语音识别
模型概览 模型服务 模型名称 模型简介 应用场景 Paraformer语音识别 paraformer-realtime-v1 Paraformer中文实时语音识别模型，支持16kHz及以上采样率的视频直播、会议等实时场景下的语音识别。实时语音转写文字；电话客服场景；paraformer...
应用场景
语音识别 语音搜索 支持各种场景下的语音搜索，如地图导航、浏览器搜索等。可以集成到任何形式的手机应用中，最大限度地解放双手。语音指令 通过语音命令控制智能设备，实现快捷便利的操作，如控制空调开关、电视换台等。可以集成到智能...
使用FastGPU一键部署并训练应用
入门级别 10~30分钟 手势识别应用场景 本教程介绍了通过阿里云FastGPU创建手势识别AI任务的全流程方案，您可以通过CLI自动创建和管理ECS实例。入门级别分钟 操作步骤 前往 开发者实验室。在 AIACC加速实战 页签下，选择并单击待体验的...
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...
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...
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...
产品概述
高级服务 语音对话场景 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。对话上下文...
什么是地址标准化
语音地址识别 语音地址输入识别是指在语音场景下，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。如图所示：2.对话上...
接口说明
通用场景 中文及中英文混合场景 8K/16K 是 否 标准版 艾达 aida 标准男声 通用场景 中文及中英文混合场景 8K/16K 是 否 标准版 宁儿 ninger 标准女声 通用场景 纯中文场景 8K/16K/24K 否 否 标准版 瑞琳 ruilin 标准女声 通用场景 纯中文...
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...
图像识别介绍
应用场景 图像识别应用场景如下：智能相册编辑与管理 可以根据智能标签将相册图片进行分类，例如将风景照细分为天空、沙滩、夕阳等子类别，也可以将人物事件分为聚餐、运动、演出等类别。视频场景分析 基于大量图像识别数据，用深度学习...
文字识别介绍
应用场景 文字识别应用场景如下：注册登记审核 通过身份证、护照识别、银行卡识别等能力，在互联网金融、公共网上办事大厅等场景，能够快速准确识别录入用户身份、账户信息，准确率高达99%，从而降低用户输入成本，提高人工审核效率，有效...
内容审核介绍
应用场景 内容审核应用场景如下：新零售 提供针对新零售场景下的多媒体内容的多维风险监控的解决方案，包括商品合规审核、商品宣传内容安全、评论留言监控、广告内容安全、商品侵权检测。具体如针对商品宣传图片进行色情、低俗、血腥、暴力...
智能语音交互
智能语音交互（Intelligent Speech Interaction），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...
行业文档智能FAQ
贸易单证识别产品已上线了12类单证识别能力，分别为贸易整票识别、出口报关单识别、进口报关单识别、销售确认书识别、发票识别、装箱单识别、进港箱单识别、提单识别、空运运单识别、海运运单识别、订舱委托书识别、原产地证识别。...
语音服务使用FAQ
语音通知、语音验证码功能是主动给客户发送内容，更多信息请参见 应用场景。语音服务扣除时长与实际时长不符？语音服务控制台显示的通话时间是实际通话时间，但语音计费是不足一分钟按一分钟计费。语音控制台显示的通话时间会比实际计费...
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。...
什么是智能语音交互
智能语音交互（Intelligent Speech Interaction）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”式的智能人机交互功能。适用于智能问答、智能质检、法庭庭审实时记录、实时演讲...
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...
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
预训练模型（平台预置模型）
10/情绪识别服务 支持电销、在线接待等应用场景，识别客户或客服的情绪，支持8种常规情绪和3种业务场景常用情绪。10 1000个字符 新闻文本分类 支持对单个或多个新闻文本的分类。10/直播ASR乱码识别 适用于直播场景，通过ASR语音转文字，...
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...
快速开始
可被应用于：对语音识别结果返回的即时性有严格要求的实时场景，如实时会议记录、实时直播字幕、电话客服等。对音视频文件中语音内容的识别，从而进行内容理解分析、字幕生成等。对电话客服呼叫中心录音进行识别，从而进行客服质检等。快速...
快速开始
可被应用于：对语音识别结果返回的即时性有严格要求的实时场景，如实时会议记录、实时直播字幕、电话客服等。对音视频文件中语音内容的识别，从而进行内容理解分析、字幕生成等。对电话客服呼叫中心录音进行识别，从而进行客服质检等。快速...
通用文字识别SDK
应用场景 通用文字识别：支持图书、杂志等各类文字识别场景。身份证识别：支持中国内地二代身份证正反面识别。驾驶证识别：支持机动车驾驶证主页、副页全部字段识别。车辆信息识别：支持车牌、车辆VIN码识别。前提条件 使用SDK前需完成激活...
产品简介
10/情绪识别服务 支持电销、在线接待等应用场景，识别客户或客服的情绪，支持8种常规情绪和3种业务场景常用情绪。10 1000个字符 新闻文本分类 支持对单个或多个新闻文本的分类。10/直播ASR乱码识别 适用于直播场景，通过ASR语音转文字，...
内容审核计费介绍
按量计费：（0.0015+0.0015+0.0015）*2*10=0.09元/10次 预付费资源包：（1+1+1）*2*10=60点/10次 示例二：如果您需要对10张图片进行5次内容审核，包括图片垃圾广告识别、图片敏感内容识别、图片Logo识别和图片风险人物识别四种应用场景。...
构建数据仓库
用户的应用场景复杂，对非结构化的语音、自然语言文本进行语音识别、语义分析、情感分析等，同时融合结构化数据搭建企业级的数据管理平台，并且计算和存储成本最低。平台支撑多种形式的应用，包括使用机器学习算法进行复杂数据分析、使用BI...
语音类
iTAG 提供了音频分类、音频分割、音频识别的语音类标注模板，创建标注任务时，您需要根据应用场景选择标注模板。本文为您介绍语音类模板的应用场景及数据结构。背景信息 本文介绍以下语音类标注模板的数据结构：音频分类 音频分割 音频识别...
智能语音导航（停止维护）
智能语音导航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，简称NLU）技术并面向企业客户提供的一款电话机器人产品。
云市场API概览
通用混贴票证识别 通用混贴票证识别，基于对客户实际业务流应用场景中对OCR智能化、语义化、泛在化识别能力的需求，有效整合读光通用高精度文本识别、结构化理解、检测分类及自然语义理解等关键技术，有效实现自动分类、关键有效信息精准...
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...
服务升级与购买
本文以语音识别为例介绍业务开通后的相关变更操作，帮助您更灵活地使用智能语音服务。前提条件 完成智能语音服务开通，详情请参见 开通服务。重要 语音识别服务免费试用版提供最大不超过2路并发。如需更多并发，请升级商用版，升级前请阅读...
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...
语音数据集
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。通过将这些词添加到词表中，可以提高语音识别服务对这些词汇的识别效果。加载和生效：ASR泛热词表可以...
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...
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...
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？...
- 产品推荐
- 这些文档可能帮助您