语音号码FAQ
您在使用语音号码时如果遇到疑问，可参考以下常见问题及处理建议。号码申请后为什么不能立即注销？号码的使用周期最少为3个月。在号码申请后3个月后，可登录 语音服务控制台，在 真实号管理 页面注销号码。语音号码怎么注销？购买语音号码...
界面化的TTS下载工具
如果您还没有配置语音合成服务，单击 语音合成 模块内的 去配置。选择语音合成模型。设置 基础参数。在 测试 文本框内输入不超过300字符的文字。单击 播放 试听合成效果，单击 下载 可将音频下载到本地。单击右下角 确认使用，保存配置信息...
互动数字人回音消除方案
您在使用3D互动数字人（3D互动数字人接入指南）、2D互动数字人（2D互动数字人接入指南）时，或者通过接入阿里云智能语音服务，然后对接自己对话服务，然后通过播报数字人实现语音互动效果（通过播报数字人实现对话效果）时，可以通过该文档...
基本概念
逆文本规整（inverse text normalization）语音转换为文本时使用标准化的格式展示数字、金额、日期和地址等对象，以符合阅读习惯。以下是一些示例。语音原始文本 开启ITN的识别结果 百分之二十 20%一千六百八十元 1680元 五月十一号 5月11...
企业资质FAQ
提交资质申请后预计在一个工作日内完成审核。您可以在 语音服务控制台 资质管理 页面，单击详情查看审核进度。审核工作时间：周一至周日9:00~23:00（法定节假日顺延）。如果需要加急处理，在 语音服务控制台，在顶部菜单选择 工单，单击...
接口说明
对一分钟内的短语音进行识别，适用于对话聊天、控制口令、语音输入法、语音搜索等较短的语音识别场景。功能简介 NUI SDK提供更小的工具包和更完善的状态管理。为满足不同用户需求，NUI SDK既能提供全链路的语音能力，同时可做原子能力SDK...
WebSocket协议说明
如果您不希望引入阿里云智能语音交互产品SDK，或者目前提供的Java、C或C++的SDK不能满足您的要求，可以基于本文描述自行开发代码访问阿里语音服务。功能介绍 阿里云智能语音交互产品通过WebSocket协议对外提供实时语音流语音转写功能，支持...
3D数字人视频合成接入指南
具体可参考：配置数字人形象 支持通过参数指定本次视频合成需要使用的3D数字人形象，具体数字人形象列表可以从平台3D资产中心获取（获取3D数字人形象code）数字人驱动 支持数字人表情、口型、动作驱动 视频编码信息 编码格式：h264 帧率：...
数字人概述
智能生产制作支持通过对真人形象的学习训练，实现基于文字或语音驱动数字人模拟真人播报功能。通过阅读本文，您可以了解如何定制及使用数字人。概述 数字人分为“定制训练”和“合成使用”两个环节。定制训练：指将真实人物形象经过算法...
机器人话术审核标准
{}内变量命名规则：首字母必须为英文字母、只支持字母、数字和下划线组成，不能为纯数字，同时不能为email、mobile、id、nick、site等。内容规范 话术变量实际内容：必须小于150字符以内，不支持传入链接。外呼禁止发送互联网金融相关的...
在控制台创建热词
通过智能语音交互控制台中的添加热词功能，开发者可以上传自定义的热词列表，提升在其识别准确率。本文为您介绍如何在控制台创建热词。背景信息 热词包括 名称类 和 业务类，具体说明如下：名称类（人名/地名）目前名称类热词只支持人名和...
2D数字人视频合成接入指南
2D数字人视频合成服务为您提供 输入文本 和 输入音频 合成为2D虚拟数字人指定格式的视频，并且通过返回的视频链接下载视频内容。说明 如您需要单日提交超过1000条视频，请提前联系工作人员。功能介绍 形象配置 支持选择平台内置的2D数字人...
2D互动数字人接入指南
2D互动数字人（对应开放平台的“智能客服”场景）是虚拟数字人开放平台提供能够支持用户与2D数字人进行实时语音交互的数字人产品能力，需要配合 智能对话机器人 产品使用。本篇文档将介绍如何接入2D互动数字人。警告 目前2D互动数字人公测...
