RECORDING · 录音文件
录音生成后，异步转写
通过接口提交可访问的录音地址，平台返回任务编号。识别完成后，查询结果或接收结果回调。
提交文件 → 识别处理 → 返回结果
加载中...
阿里云语音识别基于阿里云商用识别引擎，提供录音文件识别与实时语音识别。通过接口接入，配合集群调度、企业用量计费与代理商管理，让语音转文字能力进入您的业务系统。
阿里云商用识别引擎 · 接口服务
为您的业务系统提供语音转文字能力。已有录音，提交文件地址后获取转写结果；实时音频，建立连接后持续发送声音、接收文字。识别结果交给现有业务继续处理。
RECORDING · 录音文件
通过接口提交可访问的录音地址，平台返回任务编号。识别完成后，查询结果或接收结果回调。
提交文件 → 识别处理 → 返回结果
REALTIME · 实时音频
通过实时连接发送音频，接收中间文字与句子完成结果，适合需要持续获取识别文字的业务。
建立连接 → 持续送入 → 逐句接收
录音文件识别
业务系统提交录音文件地址，无需人工逐段处理。任务编号贯穿提交、状态查询与结果获取，便于把识别接入自己的处理流程。
按接口要求提供录音与授权信息，平台创建任务。
提交成功后取得任务编号，查询识别处理进度。
识别完成后查询结果，或按配置接收回调通知。
处理时间
已核验的一条业务任务中，189 秒双声道录音，从平台创建任务到记录完成，耗时约 3.87 秒。
单次业务记录，核验于 2026 年 10 月 10 日。计时为平台任务创建至记录完成；实际耗时随音频、负载及网络变化。
实时语音识别
业务系统通过 WebSocket 建立连接，连续发送音频。识别过程中返回中间文字，句子结束后返回对应结果，供您的业务及时使用。
连接建立后，按实时协议持续发送音频数据。
识别文字随过程返回；中间结果会随后续语音修订。
收到句子结束事件后，使用这一句的结果继续处理。
实时接入按协议准备 16 bit 单声道 PCM/WAV 音频，可按文档选择 8 kHz 或 16 kHz。录音文件的双声道能力与实时音频要求分别说明。
稳定服务
平台统一管理识别资源，持续监测服务状态，并根据可用资源分配任务，为业务持续调用提供支持。
接口接入
企业端提供接口管理和接入说明，覆盖录音提交、结果查询、回调通知与实时连接。开发人员在同一处查看调用方式、参数和返回示例。
可使用接口密钥、来源 IP 白名单，或两者共同验证。授权方式和调用来源与实际业务一起配置。
接口文档提供标点、数字转换、词级时间等参数说明；语言、热词及相关资源按实际开通能力核对。
用量与计费
企业可以查看请求、消费和财务报表，把识别使用情况与费用记录对应起来。账户内提供对应计费规则，具体费率以实际账户规则为准。
按录音时长与声道计费。单、双声道分别计算，按规则区分忙时和闲时。
按连接持续时间计费，按账户规则区分忙时和闲时。
三端协作
管理接口接入，查看自己的请求、用量、账单与计费规则。
统一管理企业账户与识别资源，核查运行状态、失败及转移记录。
管理所属企业，查看对应请求、消费与财务记录。
接入准备
先确定识别方式，再按文档接入。用自己的业务样本核对识别效果和处理时间，让输出符合后续业务需要。
识别服务输出文字。文本检索、内容分析、质检等后续处理，由您接入的业务系统完成。