2022年01月21日 功能分类 功能名称 功能描述 更新类型 文档链接 语音识别 录音文件识别闲时版 录音文件识别闲时版是针对已经录制完成的录音文件，进行离线识别的服务。与录音文件识别区别在于返回时间不同，闲时版为24小时内返回结果。新增...
功能 模型规格 单次调用价格 语音识别 实时语音识别 限时免费 离线语音识别 0.33元/小时 图片识别 通义晓蜜-VLMax 0.01元/次调用 大模型分析 通义晓蜜-Plus 0.01元/次调用 通义晓蜜-Turbo 0.001元/次调用 常见问题 如何开通通义晓蜜-CCAI...
调整内容 新增计费类型：本次调整后，语音识别能力 通过API接入方式实现离线语音转译服务将进行收费：离线语音识别：0.33元/小时 新增 图片识别能力，通过通义晓蜜-VLMax模型实现图片文字识别、总结、推理，该服务的API接入将进行收费。...
音视频文件转写是针对已经录制完成的录音文件或视频文件，进行离线处理（包含语音识别、翻译、要点提炼、摘要总结、PPT提取及摘要等功能）的服务。离线转写是非实时业务场景，且提交待处理的文件是提交基于HTTP或HTTPS可访问的文件URL地址...
语音识别服务支持离线功能吗？语音识别支持哪些模型？语音识别是否可以混合识别极少量英文单词和字母？开启ITN（逆文本规整）后，中文数字混合时为什么并不是全部转为阿拉伯数字？录音文件识别的enable_sample_rate_adaptive和极速版本里的...
本文档提供了Gummy实时语音识别/翻译Android SDK的详细使用指南，帮助您将语音转换为文本。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 ...
本文档提供了Gummy实时语音识别/翻译Android SDK的详细使用指南，帮助您将语音转换为文本。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：...
本文档提供了Gummy实时语音识别/翻译iOS SDK的详细使用指南，帮助您将语音转换为文本。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：...
本文档提供了Gummy实时语音识别/翻译iOS SDK的详细使用指南，帮助您将语音转换为文本。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...
启动流式语音识别/翻译 实例化 TranslationRecognizerRealtime类 绑定 请求参数 和 回调接口（TranslationRecognizerCallback），调用 start 方法启动流式语音识别/翻译。流式传输 循环调用 TranslationRecognizerRealtime类 的 send_audio...
启动流式语音识别/翻译 实例化 TranslationRecognizerRealtime类 绑定 请求参数 和 回调接口（TranslationRecognizerCallback），调用 start 方法启动流式语音识别/翻译。流式传输 循环调用 TranslationRecognizerRealtime类 的 send_audio...
本文介绍Gummy实时语音识别/翻译Java SDK的参数和接口细节。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...
本文介绍Gummy实时语音识别/翻译Java SDK的参数和接口细节。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。...
启动流式语音识别/翻译 实例化 TranslationRecognizerChat类 绑定 请求参数 和 回调接口（TranslationRecognizerCallback），调用 start 方法启动流式语音识别/翻译。流式传输 循环调用 TranslationRecognizerChat类 的 send_audio_frame ...
若想使用其他编程语言开发Gummy实时语音识别、翻译应用程序，可以通过WebSocket连接与服务进行通信。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...
若想使用其他编程语言开发Gummy实时语音识别、翻译应用程序，可以通过WebSocket连接与服务进行通信。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...
启动流式语音识别/翻译 实例化 TranslationRecognizerChat类 绑定 请求参数 和 回调接口（TranslationRecognizerCallback），调用 start 方法启动流式语音识别/翻译。流式传输 循环调用 TranslationRecognizerChat类 的 send_audio_frame ...
启动流式语音识别/翻译 实例化 TranslationRecognizerChat类，调用 call 方法绑定 请求参数 和 回调接口（ResultCallback）并启动流式语音识别/翻译。流式传输 循环调用 TranslationRecognizerChat类 的 sendAudioFrame 方法，将从本地文件...
启动流式语音识别/翻译 实例化 TranslationRecognizerChat类，调用 call 方法绑定 请求参数 和 回调接口（ResultCallback）并启动流式语音识别/翻译。流式传输 循环调用 TranslationRecognizerChat类 的 sendAudioFrame 方法，将从本地文件...
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...
1280/1920)=67.SourceLanguage 取值范围 字幕级翻译 语音级翻译 面容级翻译 当字幕来源为OCR识别（即 TextSource=OCR或OCR_ASR时）当字幕来源为ASR识别（即 TextSource=ASR时）当字幕来源为srt字幕文件（即传入 InputConfig.Subtitle 时）...
try {/启动流式语音识别/翻译，绑定请求参数和回调接口 translator.call(param,callback);创建音频格式 AudioFormat audioFormat=new AudioFormat(16000,16,1,true,false);根据格式匹配默认录音设备 TargetDataLine targetDataLine=...
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 ...
本文介绍如何通过WebSocket连接访问Gummy实时语音识别、翻译服务。DashScope SDK目前仅支持Java和Python。若想使用其他编程语言开发Gummy实时语音识别、翻译应用程序，可以通过WebSocket连接与服务进行通信。用户指南：关于模型介绍和选型...
语音识别：支持使用阿里云百炼的语音识别模型，包括Gummy实时语音识别、Paraformer实时语音识别、多模态交互轻量版语音识别、Fun-ASR实时语音识别以及通义千问3-ASR-Flash-Realtime。语音合成：支持使用阿里云百炼的语音合成CosyVoice-v2大...
移动端SDK错误码 一句话识别/实时语音识别/录音文件识别极速版 配置或参数错误 状态码 状态消息 原因 解决方案 240999 DEFAULT_ERROR 内部默认错误。内部未明确错误。240001 NUI_CONFIG_INVALID 配置文件错误。配置文件错误，请确认传入的...
本文介绍如何使用智能语音交互流式文本WebSocket协议使用语音合成。如果您不希望引入阿里云智能语音交互产品SDK，或者目前提供的SDK不能满足您的要求，可以基于本文描述自行开发代码访问阿里语音服务。前提条件 在使用WebSocket协议对接...
本文介绍如何使用智能语音交互WebSocket协议使用Cosyvoice大模型的长文本语音合成服务。如果您不希望引入阿里云智能语音交互产品SDK，或者目前提供的SDK不能满足您的要求，可以基于本文描述自行开发代码访问阿里语音服务。前提条件 在使用...
则必须app_key、ak_id和ak_secret，或app_key、sts_ak_id、sts_ak_secret和sts_token/若使用在线功能(语音合成、实时转写、一句话识别、录音文件转写等),则只需app_key和token JSONObject object=Auth.getTicket(Auth.GetTicketMethod.GET_...
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...
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，...
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...
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...
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...
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。
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...
本文主要介绍如何调用三方语音模型实现语音识别和语音合成，并通过文本调用多模态交互开发套件的交互能力实现完整交互链路。百炼多模态交互开发套件集成了大模型语音识别和语音合成，并提供 VAD、AEC 等音频算法提升交互效果。如果我们提供...