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 ...
功能发布记录
新增 接口说明 语音识别 实时语音识别断句时长优化 实时语音识别默认最大断句时长由60秒缩短至15秒，方便您进行相关接口调用。优化 接口说明 语音识别通用模型和客服质检问题修复 语音识别16k中文通用模型，改善语音活动检测（Voice ...
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，...
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的音轨，并进行合理压缩，从而显著降低文件尺寸、减少API...
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...
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。
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？...
语音识别FAQ
本文汇总了您在使用语音识别服务时的常见问题。语音识别类常见问题主要分为以下几类：功能类 实时转写说话有停顿，但是语音识别不断句怎么办？语音识别能自动断开多句话吗？语音识别服务支持离线功能吗？语音识别支持哪些模型？语音识别...
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...
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”式的智能人机交互体验。适用于多个应用场景中，包括智能问答、智能质检、法庭...
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：...
语音识别Paraformer
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...
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...
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...
语音识别自学习工具
您在使用智能语音交互进行语音识别时，如果有部分词汇默认识别效果不满足您的需求，您可以使用热词功能提高业务相关术语的识别精度。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...
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...
语音数据集
ASR泛热词表是一种用于语音识别服务的数据集，用于改善特定领域识别效果不佳的情况。以下是关于ASR泛热词表的一些说明：作用：ASR泛热词表主要用于解决语音识别服务在特定识别场景下的问题，如地名、人名、特定品牌名等。通过将这些词添加...
智能对话分析
智能对话分析(Smart Conversation Analysis)依托于阿里云语音识别和自然语言分析技术，为企业用户提供智能的对话分析服务，支持语音和文本数据的接入。可用于电话/在线客服坐席服务质量检测、风险监控识别、服务策略优化等场景。
语音识别参数设置
功能入口 在智能对话分析控制台中，点击智能工具，选择语音模型训练工具，进入语音识别参数设置界面 功能说明 编辑 选择编辑按钮可以对语音识别的重要参数进行设置，以优化语音识别的效果。参数编辑保存后，先在数据集质检中进行测试。非...
计量计费
SenseVoice 语音识别 计费单元 模型服务 计费单元 SenseVoice 语音识别 秒（不足1秒则四舍五入）SenseVoice语音识别模型服务仅对音轨中被判定为语音内容的时长进行语音转写，并据此进行计量计费，非语音内容不计量、不计费。通常情况下语音...
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...
语言模型定制
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...
智能外呼机器人
智能外呼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智能客服机器人产品。智能外呼机器人...
什么是智能语音导航
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。智能语音导航...
计费方式
购买资源包 本文以实时语音识别为例进行说明，需确保实时语音识别服务已升级为商用版。登录 智能语音交互控制台，在左侧导航栏选择 服务管理与开通。在语音识别页签，单击 实时语音识别 右侧的 购买资源包。在购买页面，选择对应规格和数量...
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...
实时语音识别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语音识别提供的实时转写API，能够对长时间的语音数据流进行识别，并将结果流式返回给调用者，适用于会议演讲...
非开发者使用指南
语音识别（语音转文字）在 语音识别 处单击 去配置，选择语言后，单击右下角麦克风按钮开始识别，完成后单击 确认使用。语音合成（文字转语音）在 语音合成 处单击 去配置，选择声音后，在右侧文本框输入文字，单击右下角扬声器按钮开始...
计量计费
Paraformer语音识别 计费单元 模型服务 计费单元 Paraformer语音识别 秒（不足1秒四舍五入）重要 Paraformer语音识别模型服务仅对音轨中被判定为语音内容的时长进行语音转写，并据此进行计量计费，非语音内容不计量、不计费。通常情况下...
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...
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...
Node.js SDK
nls"/import { SpeechSynthesizer } from"alibabacloud-nls"实时语音识别 Class:SpeechTranscription SpeechTranscription类用于进行实时语音识别。构造函数参数说明：参数 类型 参数说明 config Object 连接配置对象。config object说明：...
产品优势
语音识别 识别准确率高 基于SAN-M自研的“识音石”通用端到端语音识别框架，中文识别准确率可达业内最高水平；在输入法、客服、会议等领域，文字识别错误率相比上一代系统下降10%～30%，大幅提高了语音识别的精度。识别速度快 采用“字”...
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。
语音识别热词
功能概述 语音识别热词功能允许用户设定一组特定的词汇作为热词。当语音识别系统运行时，它会优先处理这些热词，提高其在识别过程中的权重。如果您的业务领域有部分词汇识别效果不佳，可以考虑使用热词功能，从而提高识别效果。配置流程 ...
WebSocket协议说明
使用WebSocket调用实时语音识别时，WebSocket经常自动终止服务，不能实现实时语音识别，需要手动发送PCM或WAV音频文件，是什么原因？以上情况表示系统已经接收到您传输的音频，在符合协议以及传参的情况下，WSS或HTTP协议都能实现实时语音...
语音识别问题排查
本文为您介绍如果在语音识别过程中出现问题，应该如何排查及常见问题的解决方案。操作步骤 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...
语音识别SenseVoice
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...
智能纪要
功能 语音转写 章节速览 摘要总结（全文摘要、发言总结、问答回顾）要点提炼（待办事项、关键词、重点内容）口语书面化 服务质检 自定义Prompt 实现步骤 为了提高语音识别准确度，建议客户端集成RTC的智能降噪模块，这样有助于 提高语音...
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：...
- 产品推荐
- 这些文档可能帮助您