最佳实践
预处理视频文件以提高文件转写效率 Paraformer语音识别API...重要 对同地域的OSS文件进行语音识别文件转写时，应指定OSS bucket的内网域名下的URL作为文件名。这将避免产生不必要的OSS网络流量费用。更多关于对象存储OSS的信息，请参见 OSS。
最佳实践
Paraformer语音识别 了解如何通过从视频文件中...重要 对同地域的OSS文件进行语音识别文件转写时，应指定OSS bucket的内网域名下的URL作为文件名。这将避免产生不必要的OSS网络流量费用。了解对象存储OSS的更多信息，请前往：OSS产品主页。
快速开始
异步文件转写示例代码 以下示例展示了调用SenseVoice语音识别文件转写异步API，对多个通过URL给出的音频文件进行语音识别批处理的代码。模型默认支持中英两个语种的语音识别，您可以参考示例中的调用入参 language_hints 指定特定语种进行...
快速开始
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。可被应用于：对...
快速开始
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。可被应用于：对...
快速开始
示例代码 以下示例展示了调用Paraformer语音识别文件转写API，对一个通过URL给出的音频文件进行语音识别的代码。说明 需要使用您的API-KEY替换示例中的 your-dashscope-api-key，代码才能正常运行。通过URL指定进行语音转写的文件，其大小...
快速开始
异步文件转写示例代码 以下示例展示了调用SenseVoice语音识别文件转写异步API，对多个通过URL给出的音频文件进行语音识别批处理的代码。模型默认支持中英两个语种的语音识别，您可以参考示例中的调用入参 language_hints 指定特定语种进行...
Java SDK
关键接口 NlsClient：语音处理客户端，利用该客户端可以进行一句话识别、实时语音识别和语音合成的语音处理任务。该客户端为线程安全，建议全局仅创建一个实例。SpeechTranscriber：实时语音识别类，通过该接口设置请求参数，发送请求及...
移动端SDK说明
一句话识别/实时语音识别/录音文件识别极速版 配置或参数错误 状态码 状态消息 原因 解决方案 240999 DEFAULT_ERROR 内部默认错误。内部未明确错误。240001 NUI_CONFIG_INVALID 配置文件错误。配置文件错误，请确认传入的资源路径内是否有...
接口说明
sample_rate Integer 否 表示语音识别模型的采样率，上传的音频如果不符合其取值会被自动升/降采样率至8000或16000。取值：16000（非电话）/8000（电话）。默认：16000。vocabulary_id String 否 添加热词表ID。默认：不添加。...
Paraformer语音识别
产品简介 基于通义实验室新一代非自回归端到端模型，Paraformer 提供实时音频流的语音识别功能，并支持对各种音视频文件进行语音识别。产品优势 识别准确率高：基于新一代非自回归端到端模型，大幅提高了语音识别的精度和准确率。丰富的...
SDK和API概览
Python SDK 一句话识别、实时语音识别、录音文件识别、录音文件识别闲时版、语音合成、C++ SDK 一句话识别、实时语音识别、语音合成 C#SDK 一句话识别、实时语音识别、语音合成 Go SDK 一句话识别、实时语音识别、语音合成 Node.js SDK ...
语音识别SenseVoice大模型
产品简介 SenseVoice语音识别大模型专注于高精度多语言语音识别、情感辨识和音频事件检测，支持超过50种语言的识别，整体效果优于Whisper模型，中文与粤语识别准确率相对提升在50%以上。产品优势 多语种识别：支持共计50+种语种的语音识别...
非开发者使用指南
五、免费试用功能简介 服务能力 免费试用期间权益 试用期过后如何继续使用 语音识别 上传文件：每天免费使用额度为2小时（音频时长），当日免费额度用完后，在24小时后才可以重新使用。麦克风：无使用限制。麦克风和音频文件升级为商用版 ...
Python SDK
https://nls-portal.console.aliyun.com/applist #以下代码会根据音频文件内容反复进行实时语音识别（文件转写）class TestSt:def_init_(self,tid,test_file):self._th=threading.Thread(target=self._test_run)self._id=tid self._test_...
