如果在所有情况下语音识别都不准确，或者识别率很低，需要确保录音文件的采样率（8k或者16k）与调用时设置的采样率参数（8k或者16k）保持一致，否则会影响ASR识别效果。图中通用模型为中文8k通用模型。怎么查看音频文件的采样率？可以使用...
取值：SpeechRecognitionOnly：仅语音识别。SpeechRecognitionAndSynthesisAndAnalysis：语音识别+语音合成+语音分析。DeviceSDKSolution：设备端解决方案。SpeechSynthesisOnly：语音合成 Description String 否 否 项目描述。无 SdkType ...
通义听悟智能纪要 Agent 基于语音识别和大语言模型，对会议、访谈、课堂等场景下的实时或离线录音进行智能总结分析。产品优势 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、...
客户端通过接口获取到本地或远端音频流，然后在本地调用语音识别接口识别激活词。远程双录结束后，客户端调用上报结果接口，待后台关联数据后即可在远程双录结果列表中展示远程双录结果。客户端+H5 获取 Web SDK，并将服务端地址设置为：...
本文为您介绍如何在控制台创建定制模型并应用模型。前提条件 已开通智能语音交互服务，详情请参见 开通服务。...说明 语言模型定制时选的基础模型需要和当前项目配置的语音识别模型一致，才会在下拉框中显示您定制的模型名称。
目前可选用的领域专属模型如下表所示：模型名称 参数值 支持语言 采样率 实时/离线 适用场景 汽车领域销售对话语音识别模型 domain-automotive 中文 16k 离线 适用于汽车行业，包括门店接待、汽车试驾、车型推销等场景下的语音识别 教育...
在语音识别中，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。本文为您介绍语音转文本热词库的创建流程与使用流程。创建热词库 登录 智能联络中心控制台。在左侧导航栏，大...
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...
示例代码 以下示例展示了调用Paraformer语音识别文件转写API，对一个通过URL给出的音频文件进行语音识别的代码。说明 需要使用您的API-KEY替换示例中的 your-dashscope-api-key，代码才能正常运行。通过URL指定进行语音转写的文件，其大小...
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...
DeleteAsrModel 删除语音识别基础模型。DeleteData 删除数据。DeleteProject 删除项目或应用。PublishAsrModel 发布ASR模型。TrainAsrModel 训练ASR模型。UpdateProject 更新项目或应用。UpdateTtsModel 更新TTS基础模型。...
关键接口 NlsClient：语音处理客户端，利用该客户端可以进行一句话识别、实时语音识别和语音合成的语音处理任务。该客户端为线程安全，建议全局仅创建一个实例。SpeechTranscriber：实时语音识别类，通过该接口设置请求参数，发送请求及...
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...
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...
返回ASR语音识别原始结果 单击 开关按钮，切换是否返回语音识别结果。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...
创建热词 设置热词后，新建的语音识别请求立即生效。已经运行的识别请求无法使用该热词。登录 智能语音交互控制台。在左侧导航栏选择 自学习平台 热词。在 热词 页面，单击 创建热词。在 添加热词组 弹框中，输入 热词组名称、选择 热词...
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...
实时语音识别 1.SpeechTranscriptionStartParam 实时语音识别参数。参数 类型 参数说明 Format String 音频格式，默认值：PCM。取值为OPUS、OPU和PCM，如果是OPUS或OPU时，您需要自行编码。SampleRate Integer 采样率，默认值：16000 Hz。...
重要 音频采样率 为 16K 且不可更改，请确保所使用的阿里云智能语音交互项目，语音识别模型的采样率相同。回调配置 回调事件 句子结束：在每一句转义结束后触发。转义完成：在所录制的音频全部转义完成后触发。使用插件 组件绑定 Chat 组件...
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 ...
例如，在 语音识别 页签，勾选 服务 下拉菜单中的 录音文件识别 服务，其他过滤条件保持默认，即可查看录音文件识别服务的所有项目在近7日内的调用量和QPS并发量。设置资源包额度预警 登录 智能语音交互控制台。在 总览 页面，鼠标悬停 告...
