UpdateMPUTask
UnsubSpecAudioUsers.N String 否 audioUserID2 指定不订阅房间里哪些用户音频流（输入allStream表示不混所有人音频）。数组下标取值范围：1～64。说明 数组下标需要从1开始并从小到大，不能中断，要连续。UnsubSpecShareScreenUsers.N ...
OCR&文档自学习FAQ
矩形框标注工具支持OCR预识别，您仍需要校验识别文字内容，保证选框文字和识别文字内容一致，可提高识别准确度。OCR预识别暂不支持手写体，仅支持印刷文字。训练时长如何计算 训练时长由数据量、标注情况、机器资源等多种因素共同决定。...
RecognizeWaybill-电子面单识别
接口说明 本接口适用场景 阿里云电子面单识别，是阿里云官方自研 OCR 文字识别产品，适用于自动提取面单上的手机号进行拨打收件人号码或发短信，减少快递员拨号时间；可快速定位面单上的所需信息，提升快递转运效率。阿里云 OCR 产品基于...
回调及监听
1.17 onAudioFocusChange 音频焦点变化的结果通知（SDK内部会请求音频焦点，如外部再次使用音频焦点需要在此回调中再次请求）。1.17 AliRtcAudioVolumeObserver：注册音量回调。API 描述 以上版本支持 AliRtcAudioVolumeObserver 音量回调...
长文档信息抽取
预标注：开启OCR预标注识别后，在标注时画框会自动识别出框内文字内容，提高标注效率。题目库：本任务中，已存在的题目，用户可通过查看题目库选择合适的题目用于标注任务的制定。字段名称：识别字段对外透出的名称，即API接口中对应的名称...
数据结构
AliEngineAudioTrack 音频流类型。AliEngineNetworkQuality 网络质量。AliEngineVideoEncoderOrientationMode 横竖屏类型。AliEngineRenderMode 渲染模式。AliEngineRenderMirrorMode 镜像模式。AliEngineRotationMode 旋转角度。...
RecognizeEduOralCalculation-口算判题
接口说明 本接口适用场景 阿里云口算判题识别，是阿里云官方自研 OCR 文字识别产品，适用于整数的加减乘除四则运算、整数的混合运算、大小比较、最大数最小数等的场景。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经...
概述
Video：音视频信息 AudioStream：音频流信息 ImageInfo：图片信息 AttachedMediaInfo：辅助媒资信息 分类管理 分类API 源文件信息 包括文件名称、时长、大小、状态、宽高、帧率、地址、码率、输出文件类型、创建时间等。源文件信息 ...
2021年
2021-12-30 Android、iOS 肢体关键点SDK 肢体动作计数SDK 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），还可支持定制健身...
RecognizeEduPaperOcr-整页试卷识别
接口说明 本接口适用场景 阿里云整页试卷识别，是阿里云官方自研 OCR 文字识别产品，适用于对练习册、教辅、教材等内容进行整页识别与题目检索场景。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经多年沉淀打磨，具有...
更新旁路转推任务（旧）
SubSpecAudioUsers.N String 否 audioUserID 指定订阅房间里哪些用户音频流（输入allStream表示混所有人音频）。数组下标取值范围：1～64。说明 数组下标需要从1开始并从小到大，不能中断，要连续。SubSpecShareScreenUsers.N String 否 ...
回调及监听
参数 类型 描述 audioTrack AliRtcAudioTrack 发送成功的音频流类型。videoTrack AliRtcVideoTrack 发送成功的视频流类型。onFirstRemoteVideoFrameDrawn：远端视频流首帧渲染完回调。(void)onFirstRemoteVideoFrameDrawn:(NSString*)uid ...
产品功能相关
阿里云文字识别服务要求单张图片大小不超过10M,图片最长边不超过8192像素，最短边不小于15像素，当长边超过1024像素时，长宽比不超过1:50；若对响应时长有较高要求的客户，图片大小建议控制在1.5M以内，并且通过传图片链接调用接口。图片...
基本数据类型
AudioStream：音频流信息 名称 类型 描述 Index String 音频流序号，标识音频流在整个媒体流中的位置。CodecName String 编码格式简述名。CodecLongName String 编码格式长述名。CodecTimeBase String 编码时基。CodecTagString String ...
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...
RecognizeTaxiInvoice-出租车发票识别
接口说明 本接口适用场景 阿里云出租车发票识别，是阿里云官方自研 OCR 文字识别产品，适用于识别出租车发票所包含的发票代码、发票号码、金额、里程等关键信息的场景。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经...
个人证照识别
本章节介绍阿里云文字识别-个人证照识别系列相关产品。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：...
StartMPUTask
SubSpecAudioUsers.N String 否 audioUserID 指定订阅房间里哪些用户音频流（输入allStream表示混所有人音频）。数组下标取值范围：1～64。说明 数组下标需要从1开始并从小到大，不能中断，要连续。SubSpecShareScreenUsers.N String 否 ...
RecognizeInternationalIdcard-国际身份证识别
接口说明 本接口适用场景 阿里云国际身份证识别，是阿里云官方自研 OCR 文字识别产品，适用于出入境审查、国内外身份核验等各种需要提取身份证信息的场景。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经多年沉淀打磨，...
功能发布记录
控制台、webSDK 4.12.3 及以上 2024-01-11 接入视频剪辑Web SDK 文字效果升级 花字样式新增；字幕支持自定义纹理；字幕支持自定义背景气泡。API 2024-01-09 官方花字新增44个，新增示例见CS0003、CS0004系列 花字效果示例 新增气泡字能力，...
