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、...
音频格式说明 类型 可选参数设置 语音格式说明 语音识别 upstream.audio_format 支持的输入格式："pcm"：PCM编码（无压缩的PCM或WAV），16bit 采样深度，单通道。raw-opus"：裸 OPUS 数据，以定长发送 音频采样率：默认16000 Hz。语音合成...
字幕识别模型可以选择"语音识别"和"字幕识别"，语音识别会根据视频中的语音生成字幕，字幕识别会根据视频中的字幕生成字幕。4.创建项目 点击创建项目，等待解析完成。项目创建成功后，可以点击分配译员。若不需线上进行人工编辑，只需要...
智能体通话记录：阿里云内置的语音识别技术，可以自动转录通话内容，从而便于您对通话记录进行审核、模型训练等操作。智能体回调：智能体回调允许您的应用在特定事件发生时自动触发预设的操作或响应。语音识别热词：如果您的业务中存在某些...
本文档介绍如何使用 DashScope Python SDK 调用实时语音识别（Qwen-ASR-Realtime）模型。用户指南：模型介绍、功能特性和示例代码请参见 实时语音识别-通义千问 请求参数 以下参数通过 OmniRealtimeConversation 的构造方法设置。参数 类型...
配置敏感词后，语音识别系统将实时识别已配置的敏感词，针对自定义敏感词库，如果检测到敏感词，客户端字幕将直接进行脱敏处理，并使用“*”进行替换。说明 在识别到敏感词后，系统会将替换后的内容传递至大模型节点。配置流程 准备敏感词...
语音识别类常见问题主要分为以下几类：功能类 自学习模型的调用限制是什么？控制台与POP API设置自学习模型的区别是什么？如何通过控制台添加热词？如何通过控制台设置泛热词的权重？如何通过POP API创建热词词表？热词有数量限制吗？除了...
ASR泛热词表 在语音识别服务中，如果您的业务领域有部分词汇默认识别效果不够好，可以考虑使用热词功能，将这些词添加到词表从而改善识别结果。如地名、人名、特定品牌名等。这些热词表可以加载到场景和任务里生效，以提高识别效果。热词不...
说明 需要开启的识别功能可以在智能标签任务模板中的分析类型中进行配置：分析类型中开启人脸识别、文字识别、语音识别分别对应 视频人脸识别、视频文字识别标签、视频语音识别标签 计费项。其他分析类型对应 视频分类+结构化标签 计费项...
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 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...
多地域产品能力对比 产品能力 子项 华东2（上海）（当前地域）华北2（北京）（新增地域）华南1（深圳）（新增地域）管控台 管控台 统一管控台 统一管控台 统一管控台 语音识别 一句话识别 支持 支持 支持 实时语音识别 支持 支持 支持 录音...
开启后，标签任务可返回ASR语音识别原始结果。单击提交任务，完成创建智能标签任务。API提交智能标签任务 通过模板配置分析类型。智能标签作业可以通过模板设置分析类型，在提交作业时指定模板ID。模板ID可以通过 添加模板 获取。自定义...
获取通话录音 ASR 智能语音识别功能。智能语音机器人行业版 行业版服务（邀约制）AI软件+话术定制一体化运营服务，包含从需求沟通和确认，到话术模板初始化、话术调整、真人录音提供、客户测试、调整优化，再到最终外呼执行、呼叫效果统计...
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-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...
警告 SenseVoice 服务即将下线：SenseVoice 录音文件识别服务即将下线，为避免影响业务，请尽快迁移至其他语音识别服务（录音文件识别-Paraformer/Fun-ASR、录音文件识别-通义千问）。本文介绍SenseVoice录音文件识别RESTful API的使用。...
用户指南：模型介绍、功能特性和示例代码请参见 实时语音识别-通义千问 session.update 用于更新会话配置，建议在 WebSocket 连接建立后首先发送该事件。建议在WebSocket连接建立成功后，立即发送此事件作为交互的第一步。如果未发送，系统...
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...
100002970*EarlyMediaAsr boolean 否 早媒体语音识别标识。默认为 false，即不启用。如果需要启用早媒体语音识别标识，请设置为 true。true TaskName string 是 任务名称。支持中文和英文。长度限制为：0~30 个字符。批量外呼任务 ...
工作流覆盖参数 enableIntelligentSegment Bool 智能断句开关 asrConfig ARTCAICallAgentAsrConfig 语音识别配置 ttsConfig ARTCAICallAgentTtsConfig 语音合成配置 llmConfig ARTCAICallAgentLlmConfig 大语言模型配置 avatarConfig ...
