目标检测技术基于阿里云计算机视觉与深度学习技术，对通用或指定的目标进行检测、识别、打标。目标检测技术广泛应用于安防、交通等行业内图像场景的目标检测与跟踪。服务开通 请单击 立即开通 在对应产品页面开通该服务，具体开通方式请...
数据计算 自研世界领先的计算机视觉检测、识别及分割等算法，支持数十万路级别的实时视频分析和千倍加速的离线视频分析，并支持序列计算、图谱计算及图形计算。行业引擎 赋能交通、市政综治、商业、园区、电力能源、医疗教育等各个行业场景...
域名识别模式介绍 如果您在互联网边界出向策略、NAT边界出向策略、VPC边界访问控制策略中设置了域名或者域名地址簿作为目的地址，云防火墙针对域名的识别，包含三种模式：基于FQDN（报文提取Host/SNI)、基于DNS动态解析、同时基于FQDN与DNS...
实时语音识别-通义千问 视觉理解 2025-10-21 qwen3-vl-32b-thinking、qwen3-vl-32b-instruct Qwen3-VL系列 32B 的Dense模型，文档识别与理解、空间感知与万物识别能力、视觉2D检测与空间推理能力均表现出色，适合通用场景下的复杂感知任务...
适用于智能监控、自动驾驶、图像检索等典型计算机视觉应用场景。准备工作 为确保 SDK 能正常调用服务，请在使用前完成必要的 准备工作，包括配置运行环境及获取服务访问所需的认证与接入信息。参数说明 请求体body最大不能超过8MB。更多...
银行卡识别 银行卡识别支持各类银行卡中的银行卡卡号和有效期识别，且支持横卡、竖卡及银行卡任意角度偏斜情况的识别与提取，支持国内大多数银行，以及各种位数、凸字卡面、平面卡面等的识别，为用户提供最方便快捷的身份证信息录入体验。...
包括增值税发票、增值税发票卷票、火车票、定额发票、航空行程单、出租车发票、通用机打发票、过路过桥发票、客运车船票、银行承兑汇票等近二十种常见发票，及混贴发票的自动分割与识别能力。说明 功能体验地址：...
开始讲话 finishPushToTalk 对讲机模式下，结束讲话 cancelPushToTalk 对讲机模式下，取消这次讲话 enablePushToTalk 开启/关闭对讲机模式，对讲机模式下，只有在finishPushToTalk被调用后，智能体才会播报结果 getRTCInstance 获取RTC引擎...
muteAgentAudioPlaying 停止/恢复智能体音频流的播放 startPushToTalk 对讲机模式下，开始讲话 finishPushToTalk 对讲机模式下，结束讲话 cancelPushToTalk 对讲机模式下，取消这次讲话 enablePushToTalk 开启/关闭对讲机模式，对讲机模式...
muteAgentAudioPlaying 停止/恢复智能体音频流的播放 startPushToTalk 对讲机模式下，开始讲话 finishPushToTalk 对讲机模式下，结束讲话 cancelPushToTalk 对讲机模式下，取消这次讲话 enablePushToTalk 开启/关闭对讲机模式，对讲机模式...
RecognizeBankCard 银行卡识别 可精准识别各类银行卡中的银行卡卡号和有效期，且支持横卡、竖卡及银行卡任意角度偏斜情况的识别与提取，支持中国内地大多数银行，以及各种位数、凸字卡面、平面卡面等的识别。RecognizeBirthCertification ...
产品介绍 读光OCR小语种识别类产品支持通用多语言识别，英语、日语、俄语、韩语、泰语、拉丁语等语言专项识别，适用于国际化所需的各类图文识别与信息翻译场景。说明 功能体验地址：https://duguang.aliyun.com/experience?type=i18n 开通...
在产品功能范围的任务，数据质量越高，识别与抽取效果越好，字迹清晰端正的数据能有更高的准确率。单字大小保持在10-50像素内，以获得较好的识别效果。数据来源于真实业务场景，且类型与版式完整覆盖。步骤二：数据标注 数据标注划分为标注...
