AI 助理
备案控制台
< 智能语音交互

一句话识别

一句话识别可对一分钟以内的语音进行实时识别，适用于较短的语音交互场景，如语音搜索、语音指令、语音短消息等。 可集成在各类App、智能家电、智能助手等产品中。
通义听悟免费体验火热进行中，体验用大模型做学习笔记、会议记录！
活动与推广

产品规格

产品体验
您同意我们将您的语音数据用于此功能体验，并且我们不会将其用于其他用途。我们将依法处理您的语音数据，并在您体验结束后尽快删除。
语音识别
语音合成
录音文件识别
自学习平台
语种:
请先登录并完成实名认证后开始录音体验识别效果

产品优势

易接入
管控台可视化进行项目、场景、功能配置及自学习，并提供API和多种SDK，接入成本极低。
识别准
数年持续提升准确率，通用字准确率90%以上，部分模型可达98%。
处理快
低延迟，秒级处理返回语音识别结果。
定制模型
语音识别可提供所需场景的音频及标注文件，定制专属识别模型，进一步提升识别准确率。

产品功能

自研的SAN-M模型摒弃传统模型模块多系统复杂的缺点，在客服、直播、会议、输入法、教育、交互识别等场景下，准确率较传统模型提升10%-30%
多语种支持支持粤语、四川话等20余种方言的识别、支持英语、日语、俄语、印尼语等50余种语言识别、并支持中英自由说和英粤自由说混合识别
多产品形态支持录音文件识别、实时语音识别、一句话识别，可供用户自行上传数据，对阿里的语音技术进行深度定制，从而提升特定业务领域的识别准确度

应用场景

语音搜索
社交应用
语音指令
短语音消息
语音搜索
有些场景无法打字，但需要进行信息查询，或打字慢影响客户效率。
能够解决
支持各种场景下的语音搜索，比如地图导航、浏览器搜索等；
集成到任何形式的手机应用中，最大限度的解放双手。
相关产品
录音文件识别
实时语音识别
语音合成
社交应用
互联网娱乐领域竞争激烈，传统工程化模式进入瓶颈期，需要结合智能语音技术扩展玩法。
能够解决
将语音输入、口令红包作为吸引客户的新产品功能；
语音AI+互联网娱乐领域的业务创新，帮助客户在激烈的竞争环境中获取优势。
推荐搭配使用
录音文件识别
实时语音识别
语音指令
智能家居理念已经成为市场主流，家电用品“听”懂话，逐渐成为标配。
能够解决
通过语音命令控制智能设备，实现快捷便利的操作，如控制空调的开关、电视的换台等；
智能家居场景的必备功能，为终端客户提供舒适、便捷的居住环境。
相关产品
实时语音识别
语音合成
短语音消息
接收到的语音消息听完要很久，阅读文字速度更快。有些场景不方便听声音。语音长信息多，听一遍有遗漏，听多遍太耗时。
能够解决
通过语音发送或者接收短消息，在不方便打字的情况下实现快速便捷的短信操作，比如音频短信转文字；
不方便听声音的时候收到语音消息，通过转译的文字也可快速浏览阅读。
相关产品
实时语音识别
语音合成

产品动态

查看全部日志

更多产品与服务

通义听悟
通义听悟支持在课程、会议、访谈等场景下实时转录和音视频转文字，智能生成总结，实时翻译打破跨语言沟通障碍。通义听悟还支持快速标记关键信息，识别结果和笔记能够轻松下载并分享给其他用户，让信息流动起来。
录音文件识别
对用户上传的录音文件进行识别，上传完之后3小时内完成识别并返回识别文本。可用于呼叫中心语音质检、庭审数据库录入、会议记录总结、医院病历录入等场景。
实时语音识别
对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。
语音分析
通过对实时上传的音频流或离线音频文件进行智能解析，根据用户请求参数，高效精准的进行包括说话人身份核验、语种识别、性别识别以及声音事件监测等高阶语音分析能力，适应于智能客服、音视频会议以及多媒体智能分析等场景 。

文档与工具