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...
什么是智能语音交互
实时语音识别 对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。更多信息，请参见 实时语音识别接口...
Mac
取消订阅全部的远端视频流 订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO...
iOS
取消订阅全部的远端视频流 订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO...
Windows
使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：阿里云RTC会将音频数据发送至音频识别SDK中。音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK...
Android
订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入false即可）：engine....
Mac
订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO即可）：[self.engine ...
iOS
订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO即可）：[self.engine ...
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。...
Android
使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：阿里云RTC会将音频数据发送至音频识别SDK中。音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK...
Windows
订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入false即可）：mpEngine->...
产品简介-产品概述
产品分类 文字识别（OCR）可以将图片中的文字信息转换为可编辑文本，阿里云根据客户的业务场景和需求，将产品分为了OCR统一识别、通用文字识别、个人证照识别、发票凭证识别、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...
SDK FAQ
实时流识别模式，Java SDK中如何触发回调onTranscriptionComplete？onTranscriptionComplete 可以通过stop触发，状态为 STATE_STOP_SENT，回调处理完状态为 STATE_COMPLETE。调用Java SDK时报错，提示java.lang.IllegalStateException:...
语音识别FAQ
实时识别和录音文件转写分别支持哪些语音格式？性能类 语音识别的识别准确率怎么计算？语音识别模型的字准率能达到多少？录音文件识别极速版延迟是多少？8k模型可以识别16k的音频吗？录音文件识别极速版调用频率有限制吗？粤语的识别准确率...
iOS和Mac
使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：阿里云RTC会将音频数据发送至音频识别SDK中。音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK...
实时推流
本文介绍如何使用SDK来支持实时记录场景下的音频识别流程。交互流程 前提条件 安装智能语音交互实时转写SDK 创建实时记录并成功获得推流地址 示例代码 Java package com.alibaba.tingwu.client.demo.realtimemeeting;import ...
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
创建听悟任务，包括创建离线转写任务和实时会议任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下表是API对应的授权信息，可以在RAM...
CreateMeetingTrans-创建实时会议
创建实时会议。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 当前API暂无授权信息透出。请求语法 PUT/openapi/meeting-trans 请求参数 ...
新手指引
1.选择所需的OCR产品服务 按您特定场景选择所需产品：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 小语种识别 医疗场景识别 票证核验 您可通过 读光体验馆 快速可视化地体验产品服务效果，若上述需求...
快速开始
实时语音识别示例代码 实时语音识别是对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。使用麦克风...
快速开始
实时语音识别示例代码 实时语音识别是对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。使用麦克风...
DingRtcEngine接口
重要 SDK默认设置推送音频流，如果需要取消推送音频流，可以通过 publishLocalAudioStream 方法设置为不推送。setRemoteVideoStreamType：设置订阅视频流分辨率规格。public int setRemoteVideoStreamType(String uid,...
API概览
图文OCR识别 服务 接口 说明 通用图文OCR/green/image/scan 提交图文OCR同步识别任务，识别图片中的文字信息。green/image/asyncscan 提交图文OCR异步识别任务，识别图片中的文字信息。green/image/results 查询图文OCR异步识别结果。结构...
云市场API概览
文档小说图片文字识别 文档小说图片文字识别适用于处理网络上海量的用户原生UGC图片中的文字识别 社区贴吧图片文字识别 社区贴吧图片文字识别适 用于各类社区社交新闻媒体里用户发帖，贴吧，以及游戏实时交互图片等的识别。网络UGC图片文字...
功能发布记录
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、录音文件识别极速版、录音文件识别闲时版支持字幕上屏场景。新增 接口说明 语音识别 DashScope灵积模型服务 高性价比实时语音识别...
单据票证信息抽取
功能简介 单据票证信息抽取（固定版式）是基于深度学习的信息抽取自学习模型任务，可对版式相对固定的单据、证件、凭证等类型数据有较好的效果，支持用户自定义抽取字段，通过平台可视化引导，完成数据标注和模型训练。在图像质量较好情况...
