// 01 Fun-ASR-Realtime 是什么
快速结论
Fun-ASR-Realtime 是阿里云（通义千问大模型平台）的实时语音识别服务，核心是通过 WebSocket 流式协议把音频低延迟地转成带标点的文字，实现"边说边出字"。它支持普通话及粤语、四川话等方言，能识别 7 种情绪、处理复杂噪声环境、自动语种检测，还支持热词定制和字级/句级时间戳。走 DashScope SDK 或直接 WebSocket 调用，需 API Key（截至 2026-07）。
适合谁优先使用
- 做直播字幕、会议实时转写的开发者/团队
- 要做语音助手、语音搜索、对话系统的产品
- 需要方言识别、情绪识别、热词定制的场景
- 要字幕对齐（需时间戳）的音视频工具
核心能力拆解
WebSocket 流式低延迟
通过 WebSocket 把音频流实时转文字，边说边出，适合直播/会议等实时场景。
方言 + 情绪 + 降噪
支持普通话、粤语、四川话等；识别惊讶/中性/开心/难过/厌恶/生气/恐惧 7 种情绪；能处理复杂声学环境、自动语种检测。
热词 + 时间戳
支持自定义热词提升专有名词准确率；提供句级与字级时间戳，便于字幕对齐。
多格式 + 多语言 SDK
音频支持 PCM/WAV/Opus/Speex/AAC/AMR，采样率 8kHz/16kHz；提供 Java/Python/Node.js/C#/PHP/Go 示例，走 DashScope SDK 或 WebSocket。
和同类工具怎么选
| 需求 | 优先考虑 | 判断标准 |
|---|---|---|
| 国内实时语音识别 + 方言 + 情绪 | Fun-ASR-Realtime | 通义、WebSocket 低延迟、方言全 |
| 离线批量转写 | 录音文件识别 API | 不需实时，要批处理 |
| 纯本地/开源 ASR | 开源 ASR（如 FunASR/Whisper） | 要自部署、离线、免调用费 |
限制与避坑
- 是云 API 服务，按调用计费（价格以阿里云当前说明为准，待核实）。
- 实时识别对网络与音频质量敏感，弱网/嘈杂环境效果会打折。
- 需自备 API Key、走阿里云平台，涉及数据出网到云端。
NavXD 使用建议
如果你在国内做直播字幕、会议转写或语音交互，又需要方言/情绪/热词这些能力，Fun-ASR-Realtime 是很顺手的云端选择——先用它的 SDK 跑一版实时字幕看延迟和准确率。要离线/免费/自部署，则看开源 ASR。
常见问题
- Fun-ASR-Realtime 支持方言吗？支持普通话及粤语、四川话等方言。
- 怎么调用？走 DashScope SDK 或 WebSocket，需 API Key，多语言示例齐全。
- 能实时出字吗？能，WebSocket 流式、低延迟，边说边出。
// 02 核心 功能
- 核心定位阿里云通义实时语音识别：WebSocket 流式低延迟转文字，支持方言、情绪、热词、时间戳。
- 分类索引当前归档在 AI 音频，方便和同频工具横向比较。
- 能力标签关联标签包括 语音识别、通义、语音转文字、阿里云、实时ASR。
- 使用入口已记录可访问入口，可通过本页主按钮跳转。
// 03 使用 场景
- 快速判断是否适合当前任务结合 AI 音频 定位和 语音识别、通义、语音转文字 标签，先判断它是否匹配你的工作流。
- 横向比较同类工具从相同分类和标签继续探索替代工具，减少只看单个产品带来的选择偏差。
- 沉淀工具选型资料把官网入口、平台、版本和 NavXD 标签合并成一页，适合做选型记录或团队分享。
// 04 常见 问题
Fun-ASR-Realtime 是什么？
阿里云通义实时语音识别：WebSocket 流式低延迟转文字，支持方言、情绪、热词、时间戳。
Fun-ASR-Realtime 适合哪些场景？
可优先参考它所属的 AI 音频 分类，以及 语音识别、通义、语音转文字、阿里云、实时ASR 等标签。
Fun-ASR-Realtime 是否提供可用入口？
本页已记录官网或下载入口，可通过顶部主按钮访问。
Fun-ASR-Realtime 支持哪些平台？
当前记录为网页工具，通常可通过浏览器访问。
