平台融合升级公告
后续平台会致力于结合IoT物联网技术（蓝牙协议、Wi-Fi协议、云服务）和天猫精灵的AI能力（ASR语音识别、NLP自然语言处理、TTS语音合成），向您提供更丰富的智能服务。物模型变更介绍 为了便于后续给您开放天猫精灵沉淀的大量基于物模型的...
FAQ
如何在长文本接口中使用SSML？如控制下面这段文本每句话之间的停顿，建议先基于标点符号（句号、感叹号、问号等）对文本分句，然后在句子上加SSML标签。文本内容如下：大考当前，不少考生容易出现不同程度的焦虑症状，如情绪烦躁、记忆力...
回调接口简介
语音服务支持通过回调接口将语音文本等通话信息返回给业务方，以此实现业务联动。当前支持以下回调接口：智能语音交互呼出回调HTTP接口 语音平台发起呼叫后，通过智能外呼回调HTTP接口，在通话中把转换后的语音文本回传给业务方，业务方把...
模型说明
长文本分类融合模型【推荐】阿里巴巴达摩院自研的融合了CNN，FastText，Self-Attention等机制的集成学习模型，适用各类文本分类场景，包括篇幅较长的文体（如新闻、小说等），训练时间较长。短文本分类融合模型 阿里巴巴达摩院自研的针对...
管控台概览
步骤三：多条扩展结果合并，将多条Query分段结果分析合并为一条包含关键信息的长文本。步骤四：结构化查询和相关性查询，结构化查询即将拓展Query实体文本与数据库字段语义匹配，辅助结构化查询。相关性查询即拓展Query文本相关性分析，...
数字人视频合成开发指南
数字人视频合成服务（包括3D数字人视频合成和2D数字人视频合成）提供根据指定文本让数字人进行文本播报，平台会基于数字人播报的文本智能同步驱动数字人做出相应的嘴型、表情和动作，同时将渲染的数字人画面合成指定格式的视频文件。...
2D数字人视频合成接入指南
2.支持范围 重要 使用SSML需要符合阿里云语音合成服务的SSML标记语言规则，关于该语言规范要求可以参考阿里云语音合成服务《SSML标记语言介绍》，示例：需要调用SSML标签的文本，目前平台仅支持以下标签。标签 作用 示例 提示用于控制标签...
3D数字人视频合成用户指南
3.1.1 语音合成的编辑功能 文本输入框集成了语音合成的编辑器功能，可在该编辑器中对语音合成进行人工的调整，例如标注多音字、标注文本读法、标注数值读法等，详见下表。同时文本输入框集成了情绪化音色的编辑能力，可在编辑器中选中某段...
回调接口简介
智能联络中心支持通过回调接口将语音文本等通话信息返回给业务方，以此实现业务联动。当前支持以下回调接口：智能语音交互呼出回调HTTP接口 智能联络中心平台发起呼叫后，通过智能外呼回调HTTP接口，在通话中把转换后的语音文本回传给业务...
应用场景
语音合成 智能客服 提供多行业多场景的智能客服语音合成能力。提高解答效率，提升客户满意度，降低呼叫中心人工成本。利用个性化人声定制“克隆”坐席客服的声音，使智能客服与真人保持同一音色。智能设备 为智能家居、音箱、车载和可穿戴...
SDK FAQ
如果传入的文本没有采用UTF-8编码，在文本中含有中文字符时，语音合成SDK调用start函数会失败，返回错误信息 Socket recv failed,errorCode:0。错误码为0表示服务端已经关闭了连接，此时应检查传入的文本是否采用UTF-8编码。C++ SDK如何...
获取文本库列表
ResourceType String TEXT 文本库类型，取值：TEXT：文字文本库 IMAGE：图片文本库 VOICE：语音文本库 LibType String textKeyword 各应用场景中的文本库类型，取值：文本反垃圾场景 textKeyword：关键词文本库 similarText：相似文本库 ...
机器人外呼
3.4 话术配音 为话术内容配音是话术配置的最后一步，有以下4种配音方式：控制台在线录音、单个录音上传、从历史的智能外呼录音文件中选择、语音合成。话术分为以下4种状态：已录音、未录音、无需录音、合成中，其中合成中指采用语音合成...
