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...
快速开始
实时语音识别示例代码 实时语音识别是对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。使用麦克风...
快速开始
实时语音识别示例代码 实时语音识别是对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。使用麦克风...
什么是智能语音交互
实时语音识别 对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。更多信息，请参见 实时语音识别接口...
Windows
使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：阿里云RTC会将音频数据发送至音频识别SDK中。音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK...
Mac
取消订阅全部的远端视频流 订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO...
iOS
取消订阅全部的远端视频流 订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO...
Android
订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入false即可）：engine....
Mac
订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO即可）：[self.engine ...
iOS
订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO即可）：[self.engine ...
实时语音识别API详情
请求参数 以下代码片段展示了如何创建一个使用paraformer-realtime-v1模型，使用16k采样率，PCM音频格式的实时识别请求参数：Python recognition=Recognition(model='paraformer-realtime-v1',format='pcm',sample_rate=16000,callback=...
实时语音识别API详情
请求参数 以下代码片段展示了如何创建一个使用paraformer-realtime-v1模型，使用16k采样率，PCM音频格式的实时识别请求参数：Python recognition=Recognition(model='paraformer-realtime-v1',format='pcm',sample_rate=16000,callback=...
Android
音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK为用户提供识别结果。更多信息，请参见 智能语音交互。方案架构图 调用时序图 接口及使用 通过调用接口 registerAudioObserver 注册音频数据回调，...
Windows
订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入false即可）：mpEngine->...
语音识别
模型简介 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。可应用于：对语音识别结果...
SDK FAQ
本文汇总了您在使用SDK时可能遇到的常见问题。公共类 如何使用SDK设置泛热词？SDK中使用POP API训练的泛热词，是通过控制台配置的业务专属热词表与项目Appkey绑定的，您无需自行设置；而通过POP API训练获取的业务专属热词表，需要在SDK中...
CreateMeetingTrans-创建实时会议
创建实时会议。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 当前API暂无授权信息透出。请求语法 PUT/openapi/meeting-trans 请求参数 ...
功能特性
音视频文件服务参数表 服务 模式 文件类型 音频 采样率 文件格式 大小限制 声道/路 语种 支持热词语种 离线说话人区分 转写延迟 识别结果返回方式 调用SDK 源文件传输方案 实时记录 实时 音频流 8k PCM、OPUS、WAV 24小时 三路 中 中文 不...
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...
iOS和Mac
使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：阿里云RTC会将音频数据发送至音频识别SDK中。音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK...
组件使用
添加实时字幕 实时字幕是通过对直播流中的音频进行实时的语音识别，把识别后的文字以字幕的方式同步显示在直播流上。识别的字幕可进行实时翻译，支持显示直播流音频源的源语言字幕、翻译后的目标语言字幕，或者双语字幕。翻译语言支持中、...
产品简介-产品概述
产品分类 文字识别（OCR）可以将图片中的文字信息转换为可编辑文本，阿里云根据客户的业务场景和需求，将产品分为了OCR统一识别、通用文字识别、个人证照识别、发票凭证识别、教育场景识别、车辆物流识别、企业资质识别、小语种文字识别等...
新手指引
1.选择所需的OCR产品服务 按您特定场景选择所需产品：通用文字识别 个人证照识别 票据凭证识别 教育场景识别 车辆物流识别 企业资质识别 小语种识别 医疗场景识别 票证核验 您可通过 读光体验馆 快速可视化地体验产品服务效果，若上述需求...
AliRtcEngine接口
自定义音频输入 API 功能描述 addExternalAudioStream 增加外部音频流 pushExternalAudioStreamRawData 输入外部音频流数据 setExternalAudioStreamPublishVolume 设置推流音量 getExternalAudioStreamPublishVolume 获取推流音量 ...
AliRtcEngine接口
说明 该接口作为订阅远端音频流的总开关，如果设置为false，则不仅当前会议中所有远端音频流都会停止订阅，后续入会的新用户也将不再订阅（即使设置了 SetDefaultSubscribeAllRemoteAudioStreams(true)）。SubscribeRemoteAudioStream 停止...
