语音翻译是阿里云的实时翻译服务，支持多语言语音的实时互译。本文深度解析其核心功能、技术优势与集成指南，赋能您的应用打破语言壁垒，实现全球化沟通。
本文汇总了您在使用通义听悟服务时的基础使用问题。为什么我开通了智能语音交互，却无法使用通义听...通义听悟的实时记录功能支持实时翻译，中、英、日、韩语间的双向实时互译；识别语音为中英自由说，可实时翻译为中文、英文、中文+英文。
6.6 3000～4999小时 4.7 5000小时及以上 3.4 实时翻译 8元/小时 0～299小时 8 300～999小时 7.5 1000～2999小时 7 3000～4999小时 6.5 5000小时及以上 6 离线翻译 1.2元/小时 0～299小时 0.9 300～999小时 0.8 1000～2999小时 0.7 3000～...
多模态 多模态 按时长计费 包含视频PPT提取及PPT摘要功能 翻译 实时翻译 按翻译音频的时长计费 根据实际翻译音频的时长计费。费用与实时会议记录叠加统计。使用中英自由说翻译目标语言为中文+英文时，计费时长翻倍。离线翻译
列举出SDK版本演进所做的重大变更。SDK版本3.0起，底层架构发生变动，SDK 3....支持实时翻译和字幕。支持对视频进行标注。更多特性，请见 功能发布记录（3.0）。由于采用了全新设计，早期版本有些功能还没有在3.0提供，这些包括：耳返，美声。
0.064 元/小时 多模态 多模态（视频 PPT 提取+PPT摘要）可选 0.64 元/小时 翻译 实时翻译 离线翻译 可选 4 元/小时 0.5 元/小时 纯文本处理 0.95 元/千次 说明 根据输入文本量统计，输入内容每150个tokens计为1次，不满150个也计为1次。...
transcriptionEnabled(true)/设置是否开启实时识别.translationEnabled(true)/设置是否开启实时翻译.translationLanguages(new String[]{"en"})/设置翻译目标语言.build();try { translator.call(param,new ResultCallback ...
transcriptionEnabled(true)/设置是否开启实时识别.translationEnabled(true)/设置是否开启实时翻译.translationLanguages(new String[]{"en"})/设置翻译目标语言.build();try { translator.call(param,new ResultCallback ...
通过通义听悟集成的 停止实时任务 操作停止实时任务 功能介绍 魔笔平台的通义听悟实时流功能支持以下特点：实时转写：语音输入可以实时转换为文字，并在集成操作中配置了翻译功能的情况下支持实时翻译。集成操作联动：与其他魔笔平台功能...
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...
qwen3-livetranslate-flash-realtime 是视觉增强型实时翻译模型，支持 18 种语言（中、英、俄、法等）互译，可同时处理音频与图像输入，适用于实时视频流或本地视频文件，利用视觉上下文信息提升翻译准确性，并实时输出高质量的翻译文本与...
自定义Prompt支持句子ID 自定义Prompt支持句子ID的内容处理，方便原文内容定位 各类问题修复 修复身份识别错误的问题 修复敏感词不生效的问题 2025年4月30日 功能名称 功能说明 实时翻译中间结果增加时间戳信息 实时翻译的中间结果增加时间...
融合实时媒体处理能力、纯幕和实景抠像合成、ASR语音转文本及实时翻译、视频AI及实时图文特效等多种直播、互动能力，可满足标准直播、广电级专业直播、轮播台、虚拟演播厅等各种直播场景，即开即用简单便捷。云导播台 直播审核 支持视频...
实时翻译进一步降低了跨国多语言用户对直播流内容理解的门槛，在跨境电商直播、跨国活动直播中都有很好实践应用。单击 实时字幕，弹出字幕组件窗口。设置组件名称、字体样式、尺寸、位置、视频源、源语言、翻译语言，可在左侧区域进行效果...
object list languagePairs 模型支持的语向 object list 文本实时翻译 GET/aitranslation/predict.json 参数：sourceLanguage={{sourceLanguageCode,如zh-CN}} targetLanguage={{targetLanguageCode,如 en-US}} accessKey={{accessKey}} ...
实时翻译进一步降低了跨国多语言用户对直播流内容理解的门槛，在跨境电商直播、跨国活动直播中都有很好实践应用。单击 实时字幕，弹出字幕组件窗口。设置组件名称、字体样式、尺寸、位置、视频源、源语言、翻译语言，可在左侧区域进行效果...
传统模式下，商家需要耗费极大的时间和人力成本进行图片的翻译，使用PS抠图&做图，第三方翻译软件等，整体操作繁琐，经调研，编辑一个商品的一种外语图片耗时30分钟以上。本产品提供了针对商品图片的图片智能翻译，有效提升跨境电商商家的...
