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...
应用场景
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，语音服务平台进行...
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 ...
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...
智能语音交互试用服务及服务改进计划协议
1.3 智能语音交互服务：指阿里云面向客户方提供的语音识别以及语音合成等服务。1.4 业务数据：指您使用智能语音交互服务进行识别、合成或其他方式处理的原始数据。1.5 本服务：指智能语音交互服务的试用版本。1.6 阿里云官网：指阿里云官方...
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...
Web SDK 发布说明
本文介绍 Web SDK 各版本的发布特性。V 1.5.0（2022-04-25）发布参数支持降级策略：流畅度优先或清晰度优先，参见 InitRoomConfig 和 Publish 接口下的 degradationType 字段。共享屏幕：支持 tab 中的音频（仅限 tab），参见 ...
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...
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...
创建语音识别模型
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>实时语音识别。在通用设置页面，选择 语音识别模型 页签，单击 创建语音识别模型。根据页面提示，根据需求编辑语音识别模型相关信息。...
使用SDK设置业务专属热词
本文为您介绍在一句话识别、实时语音识别和录音文件识别SDK示例中如何设置业务专属热词。概况 通过管控台配置的业务专属热词表与项目Appkey绑定，无需自行设置。通过POP API训练获取的业务专属热词表，需要在SDK中设置其词表ID。SDK设置热...
使用前须知
本文介绍风险识别日志功能相关的资产详情、费用说明、使用限制等。资产详情 专属Project和Logstore 开通风险识别日志功能后，系统默认创建一个名为 saf-project-阿里云账号ID-cn-shanghai 的Project，以及一个名为 saf-logstore 的专属...
使用SDK 2.0设置自学习模型
下面介绍在一句话识别、实时语音识别、录音文件识别中如何设置自学习模型。一句话识别 在一句话识别中，需要通过设置高级参数 customization_id 指定自学习模型ID。Java SDK 说明 请首先阅读 Java SDK，了解Java SDK的基本用法。由于SDK中...
概述
阿里云智能语音交互对某些场景（包括通用、教育、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。当您的语音识别需求超出预设模型范畴，或是希望对现有的标准模型进行个性化定制时，可以通过自学习平台的语言模型定制功能...
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，...
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...
功能特性
图片车辆信息检测介绍 图片车辆信息检测 API 人脸相似度对比 人脸相似度对比功能用于身份验证、身份核实、人脸识别等场景中，通过将采集的人脸图片与系统中存储的人物图片进行比较，返回相似度评分，以确认是否是同一人，该功能可以提高...
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...
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。
DSW使用案例汇总
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。使用EasyASR进行语音分类 本文为您介绍如何在 DSW 中使用EasyASR算法包训练语音分类模型。使用EasyCompression进行模型压缩训练 本文介绍如何使用...
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...
计费概述
本文为您介绍智能语音交互的费用结算方式和计费的构成说明。费用结算 智能语音交互后付费结算时，遵循阿里云统一出账周期和扣费规则按天结算，一般次日出账扣费，请预先保证账户余额充足，以免账户欠费影响您的业务。免费版仅支持有限度地...
应用场景
语音短消息 发送或者接收语音短消息时，利用音频转文字能力，实现音频内容快速预览。视频实时直播字幕 现场演讲场景、实时直播场景下，将视频中的音频实时转写为字幕，还可以进一步对内容进行管理。实时会议记录 将会议、法庭庭审中的音频...
SmartCall-发起智能语音交互通话
abcdefgh EarlyMediaAsr boolean 否 早媒体语音识别标识。取值：false（默认）：关闭。true：开启。说明 设为 true 会记录通话未接听的原因。true VoiceCodeParam string 否 TTS 参数传递字符串，格式为 JSON。必须与 VoiceCode 的 TTS ...
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...
Java SDK
本文介绍如何使用智能语音交互一句话识别的Java SDK，包括SDK的安装方法及SDK代码示例等。注意事项 在使用SDK前，请先阅读接口说明，详情请参见 接口说明。从2.1.0版本开始，原有 nls-sdk-short-asr 更名为 nls-sdk-recognizer，升级时需...
功能发布记录
本文介绍智能语音交互产品功能的最新动态和相关文档。2023年04月~2024年01月 功能分类 功能名称 功能描述 更新类型 文档链接 语音识别 字幕上屏 录音文件识别、录音...优化 无 语音识别 语音识别问题修复 英文后处理效果优化，解决部分情况下...
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...
产品公共FAQ
以下是相关的功能的视频介绍：音频基础知识+智能语音控制台介绍 ASR产品使用介绍 自学习平台 语音合成 性能类 ASR语音识别和TTS语音合成超并发会有什么现象？超并发可能会出现以下情况：查看日志会有大量超时现象，具体服务状态码为...
服务用量
在控制台，您可以直观地查看智能语音交互服务的调用情况，包括时长、次数、并发路数等，根据运营数据判断当前使用是否合理，并决策是否需要增加或减少相关服务调用量。总览 登录 智能语音交互控制台，在 总览 页面，您可以查看已开通语音...
功能特性
包括人物、事件、血腥暴恐等-语音广告识别 识别语音内容中的垃圾广告-语音违禁识别 识别语音中的违禁内容，包括违禁品、非法交易等-语音呻吟声识别 识别语音内容中的娇喘和呻吟声-文档审核1.0版 文档图像内容识别 识别doc、docx、ppt、pptx...
产品简介
此外，支持实时语音识别，能够识别对端的语音确认，辅助本端判断对端的意向；点播功能可实现在视频通话过程中，播放视频、PPT 等多种提示画面。音视频通话具有安全性高的特点，端到端全链路加密，符合国密标准，视频录制传输及存储均进行...
功能特性
SingleCallByTts 语音IVR 通过调用API向指定号码发起呼叫，呼叫被应答后，播放一段指定音频，用户根据音频引导，通过手机按键信息返回意图，语音平台通过消息回执返回按键信息给企业业务系统。通过IVR交互自动完成意图确认，减少人力投入。...
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...
计费说明
本文为您介绍智能语音交互的计费详细说明和附加产品计费说明。计费详细说明 智能语音交互支持 预付费 和 后付费 两种付费方式。其中，预付费资源包不支持续费升级，支持叠加购买抵扣；后付费按天结算，随调用量增加梯度报价。重要 预付费...
Java SDK
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 在使用SDK之前，请先阅读接口说明，详情请参见 接口说明。从2.1.0版本开始原有nls-sdk-long-asr更名为nls-sdk-transcriber。升级时需确认已...
快速入门
阿里云对象存储OSS与智能媒体管理（IMM）深度结合，支持文档预览、文档格式转换、人脸识别、图片分析、二维码识别等丰富的数据分析处理操作。本文介绍如何通过OSS使用IMM的相关功能。前提条件 仅华北 2（北京）、华东 1（杭州）、华东 2...
OCR文字识别
OCR）可以将图片中的文字信息转换为可编辑文本，根据客户的业务场景和需求，将产品分为了通用文字识别、个人证照识别、票据凭证识别、教育场景识别、车辆物流识别、企业资质识别、小语种文字识别等，满足各种客户的图片识别需求。...
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：...
手势识别SDK
娱乐互动 短视频直播等娱乐互动场景中，可识别用户手势并叠加相应的特效，实现手势触发特效、手部特效跟踪等效果，丰富用户体验。智能驾驶 将手势识别应用到驾驶辅助系统中，使用手势来控制车内的各种功能、参数，一定程度上解放双眼，将更...
- 产品推荐
- 这些文档可能帮助您