CreateTask-创建听悟任务
false MultipleStreamsEnabled boolean 否 是否开启多通道音频流识别。当且仅当在实时记录场景下才需考虑设置，默认为 false false TaskId string 否 您创建实时记录时返回的 TaskId，通过此 Id，您可以结束实时记录。该参数仅在结束实时...
音视频通话计费
语音通话时长用量：从用户成功订阅音频流开始计量，到用户停止订阅音频流停止计量。各规格视频通话单价：计算用户订阅所有视频流的分辨率之和，按照订阅流分辨率之和确定计费档位。视频通话时长用量：从用户成功订阅视频流开始计量，到用户...
计费概述
计费规则：按您调用流实时预测截帧总张数计费。3.计费周期：按日计费，实时扣费，每日零点后出前一日账单并扣费，具体出账时间以系统为准。收费样例：当日截图数量1,000张，收取0.1元。当日截图数量 1,500张，收取0.15元。以此类推。
实时推流
使用本地文件模拟 真实场景下音频流实时采集 String localAudioFile="nls-sample-16k.wav;byte[]buffer=new byte[3200];FileInputStream fis=new FileInputStream(localAudioFile);int len;while((len=fis.read(buffer))>0){/TODO 模拟实时...
AliRtcEngine接口
重要 该接口作为订阅远端音频流的总开关，如果设置为NO，则不仅当前会议中所有远端音频流都会停止订阅，后续入会的新用户也将不再订阅（即使设置了setDefaultSubscribeAllRemoteAudioStreams:YES）。subscribeRemoteAudioStream：停止或...
音视频通话计费
语音通话时长用量：从用户成功订阅第一个音频流开始计量，到用户停止订阅最后一个音频流停止计量。说明 发布端媒体类型为视频，订阅侧只订阅该路音频流，按照音频规格收费。订阅音视频数据，只以视频数据收费，该路音频流不再重复计费。...
互动直播费用
语音通话时长用量 从用户成功订阅第一个音频流开始计量，到用户停止订阅最后一个音频流停止计量，同时订阅多个终端时不重复计算。视频通话规格单价 当用户订阅终端音视频流或仅订阅视频流时，按照视频通话规格进行计费。视频通话时长用量 ...
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...
AliRtcEngine接口
public abstract boolean isLocalAudioPublishEnabled()返回说明 true表示允许发布音频流，false表示不允许发布音频流。configLocalSimulcast：设置是否允许发布次要视频流。public abstract int configLocalSimulcast(boolean enable,...
安装SDK
安装智能语音交互实时转写SDK 当您使用实时记录时，除需要使用从阿里云OpenAPI接口创建实时任务、查询任务状态、结束实时任务外，您还需要实时采集音频流、推送、识别，此时您可以通过以下实时转写（不含音频采集功能）SDK完成。...
创建转码模板
仅支持输出一路音频流时设置，多音频流不支持。单击 提交，完成转码模板创建。使用SDK SDK类型 操作指南 Java SDK 转码模板 Go SDK 转码模板 使用API API操作指南，请参见 AddTemplate-新增自定义转码模板。后续步骤 管理转码模板：查询、...
DingRtcEngine接口
重要 SDK默认设置推送音频流，如果需要取消推送音频流，可以通过 publishLocalAudioStream 方法设置为不推送。setRemoteVideoStreamType：设置订阅视频流分辨率规格。public int setRemoteVideoStreamType(String uid,...
API概览
图文OCR识别 服务 接口 说明 通用图文OCR/green/image/scan 提交图文OCR同步识别任务，识别图片中的文字信息。green/image/asyncscan 提交图文OCR异步识别任务，识别图片中的文字信息。green/image/results 查询图文OCR异步识别结果。结构...
转码常见问题
目前仅支持保留一路音频流，即在Output参数中添加音频流的配置为 audioMap=0，如果您有特殊场景需求，请 填写宜搭信息申请。转码之后，视频的宽高为什么和设置的不一样？视频点播的转码模板中，可以设置横竖屏自适应（LongShortMode），该...
单据票证信息抽取
功能简介 单据票证信息抽取（固定版式）是基于深度学习的信息抽取自学习模型任务，可对版式相对固定的单据、证件、凭证等类型数据有较好的效果，支持用户自定义抽取字段，通过平台可视化引导，完成数据标注和模型训练。在图像质量较好情况...
- 产品推荐
- 这些文档可能帮助您