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...
模型白盒策略配置指南
在标准化模型服务的基础上，您还可以在控制台进行 白盒策略配置，如：添加黑/白名单、调整策略阈值、增加自定义策略等，实现模型服务的个性化配置。白盒策略配置 白盒策略配置 应用场景 调整阈值 根据您业务场景下的风险特征，调整风险阈值...
文字识别介绍
文字识别技术基于阿里云深度学习技术，为您提供通用的印刷文字识别和文档结构化等能力。文字识别技术可以灵活应用于证件文字识别、发票文字识别、文档识别与整理等行业场景，满足认证、鉴权、票据流转审核等业务需求。服务开通 请单击 立即...
优惠券领取场景反作弊应用实践
决策引擎方案 通过营销场景风险识别、IP风险识别等场景化风控能力，可初步获取多维风险因子进行风险识别，拦截大量恶意行为。但在不同行业的背景下，营销问题往往更复杂，自身业务高耦合的风险问题容易被漏出，因此需要结合风险因子进行...
产品简介-产品概述
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、表格文档批量结构化识别以及试题作业智能识别等全量OCR原子能力矩阵。支持公有云调用、私有化部署、...
票据凭证识别
银行承兑汇票识别 读光OCR银行承兑汇票识别，支持包括出票日期、票据号码、出票人信息、收票人信息、承兑人信息、票据金额等关键字段结构化识别输出。发票核验 读光OCR支持5种增值税发票的真伪核验（不支持发票内容识别），包括增值税专用...
2021年
2021年12月 类目名称 能力名称 功能描述 发布时间 支持终端 相关文档 离线SDK 肢体关键点SDK 可识别授权人体图像的15个关键点检测信息，包括鼻子、眼睛、脖子、左肩、右肩等。2021-12-30 Android、iOS 肢体关键点SDK 肢体动作计数SDK 通过...
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：...
增值税发票卷票识别
功能描述 增值税发票卷票识别能力支持对卷票上包括价税合计、发票代码、发票号码、合计税额、合计金额、密码区、开票日期、税率、购买方识别号、销售方识别号等结构化识别。说明 增值税发票卷票识别接口仅识别发票中的文本内容，不支持辨别...
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...
快速开始
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。可被应用于：对...
快速开始
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。可被应用于：对...
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...
教育场景识别
主要针对教育应用场景中对试题题目、数学公式、速算题目等信息的智能化识别需求，通过对通用OCR高精度识别能力的教育场景迭代优化，为用户提供数学试题图片中题目文本及数学公式的识别、速算题目文字的检测和识别等服务，并返回题目框位置...
什么是智能语音导航
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。智能语音导航...
SDK和API概览
阿里云智能语音交互SDK提供RESTful API、移动端、服务端、微信小程序以及WebSocket等多种接入方式，可帮助您更加方便、快捷、灵活地将语音识别或语音合成功能集成到您的服务当中。SDK接入 类型 接入方式 服务能力 RESTful API RESTful API ...
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...
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...
RESTful API
3.语音识别接口请求路径：/stream/v1/asr。4.设置必选请求参数：appkey、format、sample_rate。5.设置可选请求参数：enable_punctuation_prediction、enable_inverse_text_normalization、enable_voice_detection。String url=...
个人证照识别
产品介绍 基于读光OCR的深度学习，个人证照类识别提供个人身份识别所需的身份证、国际护照、护照、户口本、银行卡、不动产权证、社保卡等证件的结构化识别服务。说明 功能体验地址：https://duguang.aliyun.com/experience?type=standard ...
产品功能
智能语音交互 智能语音呼入 用户呼入后可通过回调接口获取企业设定的语音识别模型ID等参数，对用户的语音进行语音识别，将识别结果（一段文字）传给企业，企业根据自己的业务实际情况返回结果（一段音频或一段文字）给语音服务平台，语音...
企业资质识别
且读光OCR可满足此十多类资质证明的自动分类功能，即无需提前进行资质证明的手动分类，系统可自动判断所属类型并返回结构化信息，广泛应用于办公自动化、行业资料数字化等价值场景。说明 功能体验地址：...
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...