智能语音交互呼出业务流程
本文为您介绍了智能语音交互呼出的使用流程。前提条件 注册阿里云账号 并完成 企业实名认证。已开通 语音服务。申请企业资质 并审核通过。您已购买外呼号码。具体操作，请参见 真实号管理。背景信息 智能语音交互呼出接口需要与 智能语音...
LLM-长度过滤（MaxCompute）
LLM-长度过滤组件主要用于大语言模型（LLM）的文本数据预处理工作，根据文本长度、平均长度、最大行长度等过滤样本。平均长度和最大行长度过滤默认会将文本按行切分再进行统计。使用限制 仅支持MaxCompute计算引擎。可视化配置参数 您可以...
智能语音交互呼出
通过调用API接口发起外呼，用户接听并回复后，平台会把的客户说话形成的语音文本回传给您，您可以将下一步的执行动作返回给智能联络中心。本文为您介绍了智能语音交互呼出的业务流程。前提条件 已注册阿里云账号，并完成企业实名认证。具体...
ModelScope魔搭社区
本文介绍如何通过 ModelScope魔搭社区 中的 文本向量开源模型 将 文本转换为向量，并入库至向量检索服务DashVector中进行向量检索。ModelScope魔搭社区 旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站...
产品优势
效果逼真 在本地端实现了基于Knowledge-Aware Neural TTS(KAN-TTS)语音合成技术，基于深度神经网络和机器学习，将文本转换成真实饱满、抑扬顿挫、富有表现力的语音，使得 离线语音 合成效果趋近于在线合成效果。同样的语音合成 声音定制 的...
3D播报数字人接入指南
3D播报数字人（对应开放平台的“咨询播报”场景）是虚拟数字人开放平台提供能够支持用户通过发送文本让3D数字人进行播报的实时文本驱动数字人产品能力，目前平台支持播报阿里云的智能语音合成的SSML标记语言，可以支持多音字、读手机号、读...
2D数字人视频合成用户指南
文本输入框集成了语音合成的编辑器功能，可在该编辑器中对语音合成进行人工的调整，例如标注多音字、标注文本读法、标注数值读法等，详见下表。功能 子功能 备注 操作方法 多音/弹出浮层高亮多音字，逐一标注 文本 人名 姓氏自动匹配、连续...
参数详情
本文介绍InputFile详情和FpShotConfig详情。InputFile详情 参数 类型 是否必选...Text：长文本字符串。ASR：语音识别结果。SimilarityThreshold Float 否 SaveType=save模式下相似度阈值，可根据实际情况调整。取值范围：[0,1]。默认值：0.8。
Java Demo
本文介绍如何使用阿里云智能语音服务提供的Java SDK，包括SDK的安装方法及SDK代码示例。前提条件 使用SDK前，请先阅读接口说明，详情请参见 接口说明。已开通智能语音交互并获取AccessKey ID和AccessKey Secret，详情请参见 从这里开始。...
Java Demo
本文介绍如何使用阿里云智能语音服务提供的Java SDK，包括SDK的安装方法及SDK代码示例。前提条件 使用SDK前，请先阅读接口说明，详情请参见 接口说明。已开通智能语音交互并获取AccessKey ID和AccessKey Secret，详情请参见 从这里开始。...
搜索增强
以ElasticSearch为例，常见的索引字段类型：目前可选的索引字段类型包括：索引字段类型 字段类型说明 text 用于索引长文本，例如文章内容、描述等。文本类型会进行分词处理，以便能够根据单词进行搜索和匹配。keyword 用于索引短文本，例如...
3D推流数字人接入指南
3D推流数字人（对应开放平台的“虚拟主播”场景）是虚拟数字人开放平台提供能够支持将数字人流媒体内容推送到用户指定的直播平台的数字人产品能力，目前平台支持播报纯文本以及阿里云的智能语音合成的SSML标记语言，可以支持多音字、读手机...
LLM-计数过滤（MaxCompute）
LLM-计数过滤组件主要用于大语言模型（LLM）的文本数据预处理工作，根据字母、数字、分隔符的个数过滤样本。使用限制 仅支持MaxCompute计算引擎。算法简介 LLM-计数过滤组件支持以下功能：根据数字字符个数或比例过滤 统计文本中的数字字符...