接口说明
一句话识别功能支持对一分钟内的短语音进行识别，适用于对话聊天、控制口令、语音输入法、语音搜索等较短的语音识别场景。使用须知 说明 如需使用Android/iOS SDK，请参见 移动端接口说明。支持的输入格式：单声道（mono）16bit采样位数...
接口说明
长文本语音合成功能提供了将超长文本（如千字或者万字）合成为语音二进制数据的功能。返回语音合成产品详情页 新推出超高清合成声音 持续新增多个超高清合成声音，可提供超高音质合成效果，采样率高达48 kHz，无损声音，纤毫毕现。超高清样...
申请企业资质
按运营商要求，语音服务目前申请语音号码时必须实名到一个企业。因此您需要先申请企业资质，审核通过后才可以购买语音号码。申请普通号码企业资质 登录 语音服务控制台。在左侧导航栏中，选择 资质话术管理>资质管理。在 普通资质 页面，...
新增话术
用途场景和话术用来判断业务范畴的合规性，与企业资质绑定，是购买语音业务的前提。企业资质审核通过后，您需要在控制台新增场景和话术。前提条件 已 申请企业资质。操作步骤 登录 语音服务控制台。在左侧导航栏中，选择 资质话术管理>场景...
接口说明
对长时间的语音数据流进行识别，适用于会议演讲、视频直播等长时间不间断识别的场景。功能简介 NUI SDK提供更小的工具包和更完善的状态管理。为满足不同用户需求，NUI SDK既能提供全链路的语音能力，同时可做原子能力SDK进行使用，并保持...
沙盒白名单介绍
在智能语音导航功能正式上线运用前或有关配置更新后，一般需要让机器人在 测试环境 进行智能语音导航功能效果检测，以保证智能语音导航功能在机器人 正式环境 发布后面向客户能够达到预期的效果。通过设置沙盒白名单可使名单中号码呼入时接...
Python SDK
本文介绍如何使用阿里云智能语音服务提供的Python SDK，包括SDK的安装方法及SDK代码示例。前提条件 在使用SDK前，请先阅读接口说明，详情请参见 接口说明。下载安装 说明 SDK仅支持Python3，暂不支持Python2。请确认已安装Python包管理工具...
移动端SDK说明
时长限制：识别语音文件大小不能超过100 MB。设置多语言识别：在管控台编辑项目中进行模型选择，详情请参见 管理项目。服务地址 访问类型 说明 URL Host 外网访问 所有服务器均可使用外网访问URL。上海：...
智能语音交互试用服务及服务改进计划协议
您在使用试用版智能语音交互服务时，您应当阅读并遵守《智能语音交互服务试用协议》（以下简称“本协议”）。在接受本协议之前，请您务必仔细阅读本协议的全部内容，特别是免除或者限制责任的条款、使用您上传数据的授权以及管辖法院的选择...
智能语音合成服务及服务改进计划协议
您在使用商业版智能语音合成服务时，您应当阅读并遵守本《智能语音合成服务及服务改进计划协议》（以下称“本协议”）。在接受本协议之前，请您务必仔细阅读本协议的全部内容，特别是免除或者限制责任的条款、使用您上传数据的授权以及管辖...
天猫精灵
接听”来打开可视对讲，此时您可以和居民进行语音通话 门禁可视对讲，当单元门的门禁点击呼叫物业时，您的天猫精灵将会通过响铃方式通知您，您可以通过说“天猫精灵，接听”来打开可视对讲，并可在通话页面中说“天猫精灵，开门”来打开...
数据概览
本文介绍 控制台首页 中 数据概览 中各数据指标含义及 数字员工 的查看、编辑、下线等操作。数据概览 数据概览内容如下：已使用/已购买授权：目前已经使用的并发数和总共购买的最大并发数。七日内智能导航解决问题数/总会话数：每一通会话...
接口说明
对长时间的语音数据流进行识别，适用于会议演讲、视频直播等长时间不间断识别的场景。使用须知 说明 如需使用Android或iOS SDK，请参见 移动端接口说明。支持的输入格式：PCM（无压缩的PCM或WAV文件）、OPUS、AMR、SPEEX、MP3、AAC格式，16...
C++ SDK
本文介绍如何使用阿里云智能语音交互提供的C++ SDK，包括SDK的安装方法、SDK代码示例以及常见问题等。SDK下载 说明 当前最新版本：3.1.17，支持Linux、Windows及Android平台。发布日期：2023年08月09日。使用SDK前，请先阅读接口说明，详情...