关于文字识别公有云公测转商业化产品定价的公告
尊敬的阿里云用户，为进一步提升用户体验和产品性价比，提高文字识别系列产品公有云服务水平，自2023年07月31日起，视觉智能开放平台文字识别系列服务将调整部分公测能力API转正式商业化售卖，文字识别API产品定价调价内容详细见 计费介绍...
从这里开始
智能语音交互产品基于语音识别、语音合成、自然语言理解等技术，实现“能听、会说、懂你”式的智能人机交互体验，适用于智能客服、质检、会议纪要、实时字幕等多个企业应用场景。本文为您介绍如何使用智能语音交互，帮助您快速了解其使用...
关于视觉智能开放平台部分公测能力转商业化产品定价的...
尊敬的阿里云用户，为进一步提升用户体验和产品性价比，提高视觉智能开放平台公有云服务水平，自 2023年12月27日 起，视觉智能开放平台 人脸人体、图像识别、分割抠图、图像生产 的部分公测能力API将转正式商业化售卖。更多详情请参见下文...
管理项目
配置项目 语音识别 当 项目类型 为 仅语音识别 或 语音识别+语音合成+语音分析 时，项目配置操作如下。单击目标项目右侧的 项目功能配置。在 语音识别ASR 区域，选择基础模型或者自学习模型。单击 修改配置，根据使用场景选择基础模型，...
关于文字识别公有云商业化产品定价调价的公告
提高文字识别系列产品公有云服务水平，自2023年04月30日起，视觉智能开放平台文字识别系列服务将调整 文字识别按量付费、文字识别单类目预付费资源包 的收费价格，同时对部分OCR公测能力API转正式商业化售卖，文字识别API产品定价调价内容...
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...
WebSocket协议说明
指令 请求指令用于控制语音识别任务的起止，标识任务边界，以JSON格式的Text Frame方式发送服务端请求，需要在Header中设置请求的基础信息。指令由Header和Payload两部分组成，其中Header部分为统一格式，不同指令的Payload部分格式各不...
非开发者使用指南
语音识别（语音转文字）在 语音识别 处单击 去配置，选择语言后，单击右下角麦克风按钮开始识别，完成后单击 确认使用。语音合成（文字转语音）在 语音合成 处单击 去配置，选择声音后，在右侧文本框输入文字，单击右下角扬声器按钮开始...
创建文本库
语音反垃圾：识别语音中包含的违规内容。您还可以通过控制台操作创建文本库。更多信息，请参见 创建和管理自定义文本库。计费信息：该接口为免费接口。QPS限制 本接口的单用户QPS限制为10次/秒。超过限制，API调用会被限流，这可能会影响您...
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...
开发指南
如在创建会议时设置 MeetingResultEnabled 为 false，需要在开始推送识别语音前，通过参数 tw_time_offset 设置继续识别的会议时间偏移（单位毫秒）。结果通知 步骤1：接收记录后任务处理事件通知：对应交互流程23。在创建会议设置...
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...
风险识别模型简介
您可以根据返回的风险评分决定该笔请求的处置措施，如：通过、拒绝、转人工、进一步核验（验证码、实名、人脸识别等）等。接口返回的风险标签提供了风险评分的解释性，您可以据此了解黑灰产攻击的方式和维度。使用风险识别模型，您无需风控...
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...
计费定价FAQ
本文汇总了您在使用智能语音交互产品中关于计费相关的常见问题。录音文件识别所有的调用都会计费，还是只有识别成功的才会...语音识别和语音合成调用如果出错是否计费？请求的状态码如果是2xx，则正常计费，其他状态码如4xx或者5xx不会计费。
Java SDK
如场景为线上多路语音识别会议，可参考 实时会议语音推流 步骤2中protobuf的 MultiAudioFrame 数据结构构造每帧语音流。package com.aliyun.sample;import com.alibaba.nls.client.protocol.NlsClient;import ...
通用文字识别
文档结构化识别 读光文档结构化识别可对文档信息进行结构化识别，并提供元素平铺和层级树两种视角的版面信息输出。能够将文档中的文字元素（单字、文字块、行等）和相应的版面格式（标题、段落、表格）抽离并按顺序输出。目前仅支持单页...
- 产品推荐
- 这些文档可能帮助您