TG7560A
TG7560A是天猫精灵推出的一款低功耗离线语音芯片，内置基于ASIC 32位处理器，NPU V200，支持语音唤醒，离线语音控制，QFN20封装，适合用于灯具、窗帘、晾衣架家装行业遥控器；风扇、取暖器两季行业遥控器等品类。产品详情 开发必备资料 ...
使用AMD CPU实例部署通义千问Qwen-Audio-Chat
本文介绍如何使用阿里云 AMD CPU 云服务器（g8a）和龙蜥容器镜像，基于 通义千问Qwen-Audio-Chat搭建语音AI服务助手。背景信息 Qwen-Audio是阿里云研发的大规模音频语言模型（Large Audio Language Model）。Qwen-Audio可以以多种音频...
功能概述
功能简介 自学习模型生产平台，简称自学习，是基于阿里巴巴视觉智能技术实践经验，面向AI技术基础薄弱的企业和开发商（含开发者），为其提供定制化AI模型生产服务，帮助企业快速建立贴合自身业务的AI模型生产平台。特色优势 操作简单。自...
连接芯片概述
天猫精灵连接芯片包括蓝牙芯片（Sig Mesh标准芯片、Tiny Mesh芯片）、WiFi Combo芯片、离线语音芯片等，具有高性能、高可靠性、低成本、易开发等优势。天猫精灵定制芯片为合作品牌和服务商提供从云到端一体化优质的解决方案，且适用于生活...
什么是AIoT能力中心
AIoT开放能力基于阿里云卓越的物联网与AI技术，为应用提供业务流程、AI推理、商业生态、内容生态等类型的服务，助力企业及开发者打造具有丰富智连功能的应用。能力中心为开发者提供应用开发与项目集成工作台，提供能力调用调试、应用托管，...
什么是自学习
自学习是基于阿里巴巴视觉智能技术实践经验，面向AI技术基础薄弱的企业和开发商（含开发者），为其提供定制化AI模型生产服务，帮助企业快速建立贴合自身业务的AI模型生产平台。概述 自学习平台作为视觉智能模型定制生产、发布服务的工具...
应用场景
视频内容再造 利用视频AI和超分技术、媒体处理技术，实现低画质素材高清重生内容再造。泛娱乐视频 媒体处理为泛娱乐门户提供完整的视频服务，帮助您快速搭建一个功能齐备的泛娱乐视频发布平台。快速对接 可通过API快速同已有媒资系统和内容...
换脸鉴别
特色优势 反制AI技术滥用：换脸鉴别基于达摩院人脸图像算法和Deepfake鉴别技术，提供对图像中的人脸特征进行全方位分析，利用AI技术反制换脸、合成脸、人脸特征编辑生成这类AI技术的滥用，保护用户合法权益、维护社会公共安全。领先鉴别...
智能设计（ArtLab）
当前大模型对AI技术和编程的要求，使学习和使用模型的成本较高。因此需要ArtLab这样的工具，它屏蔽底层技术细节，向上提供简单易用的操作界面，您可以不写程序就能够利用AI提供的能力完成自动化的设计工作。ArtLab 介绍 ArtLab是人工智能...
普通节点
语音配置：语音配置是指在使用语音技术或语音识别系统时，对系统进行各种参数设置和调整的过程。通过语音配置，可以使系统能够适应不同的环境和语音特点。用户说 用户说可以定义在这个交互节点中，后续用户的回复分支。具体内容配置界面即...
简介
随着AI技术的发展，Data Fabric与AI的融合不仅增强了数据交付的灵活性，也降低了数据分析的难度，使得数据分析对所有人来说都变得更加易行，开启了人人参与数据分析的新时代。DMS数据分析与应用介绍 DMS通过Data Fabric+大模型构建数据管理...
新手指南
您可以在能力广场的14大类、上百项AI技术能力中选取适合您业务的能力进行调试和开发。本文以 身份证识别 能力为例，帮助您快速了解如何调用视觉智能开放平台能力。操作流程 初次使用阿里云视觉智能开放平台时，您可以根据以下流程快速上手...
什么是智能双录质检
产品优势 基于达摩院 AI 能力 阿里巴巴达摩院团队人工智能（Artificial Intelligence，简称 AI）实验室在语音识别、图像识别、视觉理解、语言理解等方面开展大量研究，并沉淀出 AI 相关的大量技术成果。智能双录质检产品基于达摩院 AI 技术...
