【阿里云】录音文件识别

提交录音文件识别请求后，商业用户的转写任务可在6小时之内完成识别并返回识别文本，最新发布极速版支持30分钟以内时长的音频转写完成时间不超过10秒。 如有大规模数据转写需求或私有化部署（本地部署软件）需求，及商务问题，请联系：nls_support@service.aliyun.com

产品优势

易接入
支持HTTP&SDK多种技术接入，各类平台适用，且无需其他云产品依赖。

速度快
最新推出录音文件识别（极速版）长度30分钟内的音频，从上传音频完成到获取文本结果不超过10秒。

效果好
数年持续提升准确率，通用字准确率90%以上，部分模型可达99%。

领域广
9种语言及21种中国方言识别能力。广泛覆盖客服、教育、金融、互联网等各应用领域，且支持自学习定制优化。
优惠套餐

应用场景

呼叫中心录音质检

业务痛点
传统质检严重受限于人的工作效率和人力成本，只能抽检不能全检，难以评估客服的真实工作质量。

解决方案
语音识别将电话录音识别为文本，再通过质检规则对文本进行分析，识别不符合规范的服务通话记录。

价值提升
大幅提升呼叫中心工作质量管控能力，完成人力不可能完成的超大规模电话录音质检工作，提升呼叫中心人员的服务质量。

审数据录入

业务痛点
目前通过书记员对庭审进行记录的过程中耗费人力，也会带有书记员的主观理解。

解决方案
语音识别将电话录音识别为文本，再通过质检规则对文本进行分析，识别不符合规范的服务通话记录。

价值提升
大幅提升呼叫中心工作质量管控能力，完成人力不可能完成的超大规模电话录音质检工作，提升呼叫中心人员的服务质量。

会议记录总结

业务痛点
会议过程长、议题多，专人进行会议纪要浪费资源，不设专人会议缺少结论或讨论不够投入。

解决方案
通过录音文件识别直接将庭审各方的语音转化为文本，作为庭审笔录保存。

价值提升
提升了书记员的工作效率，完整还原了庭审的现场情况。

短视频编辑字幕

业务痛点
娱乐短视频字幕已成为标配，内容生产用户编辑字幕操作成本过高，导致放弃内容创作或质量无法最优呈现。观看者在公开场合无法收看短视频内容。

解决方案
通过录音文件识别（极速版）对短视频音轨进行实时分析，返回带时间的识别结果，可自动为视频配上字幕。

价值提升
提升视频内容生产者的积极性，降低视频内容处理成本。终端用户不方便开外放的场景下，也可消费内容。

更多产品与服务

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。

一句话识别
对时长较短（一分钟以内）的语音进行识别，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。

语音合成
语音合成服务，通过先进的深度学习技术，将文本转换成自然流畅的语音。目前有多种音色可供选择，并提供调节语速、语调、音量等功能。适用于智能客服、语音交互、文学有声阅读和无障碍播报等场景。

语言模型自学习工具
用户可以自行上传数据，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。目前仅支持上传文本数据对语言模型进行定制，未来会推出上传音频数据对声学模型进行定制。