产品概述 智能外呼机器人是综合利用 自动语音识别（Automatic Speech Recognition，ASR）、文字转语音（Text To Speech，TTS）以及 自然语言理解（Natural Language Understanding，NLU）等技术，面向企业客户提供的一款智能客服机器人产品...
channel_id array[integer][0]否 指定在多音轨文件中需要进行语音识别的音轨索引，以List的形式给出，例如[0]表示仅识别第一条音轨，[0,1]表示同时识别前两条音轨。special_word_filter string-否 指定在语音识别过程中需要处理的敏感词，...
支持在语音识别的同时，提供背景文本、实体词表等参考信息（Context），从而获得定制化的识别结果。长度限制：不超过10000 Token。具体介绍请参见 上下文增强。关键接口 OmniRealtimeConversation类 OmniRealtimeConversation通过 import ...
在大模型外呼中，配置语音与VUI的流程。1.语音配置 可根据需求选择调用系统内置默认服务或者自定义服务。语音合成服务 默认服务 TTS音色模板：可以根据自己需求选择音色模板，可以参考具体音色。通过 大模型音色列表 可以查询目前支持的大...
Transcription.Model string 否 语音转写模型选择，通过该参数可调用领域专属模型，用于提升特定领域的识别准确率，该参数为空时则调用默认模型。目前可选参数如下："domain-automotive"：汽车领域销售对话语音识别模型，可适用于实时和离...
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...
channel_id list[int][0]否 指定在多音轨文件中需要进行语音识别的音轨索引，以List的形式给出，例如[0]表示仅识别第一条音轨，[0,1]表示同时识别前两条音轨。special_word_filter str-否 指定在语音识别过程中需要处理的敏感词，并支持对...
本文提供关于AI实时互动技术的...语音识别热词：如果您的业务中存在某些词汇识别效果不佳的情况，可以考虑使用热词功能，以提升识别效果。数字人集成：集成数字人后，可将工作流中的语音输入转化为数字人，从而提供更加丰富且生动的交互体验。
支持在语音识别的同时，提供背景文本、实体词表等参考信息（Context），从而获得定制化的识别结果。长度限制：不超过10000 Token。具体介绍请参见 上下文增强。session.turn_detection object 否 VAD（Voice Activity Detection，语音活动...
支持在语音识别的同时，提供背景文本、实体词表等参考信息（Context），从而获得定制化的识别结果。长度限制：不超过10000 Token。具体介绍请参见 上下文增强。关键接口 OmniRealtimeConversation类 OmniRealtimeConversation通过 from ...
语音识别支持的模型包括：Gummy实时语音识别（Gummy），Paraformer实时语音识别（Paraformer），FUN-ASR实时语音识别（FunASR），通义千问3-ASR-Flash-Realtime（qwen3-asr-flash-realtime），多模态交互轻量版语音识别（AppSpecificASR-...
当前的识别结果(不同于response.getTransSentenceText()，此处的识别结果可能会出现变化)SpeechTranscriberResponse.StashResult stashResult=response.getStashResult();将上面两段识别结果拼接起来 String stashText=stashResult=null?...
基于 LangStudio 的“音频总结助手”模板，开发者可快速构建集成语音识别和智能总结功能的 AI 应用，自动将音频/视频文件转录为文本并根据用户需求生成结构化总结报告。开发者可以基于该模板进行灵活扩展和二次开发，以满足会议纪要、学习...
说明 语音检测默认识别中文普通话，如需识别其他语种（例如，英语、日语、西班牙语、阿拉伯语、法语、印尼语、越南语）或方言（粤语、四川话、湖北话、陕西话、山西话、河南话、东北话、天津话、甘肃话、贵州话、云南话、江西话、广西话、...
模型列表 paraformer-realtime-v2（推荐）paraformer-realtime-8k-v2（推荐）paraformer-realtime-v1 paraformer-realtime-8k-v1 适用场景 直播、会议等场景 电话客服、语音信箱等 8kHz 音频的识别场景 直播、会议等场景 电话客服、语音...
语音AI 可选择是否调用语音识别、语音合成能力，以及调用的具体模型。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-...
通义听悟通用服务洞察 Agent 采用行业领先的语音识别（ASR）和微调（SFT）后的洞察模型，对电销、地推、门店接待、售后、客服、工单等各类场景进行服务分析，包含服务流程、业务要求、优势介绍、竞品应对等各类对话内容。支持电话、手机、...
实时质检对话分析结果：也就是质检结果（规则命中信息），不支持单独发送，需要与 实时质检单句语音识别结果 或 实时质检全文语音识别结果 类型的消息一起发送，也就会说在发送语音识别结果消息时携带质检结果。消息推送的类型及消息结构...
说明 语音检测默认识别中文普通话，如需识别其他语种（例如，英语、日语、西班牙语、阿拉伯语、法语、印尼语、越南语）或方言（粤语、四川话、湖北话、陕西话、山西话、河南话、东北话、天津话、甘肃话、贵州话、云南话、江西话、广西话、...
SenseVoice语音识别大模型专注于高精度多语言语音识别、情感辨识和音频事件检测，支持超过50种语言的识别，中文与粤语识别准确率相对提升在50%以上。说明 仅支持中国大陆（北京）地域。模型名称 支持的语言 支持的格式 单价 免费额度 ...