产品简介
什么是容器服务灵骏版 云原生AI套件 以容器服务为底座的云原生AI技术和产品方案。向下封装对各类异构资源的统一管理，向上提供标准Kubernetes集群环境和API，以运行各核心组件，实现资源运维管理、AI任务调度和弹性伸缩、数据访问加速、...
云原生AI套件概述
云原生AI套件是阿里云容器服务ACK提供的云原生AI技术和产品方案。使用云原生AI套件，您可以充分利用云原生架构和技术，在Kubernetes容器平台上快速定制化构建AI生产系统，并为AI/ML应用和系统提供全栈优化。本文介绍云原生AI套件产品架构、...
口语书面化
本文主要介绍口语书面化的AI能力和实现方式。口语书面化是指对语音转写结果进行原文改写和润色，便于形成书面化的语音转写结果。请求参数 参数名 类型 是否必填 说明 TextPolishEnabled boolean 否 默认为false 示例设置 {"Input":{.},...
GPU计算型
基于第三代神龙架构，通过CIPU云处理器进行云端资源管理，提供稳定可预期的超高计算、存储和网络性能 采用NVIDIA A16 GPU计算加速器提供GPU加速能力，支持图形加速、硬件转码和AI业务 说明 每块NVIDIA A16卡包含4个GA 107处理芯片。...
GPU计算型和GPU虚拟化型实例概述
网络：支持IPv6 实例网络性能与计算规格对应（规格越高网络性能越强）适用场景：配备高性能CPU、内存、GPU，可以处理更多并发AI推理任务，适用于图像识别、语音识别、行为识别业务。支持RTX功能，搭配高主频CPU，提供高性能的3D图形虚拟化...
产品简介
阿里云视觉智能开放平台...人脸对比SDK（iOS）唇动检测 唇动检测SDK（Android）对图片中的人脸进行定位，并对唇动的程度进行检测，输出用户唇动的大小，可应用于多模态场景，和语音算法一起降低传统语音唤醒算法的误唤醒。唇动检测SDK（iOS）
功能概览
针对保险、银行等金融领域的双录（录音、录像）场景合规性要求，智能双录质检利用 AI 技术实现对销售过程中各类关键动作、语音、证件的检测，以及关键角色的面部追踪，实现对销售过程的智能化监控。其中，智能双录质检提供的终端检测能力，...
产品优势
效果逼真 在本地端实现了基于Knowledge-Aware Neural TTS(KAN-TTS)语音合成技术，基于深度神经网络和机器学习，将文本转换成真实饱满、抑扬顿挫、富有表现力的语音，使得 离线语音 合成效果趋近于在线合成效果。同样的语音合成 声音定制 的...
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...
什么是智能联络中心
多种音色可选：使用达摩院最新语音合成技术，贴近真人的播报体验，语音机器人提供多种音色，企业可根据目标用户群体选择不同的音色，提升用户体验。人机互转：企业可根据实际业务场景，设置关键意图转人工，当机器人无法解决用户问题或用户...
国内语音服务定价
语音通知 按量计费 语音通知类型 语音分钟数阶梯（分钟数/月）分钟数≤5万 5万分钟数≤10万 10万分钟数≤50万 50万分钟数≤100万 公共模式（元/分钟）￥0.11 专属模式（元/分钟）￥0.11￥0.108￥0.104￥0.10 套餐包 为了降低用户的使用成本...
API详情
概述 Paraformer语音识别提供的文件转写API，能够对常见的音频或音视频文件进行语音识别，并将结果返回给调用者。常见的音频或音视频文件一般采用16kHz及以上的采样率进行录制，可选择paraformer-v1模型进行中英文语音识别，或选择...
录音文件识别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语音识别提供的文件转写API，能够对常见的音频或音视频文件进行语音识别，并将结果返回给调用者。常见的音频或音视频文件一般采用16kHz及以上的采样率...
录音文件识别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语音识别提供的文件转写API，能够对常见的音频或音视频文件进行语音识别，并将结果返回给调用者。常见的音频或音视频文件一般采用16kHz及以上的采样率...
