实时语音翻译结合了语音识别和机器翻译技术，直接将一种语言的语音转化为另一种语言的文本，实现“边说边翻译成文本”的效果。核心功能 支持多语种实时语音翻译，覆盖中英日韩等多种语言 支持热词定制，可提升特定词汇的翻译准确率 支持...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译。在线体验：模型体验 前提条件 已开通服务并获得API-KEY：获取API Key。建议您 配置API Key到环境变量，从而避免在代码里显示配置API Key...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译。在线体验：模型体验 快速开始 获取API Key：获取API Key，为安全起见，推荐将API Key配置到环境变量。说明 当需要为第三方应用或用户提供...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译。在线体验：模型体验 快速开始 获取API Key：获取API Key 说明 当需要为第三方应用或用户提供临时访问权限，或者希望严格控制敏感数据访问...
实时语音识别服务可将音频流实时转换为带标点的文本，实现“边说边出文字”的效果。无论是麦克风语音、会议录音还是本地音频文件，都能轻松转录。服务广泛应用于会议实时记录、直播字幕、语音聊天、智能客服等场景。核心功能 支持多语种...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Fun-ASR/Gummy/Paraformer 和 实时语音翻译-Gummy。在线体验：模型体验 前提条件 已开通服务并获得API-KEY：获取与配置 API Key。建议您 配置API Key到环境变量，从而避免在代码里...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译。在线体验：模型体验 说明 一句话识别/翻译能够直接对一分钟内的音频流（无论是从外部设备如麦克风获取的音频流，还是从本地文件读取的...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 前提条件 已开通服务并获得API-KEY：获取API Key。建议您 配置API Key到环境变量，从而避免在代码里显示配置...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 前提条件 已开通服务并获得API-KEY：获取API Key。建议您 配置API Key到环境变量，从而避免在代码里显示配置...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 快速开始 获取API Key：获取API Key 说明 当需要为第三方应用或用户提供临时访问权限，或者希望严格控制敏感...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 快速开始 获取API Key：获取API Key，为安全起见，推荐将API Key配置到环境变量。说明 当需要为第三方应用或...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 说明 一句话识别/翻译能够直接对一分钟内的音频流（无论是从外部设备如麦克风获取的音频流，还是从本地文件...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Fun-ASR/Gummy/Paraformer 和 实时语音翻译-Gummy。在线体验：模型体验 说明 一句话识别/翻译能够直接对一分钟内的音频流（无论是从外部设备如麦克风获取的音频流，还是从本地文件...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Fun-ASR/Gummy/Paraformer 和 实时语音翻译-Gummy。在线体验：模型体验 WebSocket是一种支持全双工通信的网络协议。客户端和服务器通过一次握手建立持久连接，双方可以互相主动推送...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 WebSocket是一种支持全双工通信的网络协议。客户端和服务器通过一次握手建立持久连接，双方可以互相主动推送...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 WebSocket是一种支持全双工通信的网络协议。客户端和服务器通过一次握手建立持久连接，双方可以互相主动推送...
文本翻译 实时语音翻译：实时记录支持中、英、日、韩语间的实时双向互译；中英自由说翻译成中、英或中&英。离线文件翻译：音视频文件语音转文字，支持中、英、日、韩语间的双向互译；中英自由说翻译成中、英或中&英。口语书面化 口语书面化...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 说明 一句话识别/翻译能够直接对一分钟内的音频流（无论是从外部设备如麦克风获取的音频流，还是从本地文件...
语音识别和翻译 上传视频后，通过语音识别技术，自动将语音转换成通过机器翻译快速生成结果字幕。高效译后编辑 提供友好的线上编辑平台，展示基于时间轴的字幕，支持不同字幕样式的编辑能力，实时展示编辑结果。多种导出模式 提供视频字幕...
SubtitleTimeForce Boolean 否 是否仅翻译字幕的时间范围 开启后，语音翻译将严格限制在OCR识别的字幕或指定srt的时间范围内。默认为false。该字段仅在 TextSource 为“OCR”或“OCR_ASR”时生效。SubtitleConfig String 否 字幕合成配置 ...
