语音识别
paraformer-v1 Paraformer中英文语音识别模型，支持16kHz及以上采样率的音频或视频语音识别。中英文语音识别；录音文件识别；paraformer-8k-v1 Paraformer中文语音识别模型，支持8kHz电话语音识别。中文语音识别；电话语音识别；paraformer...
媒体AI计费
标准版计费（可单击展开查看具体价格）计费项 单价 视频分类+结构化标签 0.05元/分钟 视频人脸识别 0.03元/分钟 视频文字识别标签 0.05元/分钟 视频语音识别标签 0.02元/分钟 音频标签 0.02元/分钟 图片标签 0.0016元/张 入门版计费（单击...
API详情
模型概览 模型名 模型简介 paraformer-v1 Paraformer中语音模型服务中英文语音识别模型，支持16kHz及以上采样率的音频或视频语音识别。paraformer-8k-v1 Paraformer中语音模型服务中文语音识别模型，支持8kHz电话语音识别。paraformer-mtl-...
录音文件识别API详情
模型概览 模型名 模型简介 paraformer-v1 Paraformer中英文语音识别模型，支持16kHz及以上采样率的音频或视频语音识别。paraformer-8k-v1 Paraformer中文语音识别模型，支持8kHz电话语音识别。paraformer-mtl-v1 Paraformer多语言语音识别...
录音文件识别API详情
模型概览 模型名 模型简介 paraformer-v1 Paraformer中英文语音识别模型，支持16kHz及以上采样率的音频或视频语音识别。paraformer-8k-v1 Paraformer中文语音识别模型，支持8kHz电话语音识别。paraformer-mtl-v1 Paraformer多语言语音识别...
BatchRobotSmartCall-发起机器人外呼任务
1234567 EarlyMediaAsr boolean 否 早媒体语音识别标识。默认为 fasle，即不启用。如果需要启用早媒体语音识别标识，请设置为 true。true TaskName string 是 任务名称。支持中文和英文，0~30 个字符。批量任务测试 ScheduleTime long 否 ...
点播媒体处理
标准版计费（可单击展开查看具体价格）计费项 单价 视频分类+结构化标签 0.05元/分钟 视频人脸识别 0.03元/分钟 视频文字识别标签 0.05元/分钟 视频语音识别标签 0.02元/分钟 音频标签 0.02元/分钟 图片标签 0.0016元/张 入门版计费（单击...
视频AI费用
可单击展开查看具体价格 计费项 单价 视频分类+结构化标签 0.05元/分钟 视频人脸识别 0.03元/分钟 视频文字识别标签 0.05元/分钟 视频语音识别标签 0.02元/分钟 音频标签 0.02元/分钟 图片标签 0.0016元/张 计费规则 规则项目 规则详情 ...
AddSmarttagTemplate-添加模板
视频语音识别标签：开启 asr。ocr FaceCategoryIds string 否 参与识别的⼈脸库 ID 列表，可多选，⽤半角逗号（,）分隔。可填⼊系统⼈脸库 ID 和⾃定义⼈脸库 ID。其中系统⼈脸库 ID 如下：celebrity：明星⼈物。politician：政治⼈物。...
动态与公告
2024年04月 公告类型 模型名称 公告描述 生效...2023-04-11 快速开始 新增模型 Paraformer语音识别 通义实验室新一代非自回归端到端语音识别框架，具备精度与效率俱佳的优势，擅长多语言的音视频语音识别、电话语音识别。2023-04-11 快速开始
SmartCall-发起智能语音交互通话
abcdefgh EarlyMediaAsr boolean 否 早媒体语音识别标识。取值：false（默认）：关闭。true：开启。说明 设为 true 会记录通话未接听的原因。true VoiceCodeParam string 否 TTS 参数传递字符串，格式为 JSON。必须与 VoiceCode 的 TTS ...
账单查询
未更名 SmartTagVideoOCR 智能标签视频语音识别标签 未更名 SmartTagASR 智能标签音频标签 未更名 SmartTagAudioTag 智能标签图片标签 未更名 SmartTagImageTag 智能审核 智能审核 未更名 censor porn：鉴黄识别 terrorism：暴恐涉政识别 ...
Paraformer语音识别热词定制与管理
模型概览 模型名 模型简介 paraformer-v1 Paraformer中英文语音识别模型，支持16kHz及以上采样率的音频或视频语音识别。paraformer-8k-v1 Paraformer中文语音识别模型，支持8kHz电话语音识别。paraformer-mtl-v1 Paraformer多语言语音识别...
功能特性
媒体处理可以将一个音视频文件转换成另一个或多个音视频文件，以适应不同网络带宽、终端设备和用户的需求。对媒体的内容、文字、语音、场景进行多模态分析，实现智能审核、内容理解、智能编辑等多种处理功能。音视频转码 把音视频码流转换...
SDK和API概览
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 一句话识别、实时语音识别、语音合成 小程序 微信小程序 一句话识别、实时语音识别、语音合成 WebSocket WebSocket 实时语音识别
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...
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：...
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 ...
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...
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，...
iOS SDK
TRTC实时音视频和语音识别结合，当同时调用麦克风时可能会发生冲突，导致有一方没有声音如何解决？建议尝试TRTC的音视频流，然后使用 localStream.getAudioTrack 获取 MediaStreamTrack 对象，并转换为符合ASR标准的音频流，然后通过语音...
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...
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
灵积语音模型服务 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...
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...
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：...
iOS SDK
TRTC实时音视频和语音识别结合，当同时调用麦克风时可能会发生冲突，导致有一方没有声音如何解决？建议尝试TRTC的音视频流，使用 localStream.getAudioTrack 获取 MediaStreamTrack 对象，并转换为符合ASR标准的音频流，然后通过语音识别...
创建专有语言模型
智能联络中心对某些场景（包括汽车、保险、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...
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...
功能特性
语音审核增强版业务场景 音视频媒体语音审核 支持各类音视频媒体格式，高性能检测语音内容，除了涉黄、辱骂和暴恐类风险以外，支持意识形态类识别。语音审核增强版业务场景 音视频媒体多语言检测 支持中文、英文和中英文混合的音频内容。...
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、推理效率高的特点。开发者可以通过以下链接，了解如何通过百炼大模型服务平台调用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...
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、推理效率高的特点。开发者可以通过以下链接，了解如何通过DashScope灵积模型服务调用Paraformer文件转写API：快速开始 实时语音识别API详情 录音文件...
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...
语音识别自学习工具
在语音识别服务中心，如果您的业务领域有部分词汇默认识别效果不好可以使用热词功能；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...
iOS SDK
TRTC实时音视频和语音识别结合，当同时调用麦克风时可能会发生冲突，导致有一方没有声音，如何解决？建议尝试TRTC的音视频流，然后使用 localStream.getAudioTrack 获取 MediaStreamTrack 对象，并转换为符合ASR标准的音频流，之后通过语音...
iOS SDK
TRTC实时音视频和语音识别结合，当同时调用麦克风时可能会发生冲突，导致有一方没有声音如何解决？建议尝试TRTC的音视频流，然后使用 localStream.getAudioTrack 获取 MediaStreamTrack 对象，并转换为符合ASR标准的音频流，然后通过语音...
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...
iOS 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 是 录音文件识别极速版 是 唤醒及命令词 否 下载语音包，详情请参见 接口说明 中的 语音包列表。重要 SDK和语音包是完全独立的，下载SDK后并...
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...
- 产品推荐
- 这些文档可能帮助您