平台融合升级公告
后续平台会致力于结合IoT物联网技术（蓝牙协议、Wi-Fi协议、云服务）和天猫精灵的AI能力（ASR语音识别、NLP自然语言处理、TTS语音合成），向您提供更丰富的智能服务。物模型变更介绍 为了便于后续给您开放天猫精灵沉淀的大量基于物模型的...
产品优势
依托阿里云多年沉淀AI算法，为客户提供全新对话式交互体验 业内先进的对话式AI技术 本产品基于达摩院自研超大规模多模态大模型、多领域融合意图识别大模型等业内先进AI技术，构建有知识、有情感、主动式、多模态的新一代对话引擎，多项核心...
云市场全新类目升级及平台服务费调整通知
大模型与生成式AI AI应用 机器学习基础软件 IoT 集成系统 智能硬件 模组 传感器 芯片 物联网应用 物联服务 解决方案 零售通解决方案 新零售解决方案 行业解决方案 同时，为鼓励服务商更好地在云市场经营，云市场将于 2024年1月1日 起正式...
计量计费
由于对是否存在语音内容的判定是由AI模型给出的，可能与实际情况存在一定误差。对于多轨音频文件，默认参数配置下仅转写首轨音频，并仅对其进行计量计费。如开发者指定对多个音轨进行转写，将对各音轨根据其语音内容时长分别进行计量计费。...
什么是内容安全
内容安全是一款基于AI算法和云计算技术，对多媒体内容的不宜或违规内容提供识别和标注的产品。该产品，支持对各行业及业务场景下的图片、视频、文本、语音等对象进行检测，可以帮助您提高内容审核效率、提高平台内容质量和用户体验。产品...
什么是云联络中心
丰富的AI能力：集成智能语音质检、智能语音对话机器人、预测式外呼等达摩院AI能力，可以提供话务录音分析、机器人智能接听、精准批量外呼等功能，提升呼叫中心的人效。丰富数据：提供实时的呼叫中心运营数据监控大屏，坐席和技能组的服务...
FAQ管理
语音答案：语音答案指的是以音频形式提供的答案，通常由通过文本到语音（TTS）技术自动生成。编辑FAQ 内容修改：含义：修改FAQ标题、相似问或答案内容。操作：点击待修改FAQ右侧操作中的编辑按钮即可进行编辑操作。生效配置修改 含义：修改...
TG7100B
TG7100B是天猫精灵针对蓝牙Mesh接入定制的高性价比蓝牙5.0芯片，具有极简的电路设计，优异的射频性能，低功耗，汽车级温宽范围（-40℃~125℃）等特点。产品详情 开发必备资料 登录生活物联网平台《开发天猫精灵生态产品》。常用资料链接 ...
语音转写
本文主要介绍语音转写的AI能力和实现方式。语音转写是通义听悟的核心功能，用以将音视频文件或实时音频流中的语音转写成文字。语音转写是通义听悟API服务链路中的第一个节点，必选其中的一种形式，无法禁用。支持中、英、粤、日等语种，可...
安全告警大模型分析
云安全中心应用AI大模型技术，从安全运营管理者视角出发，在告警分析、告警处置及持续监测的整体管理链路中，利用大模型对关联事件的总结分析能力，高效帮助安全管理者完成安全告警运营。使用限制 仅支持已购买云安全中心防病毒版、高级版...
AI编译器优化
为了解决这些问题，AI编译优化技术已经成为一个被广泛关注的技术方向。传统编译器是以高层语言作为输入，避免用户直接写机器码。深度学习编译器的作用与其相仿，输入是比较灵活的、具备较高抽象度的计算图，输出包括CPU或GPU等硬件平台上的...
视频AI概述
产品信息：视频DNA 配置文档：视频DNA 智能标签 智能标签服务通过分析视频中视觉、文字、语音、行为等信息，结合多模态信息融合及对齐技术，实现高准确率内容识别，自动输出视频的多维度内容标签，将非结构化信息转化为结构化信息。...
产品概述
源自阿里巴巴多年安全技术积累，涵盖电商、社区、支付等多领域的平台内容治理经验以及AI算法和云计算基础设施，为企业用户提供稳定、即接即用、成熟的内容安全解决方案，帮助企业和开发者在复杂多变的互联网环境下快速发现文本、图片、视频...
- 产品推荐
- 这些文档可能帮助您