就会说在发送语音识别结果消息时携带质检结果。消息推送的类型及消息结构...
消息队列
实时质检对话分析结果：也就是质检结果（规则命中信息），不支持单独发送，需要与 实时质检单句语音识别结果 或 实时质检全文语音识别结果 类型的消息一起发送，也就会说在发送语音识别结果消息时携带质检结果。消息推送的类型及消息结构...
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。...
API概览
模型效果评测 模型效果评测 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）。GetPrecisionTask 获取语音识别检测任务详情 获取语音识别检测任务详情。ListPrecisionTask ...
Java SDK
设置vad噪音阈值参数，参数取值为-1～+1，如-0.9、-0.8、0.2、0.9。取值越趋于-1，判定为语音的概率越大，亦即有可能更多噪声被当成语音被误识别。取值越趋于+1，判定为噪音的越多，亦即有可能更多语音段被当成噪音被拒绝识别。该参数属...
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...
Go SDK
实时语音识别 1.SpeechTranscriptionStartParam 实时语音识别参数。参数 类型 参数说明 Format String 音频格式，默认值：PCM。取值为OPUS、OPU和PCM，如果是OPUS或OPU时，您需要自行编码。SampleRate Integer 采样率，默认值：16000 Hz。...
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 ...
Java SDK
关键接口 NlsClient：语音处理客户端，利用该客户端可以进行一句话识别、实时语音识别和语音合成的语音处理任务。该客户端为线程安全，建议全局仅创建一个实例。SpeechRecognizer：一句话识别处理类，通过该接口设置请求参数，发送请求及...
运行示例
通过SDK调用实时语音识别 使用Java开发语言调用SDK，可用于生产环境。通过Python示例调用录音文件转写 Python脚本示例，可上传长语音文件（512 MB以内）。通过SDK调用语音合成 使用Java开发语言调用SDK，可用于生产环境。通过Curl命令调用...
BatchRobotSmartCall-发起机器人外呼任务
1234567 EarlyMediaAsr boolean 否 早媒体语音识别标识。默认为 fasle，即不启用。如果需要启用早媒体语音识别标识，请设置为 true。true TaskName string 是 任务名称。支持中文和英文，0~30 个字符。批量任务测试 ScheduleTime long 否 ...
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。...
视频AI费用
计费示例 示例1 假设用户当日8:00-9:00期间在中国内地地域使用智能标签服务，提交处理的视频总时长660秒，提交智能标签任务的模板配置开启了人脸识别、语音识别两项分析类型，处理成功660秒，则当日8:00-9:00产生的费用为660秒/60×0.03元/...
微信小程序
实时语音识别 Class:SpeechTranscription SpeechTranscription类用于进行实时语音识别。构造函数参数说明：参数 类型 参数说明 config Object 连接配置对象。config object说明：参数 类型 参数说明 url String 服务URL地址。token String ...
点播媒体处理
单价 视频文字识别 0.01元/分钟 视频分类+人脸识别 0.01元/分钟 计费示例 示例1 假设用户当日8:00-9:00期间在中国内地地域使用智能标签服务，提交处理的视频总时长660秒，提交智能标签任务的模板配置开启了人脸识别、语音识别两项分析类型...
- 产品推荐
- 这些文档可能帮助您