语音算法服务拆分为语音合成与语音识别 描述：将大模型场景与小模型场景中【语音&VUI】的语音算法能力拆分成语音合成和语音识别服务配置，方便客户对ASR和TTS的自定义选择。大模型场景支持第三方语音ASR识别服务 描述：大模型场景支持第三...
应用场景 在“智能媒体服务”涉及ASR语音识别的大部分场景下，通常能够较为准确地识别通用词汇。但是当面对特定的人名、品牌名称、产品型号或专业领域术语时，识别效果可能会有所降低。通过自定义热词功能，可以根据实际需求添加专属词汇，...
2：识别出中间结果及完整句子时返回识别结果 2 AdditionalStreamOutputLevel integer 否 设置实时记录场景下活跃说话人对应的语音识别结果返回等级。1：识别出完整句子时返回识别结果；2：识别出中间结果及完整句子时返回识别结果；仅在...
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...
音频数据未连续发送超时中断后，服务器上如果还有之前未处理完的数据，就会继续返回这些数据的识别结果，但是整个句子的识别已经是错误的了。初始化失败的可能原因？请检查是否使用正确的AccessKey ID、AccessKey Secret生成Access Token，...
识别语音内容中的垃圾广告-语音违禁识别 识别语音中的违禁内容，包括违禁品、非法交易等-语音呻吟声识别 识别语音内容中的娇喘和呻吟声-文档审核1.0版 文档图像内容识别 识别doc、docx、ppt、pptx、PDF等文档中的图像画面是否违规 ...
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...
51040103 实时语音识别服务不可用 检查实时语音识别服务是否有任务堆积等导致任务提交失败 51040104 请求实时语音识别服务超时。排查实时语音识别日志。51040105 调用实时语音识别服务失败。检查实时语音识别服务是否启动，端口是否正常...
51040103 实时语音识别服务不可用 检查实时语音识别服务是否有任务堆积等导致任务提交失败 51040104 请求实时语音识别服务超时。排查实时语音识别日志。51040105 调用实时语音识别服务失败。检查实时语音识别服务是否启动，端口是否正常...
语音识别（语音转文字）在 语音识别 处单击 去配置，选择语言后，单击右下角麦克风按钮开始识别，完成后单击 确认使用。语音合成（文字转语音）在 语音合成 处单击 去配置，选择声音后，在右侧文本框输入文字，单击右下角扬声器按钮开始...
通过将这些词添加到词表中，可以提高语音识别服务对这些词汇的识别效果。加载和生效：ASR泛热词表可以加载到场景和任务中，以使其生效。热词不支持标点符号：热词表中只能包含词汇，不支持包含标点符号。词汇不建议过长：为了保证识别的...
此种情况下可检查：录音文件是否包含有效语音，或有效语音是否都是语气词且开启了顺滑参数 enable_disfluency，导致语气词被过滤。上述情况下没有识别结果是正常现象。41050001 USER_BIZDURATION_QUOTA_EXCEED 单日时间超限（免费用户每日...
离线语音合成是指在弱网或无网状态下，通过设备本地的语音合成模型，将文本转换成自然流畅的语音。产品体验 更多合成效果可至 离线语音合成产品详情页 进行体验。功能介绍 离线语音合成主要包括以下功能，暂不支持多实例调用。提供语速调节...
时长限制：识别语音文件大小不能超过100 MB。设置多语言识别：在管控台编辑项目中进行模型选择，详情请参见 管理项目。服务地址 访问类型 说明 URL Host 外网访问 所有服务器均可使用外网访问URL。上海：...
语音翻译 8.25 8.95=0.05(轻量版语音识别)+0.8(意图识别)+1.7(语音合成)+5.7(语音翻译)每次开启语音翻译计为一次 实时视频对话/拍照问答 14.55 14.55=0.05(轻量版语音识别)+0.8(意图识别)+1.7(语音合成)+12(视觉理解)每轮交互计为一次 新闻...
概述 Quick BI智能问数开通智能问数语音服务，需要购买哪一项？详细信息 需要购买 智能语音交互 语音识别第一项的实时语音识别即可。适用于 Quick BI 独立部署版 v5.4.1
代码示例 说明 本示例中使用的音频文件为16000 Hz采样率，PCM格式，您可以使用 tests 文件夹下的test1.pcm，请在智能语音交互管控台将Appkey对应项目的模型设置为 通用 模型，以获取准确的识别结果；如果使用其他音频，请设置为支持该音频...
语音合成提供将输入文本合成为语音二进制数据的功能。功能介绍 NUI SDK提供更小的工具包和更完善的状态管理。为满足不同用户需求，NUI SDK既能够提供全链路的语音能力，同时可做原子能力SDK进行使用，并保持接口的统一。语音合成功能支持...
对长时间的语音数据流进行识别，适用于会议演讲、视频直播等长时间不间断识别的场景。功能简介 NUI SDK提供更小的工具包和更完善的状态管理。为满足不同用户需求，NUI SDK既能提供全链路的语音能力，同时可做原子能力SDK进行使用，并保持...