语言模型
可以使用这些历史数据作为语料来对自定义的语言模型进行训练，自定义的语言模型在训练时，是在通用模型的基础上进行训练的，通过对您的训练语料做模型训练，可以有效提高您的特有场景的语音识别准确率，尤其是专有名词和文本中的高频词汇，...
语言模型
可以使用这些历史数据作为语料来对自定义的语言模型进行训练，自定义的语言模型在训练时，是在通用模型的基础上进行训练的，通过对您的训练语料做模型训练，可以有效提高您的特有场景的语音识别准确率，尤其是专有名词和文本中的高频词汇，...
产品优势
语音、语言、视觉多模态，17个AI功能灵活搭配 支持音视频信息处理与提取，所需的多种AI能力。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 ...
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...
关于云市场域名更换通知
本章节说明阿里云文字识别（OCR)...机动车发票识别 https://market.aliyun.com/products/57124001/cmapi029811.html?#sku=yuncode2381100001 ocrapi-car-invoice.taobao.com carinvoice.market.alicloudapi.com 印刷文字识别-通用多语言识别 ...
接口说明
支持设置多语言识别：在控制台编辑项目中进行模型选择，详情请参见 管理项目。目前支持的语种和方言模型如下：语种 语言 模型名称 采样率 标点 ITN 顺滑 语义断句 声音和文本对齐 英语 通用-英文，教育直播-英文，教育内容分析-英文 16k ...
什么是机器翻译
多模态产品 覆盖文本、文档、图片、音频和视频模态，与文档解析、语音识别、图像识别相结合，满足多样化应用需求。产品计费 机器翻译主要是对翻译的内容进行计费。机器翻译目前支持的计费方式包括：后付费：按量计费，先使用再付费。资源包...
组件使用
添加实时字幕 实时字幕是通过对直播流中的音频进行实时的语音识别，把识别后的文字以字幕的方式同步显示在直播流上。识别的字幕可进行实时翻译，支持显示直播流音频源的源语言字幕、翻译后的目标语言字幕，或者双语字幕。翻译语言支持中、...
CreateTask-创建听悟任务
2：识别出中间结果及完整句子时返回识别结果 2 AdditionalStreamOutputLevel integer 否 设置实时记录场景下活跃说话人对应的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...
功能发布记录
语音识别会把内容精准的转换为文字。多语言翻译 会议中哪怕有来自外国的参会人也不是问题，通义听悟的翻译能力能够将内容进行实时多语言翻译，从而帮助所有人理解掌握会议内容。问题回顾 会议中的一问一答往往包含着非常关键和重要的信息。...
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...
AddSmarttagTemplate-添加模板
视频语音识别标签：开启 asr。ocr FaceCategoryIds string 否 参与识别的⼈脸库 ID 列表，可多选，⽤半角逗号（,）分隔。可填⼊系统⼈脸库 ID 和⾃定义⼈脸库 ID。其中系统⼈脸库 ID 如下：celebrity：明星⼈物。politician：政治⼈物。...
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...
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...
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...
Java Demo
本文介绍如何使用阿里云智能语音服务提供的Java SDK，包括SDK的安装方法及SDK代码示例。前提条件 使用SDK前，请先阅读接口说明，详情请参见 接口说明。已开通智能语音交互并获取AccessKey ID和AccessKey Secret，详情请参见 从这里开始。...
Java Demo
本文介绍如何使用阿里云智能语音服务提供的Java SDK，包括SDK的安装方法及SDK代码示例。前提条件 使用SDK前，请先阅读接口说明，详情请参见 接口说明。已开通智能语音交互并获取AccessKey ID和AccessKey Secret，详情请参见 从这里开始。...
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...
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...
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...
功能特性
PCM编码（无压缩的PCM或WAV文件）、WAV、OPUS、AMR格式单声道（mono）音频文件，16bit采样位数 Java/C++/Python/C#Go/Node.js/RestfulAPI/Android/iOS/微信小程序 最大2个并发 资源包购买 实时语音识别 实时 识别长时间的语音数据流。...