在产品功能范围的任务，数据质量越高，识别与抽取效果越好，字迹清晰端正的数据能有更高的准确率。单字大小保持在10-50像素内，以获得较好的识别效果。数据来源于真实业务场景，且类型与版式完整覆盖。步骤二：数据标注 数据标注划分为标注...
银行卡识别 读光OCR银行卡识别可精准识别各类银行卡中的银行卡卡号和有效期，且支持横卡、竖卡及银行卡任意角度偏斜情况的识别与提取，支持中国内地大多数银行，以及各种位数、凸字卡面、平面卡面等的识别，为用户提供最方便快捷的卡面信息...
适用于对练习册、教辅、教材等内容进行整页识别与题目检索。精细版结构化识别 读光OCR精细版结构化识别支持多学科教辅试卷的结构化识别，将整页练习册、试卷或教辅中的题目进行自动切题，并识别出其中的文字内容和坐标位置。适用于精细化...
本文介绍风险识别与处置的最佳实践。前提条件 您已开通 风险识别 服务。您已开通并集成 验证码 或 实人认证 服务。方案简介 风险识别 将评估结果以评分（score）、标签（tags）形式返回，您可以根据评分的高低进行处置。常见的处置方式包括...
选择区域时，需要选择与视觉智能开放平台对应服务能力相同的区域，当前视觉智能开放平台各服务支持的区域为 华东2（上海）。关于配置Bucket参数的详细说明请参见 控制台创建存储空间。单击 完成创建。上传文件 创建了存储空间（Bucket）...
接口说明 本接口适用场景 阿里云通用多语言证识别，是阿里云官方自研 OCR 文字识别产品，适用于国际化所需的各类图文识别与信息翻译场景。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经多年沉淀打磨，具有服务稳定、...
可精准识别各类银行卡中的银行卡卡号和有效期，且支持横卡、竖卡及银行卡任意角度偏斜情况的识别与提取，支持中国内地大多数银行，以及各种位数、凸字卡面、平面卡面等的识别。接口说明 本接口适用场景 阿里云银行卡识别，是阿里云官方自研...
在产品功能范围的任务，数据质量越高，识别与抽取效果越好，字迹清晰端正的数据能有更高的准确率。单字大小保持在10-50像素内，以获得较好的识别效果。数据来源于真实业务场景，且类型与版式完整覆盖。步骤二：数据标注 数据标注划分为标注...
支持复杂场景：支持视频流识别模式，多帧识别避免了云端识别强依赖单张图片采集质量的问题，使用多帧融合策略进一步提升多字段场景的识别精度和识别速度，有效减少不可预测的外界因素（拍摄角度、光照等）带来的误识别。精度与性能融合：离...
接口说明 本接口适用场景 阿里云整页试卷识别，是阿里云官方自研 OCR 文字识别产品，适用于对练习册、教辅、教材等内容进行整页识别与题目检索场景。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经多年沉淀打磨，具有...
资产安全为Dataphin提供了数据生命周期中统一的敏感数据识别与保护能力。通过数据分类分级、敏感数据识别、敏感数据脱敏等措施，帮助客户建立完善的数据安全体系，确保数据使用的安全合规性。5分钟快速了解 前提条件 已购买 资产安全 增值...
资产安全为Dataphin提供了数据生命周期中统一的敏感数据识别与保护能力。通过数据分类分级、敏感数据识别、敏感数据脱敏等措施，帮助客户建立完善的数据安全体系，确保数据使用的安全合规性。5分钟快速了解 前提条件 已购买 资产安全 增值...
它为各行业提供对敏感数据类型及其级别的识别与划分能力，能够有效检测组织数据资产中是否存在敏感信息，并根据其敏感程度进行等级划分。分类分级不仅有助于准确掌握数据资产中的敏感内容，还为后续的数据管理和保护措施奠定坚实的基础。...
背景信息 安全中心基于 扩展程序 为您提供风险识别与响应能力。您可以直接使用DataWorks官方提供的扩展程序来对高危行为进行管控，也可以基于DataWorks开放平台自行开发、部署能够应对更加复杂场景的扩展程序作为风险识别规则，从而将自身...
