选型最佳实践
语音识别与合成推理：GPU与CPU比例推荐为1:16到1:48之间。常见场景的GPU选型推荐如下图所示。验证与调整 当您完成选型并开始使用云服务器ECS实例后，建议您根据一段时间的性能监控信息，验证所选实例规格是否合适。假设您选择了ecs.g6e....
SDK和API概览
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 一句话识别、录音文件识别、录音...
预置Processor使用说明
与资源不匹配，则会导致部署报错），示例如下。{"name":"tf_serving_test","generate_token":"true", model_path":"http://xxxxx/savedmodel_example.zip","processor": tensorflow_cpu_1.12","metadata":{"instance":1,"cpu":1,"gpu":0,...
产品公共FAQ
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？控制台一个项目下支持多个基础模型吗？有没有H5语音唤醒相应的技术和插件？如何在阿里云查询...
计费说明
智能导航产品价格为399元/并发/月，其中包括智能导航控制台，语音识别，语音合成。但是自然语义理解和通信线路不包含在产品内。自然语义理解部分需要先开通 云小蜜机器人 服务。说明 智能导航可由此处进行购买开通：智能导航购买链接。请先...
最佳实践
推荐使用与Paraformer语音识别API同地域的阿里云对象存储OSS进行音视频文件存储。OSS可以便捷的为文件生成URL，从而被指定为API的输入。对位于同地域OSS中的文件进行转写有助于提高转写效率和稳定性。说明 Paraformer语音识别文件转写API...
最佳实践
由于阿里云对象存储OSS可以便捷地为文件生成URL，从而被指定为API的输入，对位于同地域OSS中的文件进行转写有助于提高转写效率和稳定性，因此推荐您使用与Paraformer语音识别API同地域的OSS进行音视频文件存储。Paraformer语音识别文件转写...
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...
计费定价FAQ
本文汇总了您在使用智能语音交互产品中关于计费相关的常见问题。录音文件识别所有的调用都会计费，还是只有识别成功的才会...语音识别和语音合成调用如果出错是否计费？请求的状态码如果是2xx，则正常计费，其他状态码如4xx或者5xx不会计费。
iOS SDK（旧版）
AliyunNlsClientAdaptor：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。NlsSpeechSynthesizerRequest：语音合成处理的请求对象，线程安全。...
产品功能
智能语音交互是基于语音识别、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”式的智能人机交互体验。适用于多个应用场景中，包括智能问答、智能质检、法庭庭审实时记录、实时演讲字幕、访谈录音...
概述
阿里云官方对某些场景（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。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，可以通过自学习平台的语言模型定制，...
iOS SDK
是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包。将ZIP包中的nuisdk.framework添加到您的工程中，并在工程Build&Phases的Link&Binary&With&...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，在 app/libs 目录下获取AAR格式的SDK包，将AAR包集成到您的工程项目中进行依赖。使用...
iOS SDK
是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，将ZIP包中的nuisdk.framework添加到您的工程中，并在工程Build Phases的Link Binary With ...
iOS SDK
是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，将zip包中的nuisdk.framework添加到您的工程中，并在工程Build&Phases的Link&Binary&With&...
什么是智能语音交互
灵积模型服务平台中的语音服务——Paraformer语音识别API是基于达摩院新一代非自回归端到端模型，提供对输入的各类音视频文件进行语音识别的能力，可被应用于客服质检、内容理解分析、字幕生成等。自学习平台 您可以使用自学习平台提升识别...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，在 app/libs 目录下获取AAR格式的SDK包，将AAR包集成到您的工程项目中进行依赖。使用...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，在 app/libs 目录下获取AAR格式的SDK包，将AAR包集成到您的工程项目中进行依赖。使用...
语音识别实现音视频文件转写及实时文字上屏功能
本文以Paraformer语音识别为例，介绍通过DashScope的语音识别文件转写模型（paraformer-v1）进行视频文件语音转写的基本使用方法，并在进阶指南部分展示了如何使用实时语音识别模型（paraformer-realtime-v1）进行实时语音转文字上屏的功能...
语言模型
可以使用这些历史数据作为语料来对自定义的语言模型进行训练，自定义的语言模型在训练时，是在通用模型的基础上进行训练的，通过对您的训练语料做模型训练，可以有效提高您的特有场景的语音识别准确率，尤其是专有名词和文本中的高频词汇，...
语言模型
可以使用这些历史数据作为语料来对自定义的语言模型进行训练，自定义的语言模型在训练时，是在通用模型的基础上进行训练的，通过对您的训练语料做模型训练，可以有效提高您的特有场景的语音识别准确率，尤其是专有名词和文本中的高频词汇，...