实时多模态 语音翻译 2025-12-04 qwen3-livetranslate-flash、qwen3-livetranslate-flash-2025-12-01 通义千问3-LiveTranslate-Flash 是音视频翻译模型，支持 18 种语言（包括中文、英文、俄文、法文等）互译，可结合视觉上下文提升翻译...
用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 WebSocket是一种支持全双工通信的网络协议。客户端和服务器通过一次握手建立持久连接，双方可以互相主动推送...
Realtime）：qwen3-asr-flash-realtime、qwen3-asr-flash-realtime-2025-10-27 实时长语音识别/翻译（Gummy）：gummy-realtime-v1 实时短语音（一句话）识别/翻译（Gummy）：gummy-chat-v1 录音文件识别（Paraformer）：paraformer-v2、...
input must contain file_urls 原因：使用语音识别（Paraformer）的录音文件识别时，未对请求参数 file_urls 赋值。解决方案：请在请求中包含 file_urls 参数并为其赋值。The provided URL does not appear to be valid.Ensure it is ...
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 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 ...
介绍 通过实时转写系列API，您可以实现：创建实时会议并通过WebSocket API流式传入音频，并实时获取语音识别结果和翻译结果，从而实现字幕实时上屏等功能。会议暂停及恢复。会议结束后，您可以获取本会议的智能纪要。调用流程 创建会议 您...
SDK主要事件回调*@param event:回调事件，参见如下事件列表*@param dialog:会话编号，暂不使用*@param wuw:语音唤醒功能使用（暂不支持）*@param asr_result:语音识别结果和翻译结果*@param finish:本轮识别是否结束标志*@param resultCode...
并发/QPS限制 服务 免费试用 商用 一句话识别 2路并发 200路并发 实时语音识别 2路并发 200路并发 录音文件识别 识别语音时长：2小时录音/日 说明 新用户试用期3个月内，每隔24小时可免费识别2小时时长的音频文件。免费额度用完后，间隔24...
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...
项目类型包括：语音识别+语音合成+语音分析、仅语音识别、仅语音合成、设备端解决方案 项目类型仅用于简化控制台配置，不会限制 API 功能。例如，选择“仅语音识别”时，API仍可调用语音合成服务。创建完成后，可以在 我的所有项目 页面...
新增 语音识别 语音合成 数字人、多情感音色 新增7个数字人音色：知小白、知小夏、知小妹、知柜、知硕、艾夏、Cally。新增2个多情感音色：知锋、知冰。新增 语音合成 2022年03月~2023年03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 语音搜索 支持各种场景下的语音搜索，如地图导航、浏览器搜索等。可以集成到任何形式的手机应用中，最大限度地解放双手。语音指令 通过语音命令控制智能设备，实现快捷便利的操作，如控制空调开关、电视换台等。可以集成到智能...
如果我们提供的服务不能满足您的特定需求，如语种、音色等，您也可以使用三方语音服务替换通义多模态交互开发套件中提供的语音识别、语音合成能力。我们支持通过文本调用后续对话链路，以及仅以文本模式输出对话结果。基于三方语音模型自身...
训练数据为领域相关的文本，与待识别语音数据越接近，优化效果越好。以文本方式保存，使用 UTF-8（无BOM）格式编码，文件大小不超过10 MB。每位用户最多支持创建10个模型。一句话或者一个被加强调优的关键词单独一行，控制每行的长度在500...
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...
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...
步骤一：创建阿里云智能语音交互语音识别项目 进入 阿里云智能语音交互，并开通服务 进入 阿里云智能语音交互-全部项目，创建项目 创建项目，选择“语音识别+语音合成+语音分析”或“仅语音识别”。进入项目，记录下 appkey，根据需要修改...
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。
移动端鸿蒙Next SDK中如何修改识别语音采样率为8000HZ或者16000HZ?计费类 录音文件识别极速版不支持试用吗？功能类 实时转写说话有停顿，但是语音识别不断句怎么办？如果是vad断句情况下，实时转写的vad断句依赖对音频中静音数据的判断，...