支持后付费与License模式。每个账号可获取一次10元免费试用额度用于后付费模式。购买节省计划可抵扣多模态交互所有按量付费项目。详细计费说明、购买链接参见：产品计费。特殊 Agent 交互次数如何统计？语音翻译：启动一次语音翻译到退出，...
图像搜索 地址标准化 文档自学习产品 智能视觉生产 虚拟数字人开放平台 视觉智能开放平台-人脸人体 视觉智能开放平台-分割抠图 视觉智能开放平台-商品理解 视觉智能开放平台-图像生产 视觉智能开放平台-图像识别 视觉智能开放平台-文字识别...
本章节介绍阿里云文字识别（OCR）按量付费模式与产品价格。开通OCR相应的商品服务后将默认采用后付费计费方式。如果您未购买预付费资源包，则在免费额度耗尽后会自动转入后付费。（注意：云市场资源包不参与官网后付费的资源抵扣计划！后...
描述 VoiceAgent 0 仅支持语音交互，无视觉形象 AvatarAgent 1 具备虚拟形象，支持语音和视觉交互 VisionAgent 2 主要负责视觉信息的理解与分析 VideoAgent 3 视频通话，用户与智能体双向视频通话 ARTCAICallAgentState 智能体状态 枚举值 ...
描述 VoiceAgent 0 仅支持语音交互，无视觉形象 AvatarAgent 1 具备虚拟形象，支持语音和视觉交互 VisionAgent 2 主要负责视觉信息的理解与分析 VideoAgent 3 视频通话，用户与智能体双向视频通话 ARTCAICallAgentState 智能体状态 枚举值 ...
内容审核（imageaudit）内容审核类目能力开通链接：立即开通 分类 能力接口名 能力中文名 说明 内容审核 ScanText 文本内容安全 支持检测的场景包括：文字垃圾内容识别、文字广告内容识别、文字敏感内容识别、文字暴恐内容识别、文字辱骂...
若例句太长，不易于快速识别关键字时，您可以通过分词模式快速呈现关键词。请参见 分词模式。分词模式 分词模式主要是将一些例句智能拆解：若您添加的字段仅为维度字段，则分词模式下，根据例句智能拆解的词频次呈现词大小。若您添加的字段...
在机器学习和人工智能（AI）中，函数是指用于实现...多变量模式识别函数 日志服务通过异常检测功能，自动识别服务系统中的异常状态及其根源。该功能可自动识别指标的变化是否偏离正常模式，并结合指标当前模式与机器学习技术来进行异常检测。
avatarLayoutParams ViewGroup.LayoutParams 布局参数 canvas ARTCAICallVideoCanvas 渲染视图配置，包括渲染视图、渲染模式、镜像模式、旋转模式等 setVisionPreviewView 设置视觉理解本地视图载体并指定渲染模式 public abstract void ...
enablePushToTalk 开启/关闭对讲机模式 startPushToTalk 对讲机模式下，开始讲话 finishPushToTalk 对讲机模式下，结束讲话 cancelPushToTalk 对讲机模式下，取消这次讲话 muteMicrophone 静音/取消禁音麦克风 visionConfig 视觉理解通话...
咨询服务 如果您有任何购买问题需要咨询阿里云视觉智能开放平台，欢迎各位企业用户、开发商、服务商或者开发者通过钉钉搜索群号 23109592，加入阿里云视觉智能开放平台咨询群，与平台取得联系。API是如何收费的？阿里云视觉智能开放平台...
基础功能默认包含意图识别与闲聊（含插件调用、指令控制、联网搜索）。是否包含语音识别和语音合成，取决于控制台中的实际功能配置。若启用额外功能（如知识库检索、语音翻译、新闻电台、视觉理解），系统将按上表所列标准，叠加对应的使用...
服务端人脸识别离线SDK，包括人脸检测、人脸跟踪、人脸关键点定位、人脸质量、角度模型、活体检测和人脸识别等能力，可以直接部署服务器上。人脸识别SDK具有授权功能，一旦授权成功，可以在无网的条件下使用，用户可根据自己的业务需求进行...