功能特性
功能服务参数表 服务 时效性 功能 适用场景 支持的语音格式 支持调用方式 免费调用量 购买 一句话识别 实时 识别一分钟内的短语音。App语音搜索、语音电话客服、对话聊天、控制口令等场景。PCM编码（无压缩的PCM或WAV文件）、WAV、OPUS、...
分账账单
newdysms_digital 数字短信 短信签名|短信模板 数据短信的费用分摊到短信签名和签名模板。dysms_intl 国际短信 短信签名|短信模板 国际短信的费用分摊到短信签名和签名模板。dysms_card_public_cn 卡片短信 短信签名|短信模板 卡片短信的...
欠费说明
欠费后如果在延停权益额度内，智能语音交互产品仍可正常提供服务。说明 阿里云提供延停权益，即当按量付费的资源发生欠费后，提供一定额度或时长继续使用云服务的权益。延停期间正常计费。延停的权益额度不是欠费总额的上限。您延停的额度...
C# SDK
本文介绍如何使用阿里云智能语音服务提供的C#SDK，包括SDK的安装方法及SDK代码示例。SDK下载 说明 当前最新版本：3.1.17，该版本基于C++ SDK API 3.1.x。发布日期：2023年08月28日。此SDK是底层C++包裹了C#组成，仅支持Windows平台，不支持...
接口说明
录音文件识别极速版支持使用者通过HTTPS POST方式上传一段短音频，并在短时间内（一般来说，30分钟的音频可以在10秒内完成识别）同步获取识别结果，满足音视频字幕、准实时质检等场景下对语音文件识别时效性要求。功能介绍 音视频格式：...
Python SDK
本文介绍如何使用智能语音交互一句话识别的Python SDK，包括SDK的安装方法及SDK代码示例等。前提条件 在使用SDK前，请先阅读接口说明，详情请参见 接口说明。SDK仅支持Python3，暂不支持Python2。已安装Python包管理工具setuptools。如果未...
语音异步检测
本文介绍了使用API接口异步检测语音内容的方法。语音内容审核帮助您检测音频文件或语音流（例如直播流）中的风险或违规内容，例如垃圾信息、广告、涉政、暴恐、辱骂、色情、灌水、违禁、无意义等内容。（语音异步检测）使用说明 业务接口：...
SubmitTextTo3DAvatarVideoTask-提交3D文本合成视频...
提交根据一段文本离线生成3D数字人视频任务，该接口会立即返回一个TaskUuid作为本次提交任务的唯一id，后续可以根据TaskUuid调用查询和取消任务接口。接口说明 提交根据一段文本离线生成 3D 数字人视频任务，该接口会立即返回一个 TaskUuid...
人声克隆概述
基础版：您需要选择场景（交互、故事、导航）后，按流程朗读20句话，并上传对应的语音，系统会采用标准化统一算法，3小时内快速输出克隆人声，可快速低成本的模拟关键声纹特征。大众版（轻量定制）：您需要自助提交丰富、清晰、高质量长度...
C++ SDK
本文介绍如何使用阿里云智能语音交互提供的C++ SDK，包括SDK的安装方法、SDK代码示例以及常见问题等。SDK下载 说明 当前最新版本：3.1.17，支持Linux、Windows及Android平台。发布日期：2023年08月09日。使用SDK前，请先阅读接口说明，详情...
通过配置项目实现语音播报
千里传音语音播报服务通过项目管理播报设备和播报的语音文件，本文面向智能播报设备开发者，介绍如何快速将播报设备接入千里传音语音播报服务，获取来自服务的播报命令实现语音播报。前提条件 已开通千里传音语音播报服务。具体操作，请...
接口说明
与录音文件识别区别在于返回时间不同，闲时版为24小时内返回结果。使用限制 支持单轨和双轨的WAV、MP3、MP4、M4A、WMA、AAC、OGG、AMR和FLAC格式录音文件识别。音频文件大小不超过512 MB，视频文件大小不超过2GB。需要识别的录音文件必须...
接口说明
auto_split":false,"version":"4.0","enable_words":false,"enable_sample_rate_adaptive":true,/valid_times：获取语音指定时间段的识别内容，若不需要，则无需填写。valid_times":[{"begin_time":200,"end_time":2000,"channel_id":0 }...
- 产品推荐
- 这些文档可能帮助您