DING消息如何发送语音？
概述 本文介绍如何用DING消息发语音。详细信息 电脑客户端发DING的时候不支持发送语音，手机客户端点击【DING】-点击右下角“+”-点击【DING】-点击【语音】-【按住录音】即可发送语音，语音长度不能超过60秒。适用于 专属钉钉
3D数字人视频合成接入指南
支持参数指定TTS发音人、音速、音调、音量 最大存储时间 支持7天在线存储，7天后视频内容将无法下载 支持最大输入5000个文本字符（SSML标签不计入）支持纯文本进行数字人视频合成 支持阿里云语音合成服务的SSML标记语言，针对一些文本读音...
RESTful API
对于更长文本的合成，请参考SDK中的长文本切分及拼接示例。下载nls-restful-java-demo.zip。前提条件 已准备项目Appkey，详情请参见 创建项目。已获取Access Token，详情请参见 获取Token概述。服务地址 访问类型 说明 URL Host 外网访问...
案例：构建文本语义检索系统
文本语义检索概述 文本语义检索的架构如下图所示，通常包括两个组件：文本向量化和索引构建 文本向量化：指利用机器学习模型将文本转换为向量特征。机器学习模型能够对文本进行编码，使得在语义上与其他文本相似的文本，被编码为在向量空间...
LLM-计数过滤（DLC）
LLM-计数过滤（DLC）组件主要用于根据数字和字母字符比例过滤样本。输入的OSS数据文件（JSONL格式，示例）需符合：每一行是一个合法的JSON对象，文件由多行JSON对象...无 最大运行时长 否 组件最大运行时长，超过这个时间，作业会被kill。无
文本相似度（电商）
文本相似度（高级版-电商领域）调用须知 该服务为高级版的能力，需要开通高级版才能免费调用。点击这里确认开通状态：点击确认开通 支持语言：中文 支持领域：电商领域 能力说明：提供不同文本之间相似度的计算，并输出一个介于0到1之间的...
SubmitTextTo2DAvatarVideoTask-提交2D文本合成视频...
3d95xx946a Title string 是 提交的视频合成的任务标题，最长不超过 64 个字符 这是一个示例标题 Text string 是 合成文本，最长不超过 1000 个字符。支持 SSML 指定 TTS 的多音字发音、停顿、特殊读法等，可参考：2D 数字人视频合成使用...
文本纠错（中文）
文本纠错（高级版-通用领域-中文）调用须知 该服务为高级版的能力，需要开通高级版才能免费调用。点击这里确认开通状态：点击确认开通 支持语言：中文 支持领域：通用领域 能力说明：准确识别输入文本中出现的拼写错别字及其段落位置信息，...
文本纠错（英文）
文本纠错（高级版-通用领域-英文）调用须知 该服务为高级版的能力，需要开通高级版才能免费调用。点击这里确认开通状态：点击确认开通 支持语言：英文 支持领域：通用领域 能力说明：准确识别输入文本中出现的拼写错别字及其段落位置信息，...
Java SDK
本文介绍如何使用听悟开发套件提供的实时语音推流Java SDK，包括SDK的安装方法及SDK代码示例。前提条件 在使用语音推流Java SDK之前，请先阅读 开发参考。下载安装 从Maven服务器下载听悟实时语音推流SDK。groupId>...
自定义文本库
功能描述 根据文本类型的不同，文本库分为关键词文本库和相似文本库；根据管控目的不同，文本库分为白名单、黑名单、疑似名单。关于参数的详细信息，请参见 自定义文本库API文档。您需要使用内容安全的API接入地址，调用本SDK接口。关于API...
Android SDK（旧版）
关键接口 NlsClient：语音处理客户端，利用该客户端可以进行一句话识别、实时语音识别和语音合成的语音处理任务。该客户端为线程安全，建议全局仅创建一个实例。SpeechSynthesizer：代表一次语音合成请求。SpeechSynthesizerCallback：语音...
Java SDK
关键接口 NlsClient：语音处理客户端，利用该客户端可以进行一句话识别、实时语音识别和语音合成的语音处理任务。该客户端为线程安全，建议全局仅创建一个实例。SpeechRecognizer：一句话识别处理类，通过该接口设置请求参数，发送请求及...
功能发布记录
控制台、Web SDK 4.2.1 以上及API 2023-12-07 Effect配置说明 2023年11月 功能名称 功能描述 支持端 发布时间 相关文档 人声克隆大众版（轻量定制）发布 支持通过15-30分钟音频训练高质量人声，用于基于文本的个性化语音合成。控制台、Web ...
- 产品推荐
- 这些文档可能帮助您