提升高并发下的调用效率，适用于跨境电商、本地化运营等场景 网页翻译SDK 网页翻译插件，支持网页全文内容实时翻译 暂时不提供模型选项 实现质量&耗时平衡：通过网页智能解析、内容动态适应、可视区域智能加载、智能段落划分等策略，让上...
transcriptionEnabled(true)/设置是否开启实时识别.sourceLanguage("auto")/设置源语言（待识别/翻译语言）代码.translationEnabled(true)/设置是否开启实时翻译.translationLanguages(new String[]{targetLanguage})/设置翻译目标语言....
智能纪要-翻译 实时：4（元/小时）离线：0.5（元/小时）可选功能，包括：实时翻译 离线翻译 工业生产指令转写 1.8（元/千次）根据实际使用次数计费。纯文本输入 功能 价格（元/千次）备注 服务洞察 1.9 每次轻应用运行“服务洞察”或“客户...
提供类似同传翻译的实时翻译能力，在持续收音的同时输出翻译结果，适用于演讲，会议等大段语音场景。目前支持对部分语言的翻译结果进行实时语音播报：翻译语言为中文或英文：使用用户指定的音色播报 翻译语言为日文或韩文：使用系统默认的...
transcriptionEnabled(true)/设置是否开启实时识别.sourceLanguage("auto")/设置源语言（待识别/翻译语言）代码.translationEnabled(true)/设置是否开启实时翻译.translationLanguages(new String[]{targetLanguage})/设置翻译目标语言....
transcriptionEnabled(true)/设置是否开启实时识别.sourceLanguage("auto")/设置源语言（待识别/翻译语言）代码.translationEnabled(true)/设置是否开启实时翻译.translationLanguages(new String[]{targetLanguage})/设置翻译目标语言....
本文介绍如何使用移动端Harmony SDK来支持实时记录场景下的音频识别流程。前提条件 创建实时记录并成功获得推流地址 安装移动端Harmony推流SDK SDK关键接口 initialize：初始化SDK。初始化SDK，SDK可多实例，请先释放后再次进行初始化。...
点此测试 通义听悟翻译（前置功能：语音转写）服务 文件类型 音频采样率 翻译 支持翻译 实时语音翻译 音频流 8k 实时 中、英、日、韩、德、法、俄语间的双向互译；中英自由说翻译成中、英或中&英 音频流 16K 实时 音视频文件翻译 音频文件 ...
文本翻译 实时语音翻译：实时记录支持中、英、日、韩语间的实时双向互译；中英自由说翻译成中、英或中&英。离线文件翻译：音视频文件语音转文字，支持中、英、日、韩语间的双向互译；中英自由说翻译成中、英或中&英。口语书面化 口语书面化...
通义千问Max 音视频翻译 2025-09-23 qwen3-livetranslate-flash-realtime-2025-09-22 qwen3-livetranslate-flash-realtime 是一款多语言音视频实时翻译模型，可识别 18 种语言，并实时翻译为 10 种语言的音频。实时音视频翻译-通义千问 ...
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...
DescribeLiveRealtimeDeliveryAcc 查询实时日志投递次数 调用DescribeLiveRealtimeDeliveryAcc查询实时日志投递次数。DescribeLiveDomainTimeShiftData 查询直播时移用量数据 查询直播时移用量数据。DescribeLiveDomainStreamTranscodeData...
价格，财务及营销规划，业务战略，客户信息，客户数据，研发，软件，硬件，API应用数据接口，技术说明，设计，特殊公式，特殊算法等），无论上述信息和资料以何种形式或载于何种载体，无论披露方在披露时是否以口头、图像或书面等方式表明...
获取旁路转推任务状态 事件回调 创建订阅房间消息回调 查询订阅房间消息列表 查询回调记录 更新订阅房间消息回调 删除订阅房间消息回调 质量数据 查询实时音视频指标数据 实时语音转文字/翻译 创建实时语音转文字或翻译 查询实时语音转文字...
文本翻译是将语音转文字的内容进行不同语种的转换，可支持中、英、日、韩、德、法、俄语间的双向实时互译和音视频文件翻译。打破沟通屏障，降低跨国交流与资料学习的门槛。实时语音翻译价格优惠、延迟低，是极具性价比的服务。请求参数 ...
本文介绍Gummy实时语音识别和翻译Python 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 ...
本文介绍Gummy实时语音识别和翻译Python 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-Fun-ASR/Gummy/Paraformer 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：获取与配置...
创建听悟任务，包括创建离线转写任务和实时会议任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下表是API对应的授权信息，可以在RAM...
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...