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...
应用场景
人工智能众包可以为如下业务场景提供服务：人工智能行业 智能家居的指定唤醒词语音收集、数字串朗读，可通过阿里巴巴集团的语音识别接口自动为语音质量打分，只交付合格的数据。智慧医疗领域：X光片、病历等数据采集，以及对病源部位进行...
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...
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 ...
创建专有语言模型
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 语言模型>...
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...
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...
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...
应用场景
可以集成到智能家居等设备中。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...
功能发布记录
新增 接口说明 2020年11月27日 功能分类 功能名称 功能描述 更新类型 相关文档 语音识别 录音文件识别极速版 录音文件识别极速版支持全场景的语音识别模型，管控台支持录音文件识别极速版的调用量查询。新增 接口说明 语音识别对WAV文件的...
功能特性
智能外呼机器人 智能语音云座席 智能咨询回访服务 提供一体化的售前咨询和售后回访服务 坐席管理 智能营销线索获取服务 一体化提供对客智能转化服务 坐席管理 智能营销服务 功能集 功能 功能描述 参考文档 效果付费 运营商业务推广营销...
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...
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...
快速入门示例
智能导航机器人负责外层的语音识别，答案合成，ivr控制，线路对接等工作。搭建一个语音导航机器人需要三步：云小蜜机器人服务授权 配置机器人应答话术 配置IVR基础动作 云小蜜机器人服务授权 首先我们创建一个语音导航机器人实例，在页面上...
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...
产品公共FAQ
产品公共常见问题主要分为以下几类：功能类 使用阿里云音视频通信RTC如何调用语音识别服务？智能语音交互服务中语音识别和语音合成用到的端口是哪些？开通商用或者扩容并发，多久才会在控制台上显示？智能语音交互创建的项目数量有限制吗？...
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...
产品优势
多领域覆盖 在智能家居、车载、导航、金融、运营商、物流、房地产、教育、有声读物等众多领域积累了大量的词库，使阿里语音合成技术对各领域、各行业的词汇发音更准确。自学习平台 易用 自学习平台颠覆性地提供一键式自助语音优化方案，极...
语音识别问题排查
本文为您介绍语音识别中出现问题的排查步骤及解决方案。排查步骤 使用cooledit或者Adobe Audition软件查看语音格式，播放试听并查看分轨情况、波形、能量和频谱图。ASR识别标准格式：8KHz或16KHz采样率、16bit采样位数、单声道的语音数据...
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...
语音识别自学习工具
如果您需要的语音识别服务场景不在所提供的模型范围内，或者需要对标准模型进行更进一步优化，可以使用语音模型定制功能，达成优化目的。通过自学习工具的有效使用，能够提高场景语音识别率。在管理控制台训练定制模型的操作，请参见 管理...
什么是智能外呼机器人
智能外呼机器人是基于自动语音识别（Automatic Speech Recognition，ASR）、文字转语音（Text To Speech，TTS）以及自然语言理解（Natural Language Understanding，NLU）等技术，面向企业客户提供的一款智能客服机器人产品。智能语音机器...
什么是智能外呼机器人
产品概述 智能外呼机器人是综合利用 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，NLU）等技术，面向企业客户提供的一款智能客服机器人产品...
功能特性
语音服务 语音服务（Voice Service），是阿里云为了方便用户使用语音能力，联合运营商提供稳定可靠、安全可信的云通信...智能语音交互 增值服务 ASR 提供语音识别，语音转文本服务。录音 提供录音服务。行业云联络中心_座席 提供坐席服务。
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...
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：...
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...
语音识别FAQ
在电话端支持哪些国家的语音识别？在语音识别的服务中，有没有请求参数是音频文件地址，返回参数是转写文本？实时语音转写能和录音文件识别一样加入音轨ID吗？录音文件识别可以生成SRT字幕文件吗？语音识别服务支持哪些编码格式的音频？...
视频AI概述
视频点播提供智能审核、视频DNA、智能标签、智能封面等多种形式的媒体内容智能处理及内容智能生成能力，通过对音视频内容进行识别、分析和理解，可提升音视频内容生产的效率和质量。本文为您简要介绍视频点播提供的视频AI能力。视频AI服务...
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...
图像识别介绍
图像识别技术是基于阿里云深度学习技术，可实现精准识别图像中的视觉内容，包括上千种物体标签、数十种常见场景等，为您提供图像打标、场景分类、颜色识别、风格识别以及元素识别等能力。图像识别技术可广泛应用于数字营销、新零售、广告...
PaaS应用场景
应用场景 公测期间，新零售智能助理主要应用于零售行业消费者在线咨询的智能应答。当消费者咨询问题时，ISV调用新零售智能助理服务获取实时应答结果。RetailBot会根据消费者问题、上下文、知识库、机器人配置等多个因素，智能计算最优解并...
更多芯片模组
天猫精灵语音模组，集成自有声学算法和语音技能，具有语音唤醒、识别功能，结合生态IoT设备连接控制功能，天猫精灵App面板能力，双云连接，软件服务能力，面向家电家装、数码穿戴、运动健康、母婴早教、办公出行、新零售商业等行业品牌商和...
手势识别SDK
应用场景广泛：可用于自定义手势检测、手部AR特效、人机交互、在线教育、智能家居等场景。应用场景 智能家居 智能家电、家用机器人、可穿戴、儿童教具等硬件设备，通过用户的手势控制对应的功能，人机交互方式更加智能化、自然化。娱乐互动...
Node.js SDK
本文介绍如何使用阿里云智能语音服务提供的Node.js 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nodev14及以上版本。请确认已经安装nodejs&npm环境，并完成...
定制语言模型
本文为您介绍如何在控制台创建定制模型并应用模型。前提条件 已开通智能语音交互服务，详情请参见 开通服务。...说明 语言模型定制时选的基础模型需要和当前项目配置的语音识别模型一致，才会在下拉框中显示您定制的模型名称。
调用方式
Version：要使用的API版本，智能语音导航的API版本是 2018-06-12。Parameters：请求参数，每个参数之间用“&”分隔。请求参数由公共请求参数和API自定义参数组成。公共参数中包含API版本号、身份验证等信息，详情请参见 公共参数。下面是...
智能语音合成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智能语音识别以及智能语音合成等服务。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中，长文本以及短文本的智能语音...
Android SDK（旧版）
本文介绍了如何使用阿里云智能语音服务提供的旧版Android SDK，包括SDK的安装方法及SDK代码示例。请注意，新用户请关注新版Android SDK。注意 推荐您使用新版本Android SDK，本版本后续将不再更新。详情请参见 Android SDK。前提条件 阅读...
- 产品推荐
- 这些文档可能帮助您