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...
数据结构
AliRtcAudioTrack 音频流类型。AliRtcNetworkQuality 网络质量。AliRtcOrientationMode 横竖屏类型（仅iOS）。AliRtcAudioSessionOperationRestriction SDK对Audio Session的控制权限（仅iOS）。AliRtcRenderMode 渲染模式。...
智能生产制作功能介绍
直播剪辑 功能说明 支持对直播流实时进行直转点拆条。打通直播剪辑器和普通剪辑器，支持直播拆条结果一键导入普通剪辑器进行精编。支持处理的内容来源 支持阿里云视频直播流。产品体验 您可以在控制台上进行功能体验。具体操作，请参见 ...
数据类型
2.1 AliEngineAudioTrack 音频流类型。2.1 AliEngineVideoStreamType 相机流类型。2.1 AliEngineVideoSource 视频数据源。2.1 AliEngineVideoRecordSource 录制视频数据源。2.1 AliEngineVideoFormat 视频数据类型。2.1 ...
混流转码计费
示例一：10人加入频道通话，其中3位主播在麦上推纯音频流，7位观众在麦下拉流，频道通话时长2100秒，混流3位主播通话的音频。用量计算：需要启动1路混流转码任务，将3路音频进行混流转码。混流转码的是音频，因此混流转码规格为Mixed_Audio...
工作流活动介绍
视频组 VideoGroup 音频组 AudioGroup 字幕组 SubtitleGroup 提取视频 提取音频 提取字幕 Transcode 打包生成 GenerateMasterPlayList 审核 Censor 智能识别视频内语音、文字、画面的色情、暴恐涉政、不良画面等内容，大幅节省人工审核人力...
计费说明
若只输入1路音频，则按音频总时长收费（若：推送一小时无声音或纯噪音音频流，也会收取一小时转写费用）。当接入2路或3路时，只对有转写结果的时长收费，但当多路均同时无转写结果时也收费；由于会议不会经常出现多人同时说话的情况，因此...
媒体处理概述
边转边播：将视频文件上传到OSS存储空间，创建边转边播播放列表，立即播放，对视频实时按需转码并存储在OSS中。处理参数 OSS支持直接使用一个或多个参数处理视频等媒体文件，也支持将多个参数封装在一个样式中批量处理视频等媒体文件。关于...
Go SDK
本文介绍如何使用阿里云智能语音服务提供的Go SDK，包括SDK的安装方法及SDK代码示例。前提条件 在使用SDK前，请先阅读接口说明，详情请参见 接口说明。下载安装 说明 SDK支持Go 1.16及以上版本。请确认已经安装Golang环境，并完成基本配置...
语音审核增强版对接第三方音视频通信RTC
方案一：原生化审核（推荐）技术架构 内容安全支持火山引擎RTC的原生化审核方案，调用审核API时指定房间和用户ID等参数，即可通过虚拟用户加入房间拉取音频流，实时检测语音是否有违规内容并通知应用服务器。方案优势 相比较其他方案，具备...
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...
Android SDK
本文介绍了如何使用阿里云智能语音服务提供的Android NUI SDK，包括SDK下载安装、关键接口及代码示例。前提条件 使用SDK前，首先阅读接口说明，详情请参见 接口说明。已获取项目Appkey，详情请参见 创建项目。已获取Access Token，详情请...
数据类型
3.0 DingRtcAudioTrack 音频流类型。3.0 DingRtcNetworkQuality 网络质量类型。3.0 DingRtcRenderMode 渲染模式。3.0 DingRtcRenderMirrorMode 镜像模式 3.0 DingRtcRotationMode 旋转角度。3.0 DingRtcLogLevel Log级别。3.0 ...
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...
错误码
10008005 数据池音频流初始化失败。10008006 数据池视频流初始化失败。10008007 数据池缓冲区溢出。10008008 数据池媒体流不存在。音频处理 错误码 说明-10009001 创建失败。10009002 重新创建。10009003 销毁失败。10009004 重复销毁。...
错误码
10008005 数据池音频流初始化失败。10008006 数据池视频流初始化失败。10008007 数据池缓冲区溢出。10008008 数据池媒体流不存在。音频处理 错误码 说明-10009001 创建失败。10009002 重新创建。10009003 销毁失败。10009004 重复销毁。...
错误码
10008005 数据池音频流初始化失败。10008006 数据池视频流初始化失败。10008007 数据池缓冲区溢出。10008008 数据池媒体流不存在。音频处理 错误码 说明-10009001 创建失败。10009002 重新创建。10009003 销毁失败。10009004 重复销毁。...
RecognizeCarVinCode-车辆vin码识别
接口说明 本接口适用场景 阿里云 VIN 码识别，是阿里云官方自研 OCR 文字识别产品，适用于识别车辆上的 VIN 码，用于进行车辆质检检查、车辆登记的等场景。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经多年沉淀打磨，...
数据类型
枚举名 描述 AliRtcAudioTrackNo 无音频流。AliRtcAudioTrackMic 麦克风流。AliRTCCameraType：摄像头类型。枚举名 描述 AliRTCCameraInvalid 无效。AliRTCCameraBack 后置摄像头。AliRTCCameraFront 前置摄像头。AliRtcNetworkQuality：...
RecognizeCarNumber-车牌识别
接口说明 本接口适用场景 阿里云车牌识别，是阿里云官方自研 OCR 文字识别产品，可有效识别车辆车牌信息，支持多车牌以及多类车型检测识别。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经多年沉淀打磨，具有服务稳定、...
- 产品推荐
- 这些文档可能帮助您