安全防护
同时内置深度神经网络和机器学习等先进技术，通过样本扫描、特征萃取、特征对比和文件聚类等算法，实现多达44种敏感数据的精准识别。同时数据安全中心提供了敏感数据发现后的自动分类分级以及统计展示能力，通过对结构化和非结构化数据源的...
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...
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...
语音识别输入格式FAQ
本文主要介绍智能语音交互的语音识别输入格式说明，以及输入语音格式不符合要求时常见问题以及方法，您可以优先在文本档获取对应解决方案。语音识别各服务支持的语音输入格式 语音识别服务 语音输入格式说明 一句话识别 支持的输入格式：...
接口与实现
支持设置多语言识别：中文、英文、粤语、日语、韩语、中英自由说（长段中英混）。支持设置开启翻译：支持中、英、日、韩语间的双向互译，中英自由说翻译目标语言可为中文、英文或中文&英文，支持会议中开启或关闭。支持设置同步音频转码：...
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...
功能发布记录
新增 新增：地域和域名 相关更新文档：一句话识别：接口说明、RESTful API 实时语音识别：接口说明 语音合成：接口说明、RESTful API 2022年03月04日 功能分类 功能名称 功能描述 更新类型 文档链接 语音识别 新增SDK 新增四种开发语言的...
创建热词
在语音识别中，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。本文为您介绍如何在控制台创建热词。登录 智能联络中心控制台。在左侧导航栏，选择 智能交互>实时语音识别。在...
计量计费
本文为您介绍Paraformer语音识别的计费详细说明。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...
开发指南
支持设置多语言识别：中文、英文、粤语、中英自由说（长段中英混）。支持设置开启翻译：翻译目标语言为中文、英文、中文&英文，支持会中开启或关闭。支持设置同步音频转码：转码为比特率128kb/s的mp3格式音频，准实时写入的指定OSS。支持...
计量计费
Paraformer语音识别 计费单元 模型服务 计费单元 Paraformer语音识别 秒（不足1秒四舍五入）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，并据此进行计量计费，非语音内容不计量、不计费。通常情况下...
计量计费
Paraformer语音识别 计费单元 模型服务 计费单元 Paraformer语音识别 秒（不足1秒四舍五入）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，并据此进行计量计费，非语音内容不计量、不计费。通常情况下...
并发与监控FAQ
说明 并发概念适用于智能语音交互产品中的 一句话识别、实时语音识别、录音文件识别极速版、语音合成、长文本语音合成 等服务。不同服务之间不共享并发额度，同一服务下不同项目（对应不同AppKey）共享并发额度。什么是QPS？QPS是指每秒...
基本概念
调用语音识别服务时，如果语音数据采样率高于16000Hz，需要先把采样率转换为16000Hz才能发送给语音识别服务；如果语音数据采样率是8000Hz，请勿将采样率转换为16000Hz，项目中选用支持8000Hz采样率的模型。采样位数（sample size）采样值或...
自学习平台FAQ
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请参见 使用SDK设置业务专属热词。如何使用SDK设置自学习模型？如果是通过控制台创建的自学习模型，可在项目切换模型时选择该模型，发布上线后将与Appkey绑定，您无需在代码中自行...
服务用量
示例一：一句话识别 和其他服务统计维度不同，如果您希望选择 一句话识别，需要先将已勾选的 录音文件识别、实时语音识别、录音文件识别（极速版）或 录音文件识别（闲时版）取消勾选后，再勾选 一句话识别。示例二：如果您希望选择 长文本...
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...
计费说明
智能导航产品价格为399元/并发/月，其中包括智能导航控制台，语音识别，语音合成。但是自然语义理解和通信线路不包含在产品内。自然语义理解部分需要先开通 云小蜜机器人 服务。说明 智能导航可由此处进行购买开通：智能导航购买链接。请先...
- 产品推荐
- 这些文档可能帮助您