语音识别
语音识别（Automatic Speech Recognition，ASR）可以将音视频中包含的人类声音转换为文本。适用于会议记录、客户服务、媒体制作、市场研究及多样化的实时交互场景，能显著提升工作效率、服务质量与人机交互体验。语音识别也称为语音转写、...
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 百炼服务 高性价比实时语音识别上线。新增 实时...
计费项
支持服务 语音识别：录音文件识别、实时语音识别、一句话识别 语音合成：语音合成 语音分析：说话人识别、声音事件检测、性别识别、语种识别 语音识别：录音文件识别、实时语音识别、一句话识别、录音文件识别（极速版）、录音文件识别（闲...
并发和QPS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。在智能语音交互产品中，不同服务之间不共享并发额度，同一服务下的不同项目（对应不同AppKey）共享并发额度。例如，以...
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：...
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？...
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...
RESTful API
3.语音识别接口请求路径：/stream/v1/asr。4.设置必选请求参数：appkey、format、sample_rate。5.设置可选请求参数：enable_punctuation_prediction、enable_inverse_text_normalization、enable_voice_detection。String url=...
移动端应用如何安全访问智能语音交互服务
背景信息 方案 适用接口 方案一：通过App服务端创建Token并下发到移动端使用 一句话识别 实时语音识别 录音文件识别极速版 语音合成 实长文本时语音合成 语音分析等 方案二：使用STS临时访问凭证调用语音服务 离线语音合成 方案一：通过App...
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...
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...
Paraformer语音识别
Paraformer是通义实验室研发的新一代非自回归端到端语音识别模型，具有识别准确率高、推理...开发者可以通过以下链接，了解如何通过DashScope调用Paraformer文件转写API：快速开始 实时语音识别API详情 录音文件识别API详情 计量计费 最佳实践
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。新一代语音识别模型paraformer-v2，支持常见的视频直播...
SDK FAQ
请参考 使用SDK设置业务专属热词，将为您介绍在一句话识别、实时语音识别、录音文件识别中如何设置泛热词。SDK报错“DNS resolved timeout”是什么问题？查看/etc/resolv.conf 文件中nameserver的设置，建议增加并优先使用以下配置：...
视频翻译
若不需线上进行人工编辑，只需要直接获取压制字幕的视频文件、原文语音识别文件（ASR）、机翻译文文件，可点击“项目名称”进入项目详情，生成预翻译文件并下载，【详见“获取结果”】。5.分配译员 可以分配给自己、他人或者多人进行工作...
录音文件识别API详情
SenseVoice 语音识别 说明 支持的领域/任务：audio（音频）/asr（语音识别）模型介绍 SenseVoice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。SenseVoice语音识别返回较为丰富的结果供...
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）相关指南：语音识别，Paraformer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。新一代语音...
录音文件识别API详情
说明 支持的领域/任务：audio（音频）/asr（语音识别）相关指南：语音识别，语音识别SenseVoice大模型。SenseVoice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。SenseVoice语音识别返回...
错误码查询
移动端SDK错误码 一句话识别/实时语音识别/录音文件识别极速版 配置或参数错误 状态码 状态消息 原因 解决方案 240999 DEFAULT_ERROR 内部默认错误。内部未明确错误。240001 NUI_CONFIG_INVALID 配置文件错误。配置文件错误，请确认传入的...
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...
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...
接口说明
一句话识别/实时语音识别/录音文件识别极速版 配置或参数错误 状态码 状态消息 原因 解决方案 240999 DEFAULT_ERROR 内部默认错误。内部未明确错误。240001 NUI_CONFIG_INVALID 配置文件错误。配置文件错误，请确认传入的资源路径内是否有...
智能语音导航（文档停止维护）
智能语音导航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，简称NLU）技术并面向企业客户提供的一款电话机器人产品。
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，...
- 产品推荐
- 这些文档可能帮助您