非开发者使用指南
在控制台中使用语音识别、语音合成、以及通过技术接口使用服务均会计费。重要 智能语音交互服务会每日根据实际使用量，从您的阿里云账户余额中扣费。资源包抵扣规则 如果您预先购买了资源包，可直接在 智能语音交互控制台 使用。资源包价格...
通过OpenAPI定制
提交合成，VoiceName需要与音频检测时传递至云端的一致，云端依赖此参数寻找暂存的音频进行训练。无 Gender 性别，取值范围如下： female：女性 male：男性 Scenario 场景，取值范围如下：story：故事 interaction：交互 navigation：导航 ...
功能发布记录
中英自由说（混合识别）、粤语（繁体）、葡萄牙语、土耳其语、希腊语、爪哇语、孟加拉语、捷克语、乌尔都语、尼泊尔语、蒙古语（外蒙）、乌兹别克语、僧伽罗语、马拉地语、泰卢固语、旁遮普语、瑞典语、保加利亚语、加泰罗尼亚语、希伯来语...
SSML标记语言介绍
标签，及SSML与文本结合的方式，以下示例可以将全文作为一次请求，在长文本语音合成服务中进行合成测试。你好吗？114查询号码 123开始干。加起来为 1234。张三的快递。富路国际1号楼3单元304 李四6689 我很好。哈哈哈 文本头部之前可以省略...
语音智能处理类模型
该模型与通用中文语音识别模型（极速版）不同，特别适配了中文电商直播场景，实现该场景下的中文语音识别。电商直播中文语音识别模型（极速版）的结构与通用中文语音识别模型（极速版）的结构相同。输入格式 输入数据为JSON格式字符串，...
服务升级与购买
本文以语音识别为例介绍业务开通后的相关变更操作，帮助您更灵活地使用智能语音服务。前提条件 完成智能语音服务开通，详情请参见 开通服务。重要 语音识别服务免费试用版提供最大不超过2路并发。如需更多并发，请升级商用版，升级前请阅读...
通过控制台界面定制
长文本语音合成 SDK调用 长文本语音合成 登录 阿里云智能语音交互控制台，选择 服务管理与开通>长文本语音合成，单击 升级商用版。在 长文本语音合成 区域，选择 商用，商用后为付费使用服务。若您合成内容大于300字，选择 长文本语音合成...
管理项目
语音识别+语音合 成+语音分析 智能语音交互全部服务均可使用，按需配置即可。设备端解决方案 需要选择SDK类型，支持 设备端解决方案SDK、标准版离线语音合成SDK、精品版离线语音合成SDK。创建完成后，在 我的所有项目 页面中将展示您所创建...
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...
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...
运行示例
本文基于使用主账号且从控制台获取测试Token的方式，为您介绍快速入门体验或轻量级开发测试，助您快速体验语音产品能力。前提条件 已按照 从这里开始 完成准备阿里云主账号、开通服务、管理项目和通过控制台获取Token等操作。体验方式 使用...
公众号管理
Recognition string 语音识别结果，UTF8编码 缩略图媒体id ThumbMediaId string 视频消息缩略图的媒体id，可以调用多媒体文件下载接口拉取数据。X坐标信息 Location_X number 地理位置纬度 Y坐标信息 Location_Y number 地理位置经度 精度 ...
DescribeFaceVerify
用户意愿表达语音识别出的文本列表"asrTexts":["本人同意办理XXX业务","本人同意办理XXX业务","本人同意办理XXX业务"], 意愿认证相关资料存放客户上海区域的OSS里，此为资料的Bucket名称。ossBucketName": ...
管理定制模型
阿里云官方对某些场景（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。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，可以通过自学习平台，达成优化目的。...
创建热词
在语音识别中，如果您的业务领域有部分词汇默认识别效果不够好，可以考虑使用热词功能，将这些词添加到词表从而改善识别结果。本文为您介绍如何在控制台创建热词。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...
离线语音合成使用问题
申请离线配额后，不关联在线语音服务（如在线合成、在线语音识别等），如果想使用在线语音服务需要额外购买相应的服务。已经投入使用的在线语音服务Appkey可以用于申请离线配额吗？除设备端解决方案外的其他Appkey可以。如果之前使用的是...
计费概述
语音数据处理费用 类别 服务 计费方式 说明 语音识别 实时语音识别 按照语音时长计费 可以自助开通后付费或购买预付费资源包。一句话语音识别 按照调用次数计费 录音文件识别 按照录音时长计费 录音文件识别极速版 按照录音时长计费 录音...
移动端应用如何安全访问智能语音交互服务
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 录音文件识别 录音文件识别闲时版 方案一：通过App服务...
- 产品推荐
- 这些文档可能帮助您