转码常见问题
目前仅支持保留一路音频流，即在Output参数中添加音频流的配置为 audioMap=0，如果您有特殊场景需求，请 填写宜搭信息申请。转码之后，视频的宽高为什么和设置的不一样？视频点播的转码模板中，可以设置横竖屏自适应（LongShortMode），该...
自定义KV模板
经过配置调优的模板识别准确率可达85%以上。同时 工具箱 中还提供分类器管理工具与字段类型管理工具，支持用户通过同一接口完成不同版式数据的自动分类路由与高精度识别。功能优势 低成本，仅需提供一张样图即可完成模板搭建，无需标注。低...
视频转码
当您需要修改视频的编码格式、降低分辨率和码率以缩小视频文件体积、转换视频封装格式，甚至是提高视频质量时，可以使用视频转码功能。本文介绍视频转码处理功能参数及示例。注意事项 视频转码仅支持异步处理（x-oss-async-process处理方式...
产品简介
肢体关键点SDK（iOS）肢体动作计数 肢体动作计数SDK（Android）通过摄像头拍摄人像动作视频，实时识别出人体关键点，并根据动作自动计数。已支持的健身动作有15种（跳绳、深蹲、开合跳、仰卧起坐、俯卧撑、平板支撑、臀桥等），还可支持...
AliEngine
通过阅读本文，您可以了解到Windows SDK的AliEngine接口详情。接口说明 查看所有接口详情，请参见 AliEngine。目录 基础接口 API 描述 支持的最低版本 SetH5CompatibleMode 设置H5兼容模式。1.1 GetH5CompatibleMode 检查当前是否兼容H5。1...
快速入门
本文档介绍快速入门体验，...实时记录 实时处理音频流，转写成文字，并支持中、英、日、韩语间的双向实时互译，实现实时多语种字幕，确保跨国交流无障碍。在实时记录结束后，可开启说话人分离、大模型摘要、章节速览、智能纪要等功能链路。
产品优势
模块划分 能力说明 语音转写 语音转文字：能够将实时音频流或音视频文件中的语音转写成文字，支持中文、英文、粤语、中英混、日语、韩语的转写。转写结果可返回段落、句子划分和词级别的起止时间，用于对应字幕展示。说话人分离：能够将...
自定义表格模板
用户仅需通过一张模板数据的可视化拖拉拽配置参照字段、识别字段或表头&待识别的列表区域，字段属性等，无需进行数据标注和模型训练，即可实现相同版式数据的自定义结构化识别抽取。经过配置调优的模板识别准确率可达85%以上。同时 工具箱 ...
功能发布记录
中英自由说支持全文概要、章节速览、发言总结、待办事项、问答提取 实时增加韩语 支持韩语语种识别和中韩互译 音视频转写升级 新增格式：○音频：aiff格式。视频：avi、mpeg、3gp、ogg。修正音视频时长不准确的问题。基础性能 提升服务稳定...
AliRtcEngine接口
通过阅读本文，您可以了解到iOS SDK和Mac SDK的AliRtcEngine接口详情。接口说明 查看所有接口详情，请参见 AliRtcEngine。目录 基础接口 API 描述 支持的最低版本 setH5CompatibleMode 设置H5兼容模式。1.1 getH5CompatibleMode 检查是否...
媒体处理常见问题
提交转码作业时，将参与转码的音频流设置为0，即在Output参数中添加音频流配置"AudioStreamMap":"0:a:0。转码之后，视频的宽高为什么和设置的不一样？在转码模板中，可以设置横竖屏自适应（LongShortMode）。如果开启了横竖屏自适应，则只...
表格信息抽取
功能简介 表格信息抽取是基于深度学习的信息抽取自学习模型任务，可对版式相对固定的表格、表单的等类型数据有较好的效果，支持用户自定义抽取字段，通过平台可视化引导，完成数据标注和模型训练。在图像质量较好情况下，通过100+训练样本...
- 产品推荐
- 这些文档可能帮助您