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...
SDK主要事件回调*@param nuiEvent:回调事件，参见如下事件列表*@param asrResult:语音识别结果*@param taskId:一个任务对应的唯一id*@param ifFinish:本轮识别是否结束标志*@param retCode:参见错误码，在出现EVENT_ASR_ERROR事件时有效*/-...
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...
注意 如果您之前未授权过日志服务权限，则需要在购买后刷新页面，点击“去授权”按钮，为风险识别系统授权日志服务，以便决策引擎系统能将相关日志数据投递到您账号下的日志服务中（此权限仅限于决策引擎日志），单击前往授权。
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...
通过SDK调用实时语音识别 使用Java开发语言调用SDK，可用于生产环境。通过Python示例调用录音文件转写 Python脚本示例，可上传长语音文件（512 MB以内）。通过SDK调用语音合成 使用Java开发语言调用SDK，可用于生产环境。通过Curl命令调用...
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...
支持将语音识别为文本等。视频AI功能特性 功能 描述 更多参考 智能审核 智能审核服务支持对点播视频资源的视频文件、封面图片及标题文本中涉黄、性感、暴恐、特殊装束、特殊标识、武器、涉政等内容进行识别，并给出建议结果。产品信息：...
视频语音识别标签ASR 分析视频中的语音信息，提取语音文本内容。视频标签 分析视频中节目、人物角色、物体、场景、地域等内容。图片标签 分析图片中的人物角色、地域、动作事件、标识、物体等内容。使用限制 智能标签可以处理的文件类型和...
什么是通义听悟实时流 通义听悟实时流是一种实时语音识别服务，它能够将实时的语音输入转换为文本输出。这项功能特别适用于需要即时语音转写的场景，如实时会议记录、直播字幕等。通义听悟实时流需要配合通义听悟集成操作来使用。具体而言...
可以使用这些历史数据作为语料来对自定义的语言模型进行训练，自定义的语言模型在训练时，是在通用模型的基础上进行训练的，通过对您的训练语料做模型训练，可以有效提高您的特有场景的语音识别准确率，尤其是专有名词和文本中的高频词汇，...
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...
检查音频文件格式：建议您检查待测试的语音格式是否符合语音识别输入格式要求，格式要求请参见 音频采集和播放说明。将待测试语音转换成16kHz、16 bit采样位数、单声道（mono）无压缩的WAV文件。Tap2Talk/Duplex 模式下，发送音频没有最终...
在输入法、客服、会议等领域，文字识别错误率相比上一代系统下降10%～30%，大幅提高了语音识别的精度。识别速度快 采用“字”级别建模单元及自研模型推理引擎，并发推理速度相比业内主流推理框架提升10倍以上；中国独创的LFR解码技术，在不...
除语音识别、翻译、说话人分离外，还包括章节速览、大模型摘要总结（全文摘要、发言总结、问答回顾、思维导图）、要点提炼（关键词、待办事项、重点内容、场景识别）、服务质检、PPT提取及摘要、口语书面化、自定义prompt等功能。...
视觉理解 语音识别 2025-12-19 qwen3-asr-flash-filetrans、qwen3-asr-flash-filetrans-2025-11-17、qwen3-asr-flash、qwen3-asr-flash-2025-09-08 新增捷克语、丹麦语等共 9 种语言的语音识别支持。录音文件识别-通义千问 语音识别 2025-...
ASR热词 您可以定义业务相关的热词，以此提升AI智能体在语音识别中的准确率。声纹降噪 在多人交谈的场景中，智能体通过识别主讲人的声纹特征，更加精确地捕捉和保留主讲人的语音，同时降低对无关噪音的干扰。真人接管 在用户与智能体进行...
ASR热词 您可以定义业务相关的热词，以此提升AI智能体在语音识别中的准确率。声纹降噪 在多人交谈的场景中，智能体通过识别主讲人的声纹特征，更加精确地捕捉和保留主讲人的语音，同时降低对无关噪音的干扰。真人接管 在用户与智能体进行...