语音合成FAQ
语音合成时，能否控制一串数字是按数字来整体播报还是按字符来单独播报，有参数可以控制吗？对于多音字，TTS语音合成服务发音的策略是怎么样的？长文本语音合成有调用限制吗？性能类 为什么TTS语音合成服务的调用有字数限制？为什么语音...
3D数字人视频合成用户指南
3 播报内容输入 3.1 文本输入 选择文本输入，您可在文本框中输入希望数字人播报的文本来制作视频。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...
2D数字人视频合成用户指南
3 播报内容输入 3.1 文本输入 选择文本输入，您可在文本框中输入希望数字人播报的文本来制作视频。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...
语音识别FAQ
是否要转成阿拉伯数字，系统是用模型来判断的，并不是所有数字都需要转成阿拉伯数字，模型的判断主要准则是一般书面文本中常用的形态。录音文件识别的enable_sample_rate_adaptive和极速版本里的sample_rate，这两个接口是一样的吗？不是。...
SingleCallByTts-向指定号码发送语音验证码或文本转...
向指定号码发送语音验证码或带变量的语音通知。接口说明 因业务调整，自 2022 年 03 月起，中国站国际/港澳台语音通知、国际/港澳台语音验证码不再更新，并即将停止服务。目前仅支持已有资质的客户继续使用。申请语音套餐包或语音计费相关...
基本概念
本文为您介绍智能语音交互服务中的相关概念，以便于更好地理解本产品。采样率（sample rate）音频采样率是指录音设备在一秒钟内对声音信号的采样次数，采样频率越高声音的还原就越真实越自然。目前语音识别服务支持16000Hz和8000Hz两种采样...
什么是云联络中心
语音业务为阿里巴巴集团多年来研发积累的内部呼叫中心系统的优化输出，支持阿里集团20000+坐席的客服团队等大量自用实践，稳定性和可靠性经过历年双十一考验。数字员工 在用户拨打企业客户服务中心接通后先由对话能力提供语音业务自助办理/...
名词解释
本文档介绍阿里云AIoT能力中心的产品中的专业名词，并对名词进行解释。阿里云AIoT能力中心 阿里云AIoT能力中心基于阿里云卓越的物联网与AI...阿里云AIoT设备中心 对获一方认证、可即插即用，连接于IoT物联网平台的设备进行接入和管理的平台。
数字人服务SSML使用指南
本文介绍虚拟数字人开放平台提供的3D、2D流媒体服务和视频合成服务中如何使用阿里云智能语音合成服务的SSML标记语言。1.使用方式 1.1 数字人流媒体服务中使用 在 SendMessage API 中的 SpeechText直接传入SSML文本 重要 目前3D数字人流媒体...
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：...
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...
通过OpenAPI定制
2 CustomizedVoiceAudioDetect Scenario 场景，取值范围如下：story：故事 interaction：交互 navigation：导航 {"HttpCode":200,"Data":{"reason":"","pass":true},"Success":true} 本接口用来检测用户的朗读是否有明显的发音错误、嘈杂的...
SSML标记语言介绍
所有文本需放在<speak></speak>标签之内，且每个语音合成任务只能包含一个<speak></speak>标签。长文本任务（包括实时长文本合成和异步长文本合成）可以含多个成对的<speak></speak>标签。长文本语音合成请求可使用多个<speak></speak>标签...
性能类
关于达摩院智能语音交互语音识别准确度的数字，我们通过了CNAS（国家软件测试中心）的评测，国家软件中心对语音识别算法准确度测试中，在60分贝以下的降噪环境中，用普通话在距离耳麦1厘米的位置，以240字/小时的匀速朗读样本量1207字的...
SSML标记语言说明
ph String 标签内文本对应的拼音串 是 拼音用法的赋值规范：字与字的拼音用空格分隔，拼音的数目必须与字数相等。每个拼音由发音和音调组成，音调为1~5的数字编号，其中”5”表示轻声。标签关系标签可以包括文本。示例去典当行把这个玩意当...
数字人流媒体服务WebSDK
aliyun-avatar-sdk，数字人开放平台推出的适用于Web浏览器的数字人流媒体服务SDK。当您调用服务端OpenAPI StartInstance接口获取RTC和IM参数信息后，可以在Web端搭建本地SDK，实现数字人拉流和双工对话。aliyun-avatar-sdk通过 阿里云音...