V 1.0.9 增加开始语音识别失败接口 OnStartAsrFailed（见被调接口 50）。语音识别结果接口名从 OnAsrMsg 修改为 OnAsrMessage（见被调接口 53）。开始语音识别接口添加参数引擎类型 procType（见主调接口 30）。服务端录制结束通知接口名从...
工作流覆盖参数 enableIntelligentSegment Bool 智能断句开关 asrConfig ARTCAICallAgentAsrConfig 语音识别配置 ttsConfig ARTCAICallAgentTtsConfig 语音合成配置 llmConfig ARTCAICallAgentLlmConfig 大语言模型配置 avatarConfig ...
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...
一句话识别功能支持对一分钟内的短语音进行识别，适用于对话聊天、控制口令、语音输入法、语音搜索等较短的语音识别场景。计费和并发限制 一句话识别提供试用版和商用版两种计费模式，详情请参见 试用版和商用版。如果您需要将试用版升级为...
应用案例：网约车司机行为安全监控与敏感内容检测 背景 某出行公司希望通过语音识别技术，对网约车内录制的音频进行分析，从多人对话中准确提取司机的语音片段，识别司机语音中是否存在违规内容。通过 AnalyticDB for MySQL 提供的声纹识别...
需开启号码状态（早媒体）识别功能，开启后会产生语音识别费用。开启号码状态识别功能可辅助识别停机、无服务等号码状态，并根据号码状态自动执行挂断动作。状态码说明请查看 呼叫状态码。说明 获取智能语音交互呼叫记录信息时，如需开启...
智能语音交互 智能语音交互是基于语音识别、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、法庭庭审实时记录、实时演讲...
警告 SenseVoice 服务即将下线：SenseVoice 录音文件识别服务即将下线，为避免影响业务，请尽快迁移至其他语音识别服务（录音文件识别-Paraformer/Fun-ASR、录音文件识别-通义千问）。本文介绍SenseVoice录音文件识别Python SDK的使用。...
语音识别模型如果90天内没有真实在线上使用，系统会自动回收，请妥善使用和维护。视频讲解 操作流程 新建热词组 进入智能工具选择“语音模型训练工具”中的 热词模型，点击列表右上方的 新建热词组 按钮，需要注意的是，当前每个用户最多可...
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...
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...
目前支持第三方克隆音色，填入需要的音色ID即可，请注意需要提前在 外呼系统管理 中进行配置对应的鉴权信息 语音识别 默认服务：配置项的含义及系统界面如下图所示：ASR模型：支持中文以及英文等多语种场景。ASR热词：可在 语音数据集 中上...
说明 ASR：Automatic Speech Recognition，语音识别技术 通话时长不满一分钟按一分钟扣除。智能语音机器人为按量计费模式，根据实际通话分钟数进行实时梯度计费。即实时计费，自动跨档，跨档后当月所有发送量按新阶梯价重新计算。语音互动...
paraformer-realtime-v2、paraformer-realtime-v1、paraformer-realtime-8k-v2、paraformer-realtime-8k-v1 实时语音识别（Fun-ASR）：fun-asr-realtime、fun-asr-realtime-2025-11-07、fun-asr-realtime-2025-09-15 实时语音识别（Qwen-...
智能纪要 高精度语音识别：能够将实时音频流或音视频文件中的语音转写成文字，支持中文、英文、粤语、日语、韩语、德语、法语、俄语的转写及实时双向互译。转写结果可返回段落、句子划分和词级别的起止时间，用于对应字幕展示。大模型全面...
更多操作 外呼通话过程中，如遇到问答或者语音识别效果不好时，可通过以下方式尝试解决：热词配置：在语音通话过程中，如遇到词汇识别效果不好的情况，可将其添加到热词表提升识别结果。高频问答配置：将高频率问题及其答案添加到高频问答...
产品优势 基于达摩院 AI 能力 阿里巴巴达摩院团队人工智能（Artificial Intelligence，简称 AI）实验室在语音识别、图像识别、视觉理解、语言理解等方面开展大量研究，并沉淀出 AI 相关的大量技术成果。智能双录质检产品基于达摩院 AI 技术...
通信智能引擎 通过集成ASR（语音识别）和TTS（文本转语音），以文本流推拉的方式进行和大模型的交互，并对通话过程中的打断、静音、抢话等事件进行感知和控制，形成整体拟人化的交互效果。功能集 功能 功能描述 通信智能引擎 大模型网关...
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...