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...
语音模板规范
语音服务的模板都需要经过审核，审核通过后才可以使用该模板。本文将为您介绍语音模板的规范和要求，帮助您快速通过模板审核。公共规范 内容规范 类别 规范 格式 限制为1～1000个字（含变量）。支持中文、英文、数字、符号。不支持特殊符号...
接口说明
流式文本语音合成功能可以将您输入的文本合成为语音二进制数据，相比于非流式语音合成，流式合成的优势在于实时性更强，用户在输入文本的同时就可以听到接近同步的语音输出，极大地提升了交互体验，减少了用户等待时间。适用于大规模语言...
三网合一卡2.0使用入门
三网合一卡2.0设备插卡如何快速使用，无需移植SDK，如何通过结合设备检测和重启进行网络切换，实现网络选择和灾备。常见问题 重要 温馨提示：如测试期间遇到任何问题，可拨打售前技术支持电话4009032599。测试卡规格？每个客户在正式采购前...
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...
功能发布记录
优化 语音合成时间戳功能介绍 新增多情感音色 语音合成、实时长文本语音合成、异步长文本语音合成服务中，新增支持音色：知妙_多情感 知燕_多情感 知贝_多情感 知甜_多情感 知米_多情感 新增 接口说明 新增多语种音色 语音合成、实时长文本...
数字人官方形象示例
语音驱动或者文字驱动数字人视频合成时，语音（包含文字转换成的语音）时长不短于1秒。数字人官方形象 凡宇播音站姿"AvatarId":"fanyu-broadcast_standing"柏翰播音站姿"AvatarId":"baihan-broadcast_standing"博远播音站姿"AvatarId":...
接口说明
说话人识别功能可以将说话人所读出的连续数字串语音，与语音库中该用户ID所对应的声音特征进行1:1比对验证，当声音特征比对满足阈值条件时则身份验证成功。使用须知 支持的输入格式：PCM编码文件、16 bit采样位数、单声道（mono）。支持的...
3D互动数字人接入指南
3D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3D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3D互动数字人。能力介绍 3D互动数字人是...
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...
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...
语音模板FAQ
文本转语音模板中如何填验证码数字1234？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...
ECS系统事件汇总
计划内运维事件 重要 在实例操作系统内部进行重启操作时，无法使事件对应的维护动作生效。因此，本文涉及的重启实例操作指的是通过ECS控制台或调用API方式进行，具体操作，请参见 重启实例 或 RebootInstance-重启实例。事件Code 事件名称 ...
通用WebSocket接入指南
本文档向您介绍如何对接虚拟数字人开放平台的通用WebSocket服务，适用于互动数字人这类需要通过WebSocket来持续传输语音流数据的产品服务。建立WebSocket连接 开发者可以通过js、java、python等支持标准websocket协议的语言作为WebSocket...
隔离损坏的本地盘
背景信息 隔离损坏的本地盘仅支持大数据型实例，隔离损坏的本地盘系统事件包括以下事件：本地磁盘出现损坏告警（Disk:ErrorDetected）因系统维护隔离坏盘（SystemMaintenance.IsolateErrorDisk）因系统维护重启实例并隔离坏盘...
创建并配置数字人项目
当您完成虚拟数字人服务开通后，您需要进入虚拟数字人开放平台创建虚拟数字人项目，并且完成项目相关配置，然后您可以在控制台体验虚拟数字人，以及开始接入虚拟数字人项目。前提条件 请您完成虚拟数字人 开通服务。操作步骤 创建数字人...
语音合成FAQ
本文汇总了您在使用语音合成服务时的常见问题。语音合成类常见问题主要分为以下几类：功能类 为什么TTS语音合成的语音和wav文件显示的时间长度不一致？例如语音文件显示长度是7秒钟，但实际语音只有不到5秒？语音合成时间戳功能是什么？...
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...
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...
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...
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...
常见问题FAQ
操作步骤如下：拔掉盒子的电源，然后重新插上，盒子开机。在盒子开机后10分钟内，同时按住遥控器的“OK键”（中间大圆圈按键）和“返回键”，长按3秒，遥控器指示灯开始闪烁，表示遥控器进入配对状态。进入配对状态之后，遥控器要靠近盒子...
开启Binlog
开启Binlog后集群会自动重启，通常情况下，重启任务会在5分钟之内完成，重启完成后新参数配置才会生效。重启时服务闪断时间在40秒左右。具体时间与数据量和表数量相关，建议您在业务低谷期进行操作并确保应用程序具备重连机制。说明 若您的...
SDK FAQ
demo是用语音文件模拟实时语音流的速度发送语音，通常一次发送间隔时间为100ms或200ms（sleepInterval）的语音数据，数据量（batchSize）和采样率有关：发送间隔过大，会导致延迟较大，容易断连；发送间隔过小，会消耗服务端和网络资源。...
EMR Kafka ECS磁盘事件处理
确认后请等待阿里云在所宿物理机上更换损坏的本地盘，维护操作通常在五个工作日内完成，之后您会收到恢复磁盘的事件通知。磁盘上线 收到恢复磁盘的事件通知后，您可以进行磁盘上线操作。确认磁盘当前状态。使用SSH方式登录Kafka集群，详情...
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...
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...
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
英文文本不支持该标签去典当行把这个玩意当掉</speak><say-as>用于指示出标签内文本的信息类型，进而按照该类型的默认发音方式发音 读数值：<speak><say-as interpret-as="cardinal">12345</say-as></speak>读数字：say-as ...
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...
查询并配置计划内事件
云原生多模数据库 Lindorm 的运维事件（例如小版本升级）除了通过 短信、语音、邮件或站内信通知之外，还会在控制台进行通知。您可以在计划内事件中，查看具体的事件类型、地域、流程、注意事项和系统默认切换时间等信息，也可以手动修改...
Android SDK
本文介绍了如何使用阿里云离线语音合成服务提供的Android NUI SDK，包括下载安装SDK和语音包、SDK关键接口及代码示例。前提条件 阅读接口说明，详情请参见 接口说明。已获取项目Appkey，详情请参见 创建项目。已获取AccessKey ID和 ...
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...
语音合成时间戳功能介绍
语音实时合成服务在输出音频流的同时，可输出每个汉字/英文单词在音频中的时间位置，即时间戳，时间戳功能又叫字级别音素边界接口。该时间信息可用于驱动虚拟人口型、做视频配音字幕等。重要 只有支持字级别音素边界接口的发音人才有此功能...
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...
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...
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：...
部署SSL证书到阿里云产品
SSL证书签发完成后，您可以通过数字证书管理服务将SSL证书部署到阿里云产品，为您的业务网站提供可信身份认证和安全数据传输。本文介绍如何通过数字证书管理服务控制台部署SSL证书到阿里云产品。背景信息 您可以将已签发的阿里云SSL证书...
- 产品推荐
- 这些文档可能帮助您