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...
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...
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...
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...
API概览
智能任务 智能任务 数字人训练 数字人训练 CreateAvatarTrainingJob 创建和初始化数字人训练任务 本接口用于创建数字人训练任务，配置数字人基础信息与训练所需要的素材信息等。注意：本接口仅用于初始化训练任务相关信息，并不会提交训练...
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 }...
1 人行方案选型标准
如果采用标准生成方式，需要门禁设备支持识别32位字符串长度的二维码（包括数字、大小写字母），否则需要采用自定义生成二维码的方式。方案流程(1)手机APP申请二维码，云端生成二维码，返回给APP显示(2)手机APP分配二维码权限，并同步到...
IVR模块介绍
如果需要自定义变量参数一般可在开始模块进行填写自定义变量参数，参数用在ivr流程中进行传递，参数名称不可重复 放音模块 用于播放音频文件或文字转语音，通常用作开场的欢迎语和模块间的过度使用。模块名称，可根据需要自定义。语音提示-...
语音模板FAQ
如果要播报为一二三四，阿拉伯数字中间请用半角逗号（,）分隔开，如1,2,3,4，不隔开会变成一千二百三十四。语音模板内容如何修改？审核通过的语音模板无法修改模板内容，请直接提交新的语音模板审核。更多操作请参见 创建语音模板。语音...
Java SDK
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 在使用SDK之前，请先阅读接口说明，详情请参见 接口说明。从2.1.0版本开始原有nls-sdk-long-asr更名为nls-sdk-transcriber。升级时需确认已...
移动端应用如何安全访问智能语音交互服务
背景信息 方案 适用接口 方案一：通过App服务端创建Token并下发到移动端使用 一句话识别 实时语音识别 录音文件识别极速版 语音合成 实长文本时语音合成 语音分析等 方案二：使用STS临时访问凭证调用语音服务 录音文件识别 录音文件识别闲...
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...
SmartCall-发起智能语音交互通话
发起智能语音交互通话。接口说明 SmartCall 需要与 智能外呼回调 HTTP 接口 联合使用，语音平台发起呼叫后会把转换后的语音文本回传给业务方，业务方把下一步的执行动作返回给语音平台。以下字符不可以在智能语音交互 SmartCall 回调中出现...
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...
VAML协议接入指南
使用者可以通过VAML协议，控制数字人一段时间内的：播报内容，动作，卡片等。一、协议示例?xml version="1.0"encoding="utf-8?{uuid}"><section><avatar ai_action="true">动作code1"interrupt="true"/>动作code2"interrupt="true"/>动作...
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...
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...
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：...
错误码查询
本文主要介绍智能语音交互的错误码和解决办法。您可以优先在本文档查询错误码，获取对应解决方案。什么是智能语音交互的错误码？您在使用SDK或者调用API接口过程中，如果本地或者服务端返回结果报错，则表示操作失败。您可以通过返回结果中...
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：...
功能特性
本文为您介绍智能语音交互的各项功能及其对应场景、支持的语音格式和调用方式。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...
质检任务对象说明
SchemeTaskConfig说明 属性 值类型 示例 描述 schemeTaskConfigId Long 任务配置id setName String 名称 sourceDataType Integer 数据类型：1：离线语音质检；2：离线文本质检；3：实时语音质检；4：实时文本质检；5：呼叫中心二次质检；51...
回复节点
短信内容中填写短信发送内容，里面的变量可以用$+系统变量来指定。SSML合成表示SSML是控制语音合成节奏和发音的语法，详见 SSML标记语言介绍。API接入情况 如果用户的机器人使用 API 接入，那么在这里只需要关注回传哪些参数变量即可。
基本概念
域名 域名是IP地址的代称，由一串用半角句号（.）分隔的名称组成，在数据传输时用来标识一台服务器或服务器组。单域名是最简单的域名，例如，www.aliyundoc.com。通配符域名是指对应一个主域名及其所有次级子域名的域名。通配符证书 通配符...
- 产品推荐
- 这些文档可能帮助您