错误反馈
为什么调用音频检测API报错500（failed to convert to pcm）？为什么调用内容安全服务API返回错误码586（ALGO_FAILED）？为什么调用内容安全API返回错误码588（EXCEED_QUOTA）？为什么调用内容安全图片检测接口时返回错误码586？为什么调用...
快速开始
通义千问Audio 说明 支持的领域/任务：aigc 通义千问Audio是阿里云研发的大规模音频语言模型。通义千问Audio可以以多种音频(包括说话人语音、自然音、音乐、歌声）和文本作为输入，并以文本作为输出。通义千问Audio模型的特点包括：1、全...
快速开始
通义千问Audio 说明 支持的领域/任务：aigc 通义千问Audio是阿里云研发的大规模音频语言模型。通义千问Audio可以以多种音频(包括说话人语音、自然音、音乐、歌声）和文本作为输入，并以文本作为输出。通义千问Audio模型的特点包括：1、全...
API详情
对于输入音频有以下限制：音频文件大小不超过10MB 音频的时长不超过30s 输入的音频格式支持主流的 amr,wav(CodecID:GSM_MS),wav(PCM),3gp,3gpp,aac,mp3 等等，大部分常见编码的音频格式通义千问Audio都可以解析并进行音频理解。模型概览 ...
API详情
对于输入音频有以下限制：音频文件大小不超过10MB 音频的时长不超过30s 输入的音频格式支持主流的 amr,wav(CodecID:GSM_MS),wav(PCM),3gp,3gpp,aac,mp3 等等，大部分常见编码的音频格式通义千问Audio都可以解析并进行音频理解。模型概览 ...
另存为
什么是另存为 同步处理默认不保存处理后的文件，您需要在处理请求内添加另存为参数，将处理后的文件作为对象(Object)保存到指定的存储空间(Bucket)内。异步处理由于是以任务形式对文件进行异步数据处理，请求返回时只会返回任务ID，所以...
C++ SDK
文件名 描述 test0.wav test1.wav test2.wav test3.wav 测试音频（16k采样频率、16bit采样位数的音频文件）。include：SDK源码中，SDK头文件，如下表所示。文件名 描述 nlsClient.h SDK实例。nlsEvent.h 回调事件说明。nlsGlobal.h SDK全局...
C++ SDK
文件名 描述 test0.wav test1.wav test2.wav test3.wav 测试音频（16k采样频率、16bit采样位数的音频文件）。include：SDK源码中，SDK头文件，如下表所示。文件名 描述 nlsClient.h SDK实例。nlsEvent.h 回调事件说明。nlsGlobal.h SDK全局...
可视对讲移动端SDK接口说明-[iOS]
（和acceptWithVideoView的videoView有什么区别）音频接听 EVVoipCall-(EVVoipError*)acceptAudio;暂停 EVVoipCall-(void)pause;恢复 EVVoipCall-(void)resume;挂断 EVVoipCall-(EVVoipError*)hangup;呼叫状态监听 EVVoipCall@property...
功能发布记录
什么是媒体处理 2018-01-18 新功能：转码输出格式支持Webp。功能特性 2018-01-10 新区域：媒体处理上线国际站，并新增欧洲中部1（法兰克福）、亚太东北1（东京）地域。服务地域 2017-12 发布日期 发布内容 相关文档 2017-12-29 预付费：...
功能发布记录
API及控制台 2023-08-22 数字人概述 时间线timeline支持自动对齐 无需指定素材在时间线上的入出点，仅需配置对齐参数，就能实现不同轨道间音频向视频对齐、音频向音频对齐、视频向音频对齐、视频向视频对齐的效果。API 2023-08-22 轨道间...
计费常见问题
资源包相关 购买资源包后为什么依然产生扣费？请按如下方式进行排查：确认资源包购买生效时间和失效时间。扣费一般会有延迟（即10点出来的账单，产生计费的时间可能是7点或8点，甚至更早），如果是刚购买的资源包，可以观察资源包购买生效...
UploadAudioData-上传音频质检
上传离线语音质检数据（录音会话文件）：适用于热线坐席场景。场景1：天然集成阿里云呼叫中心（CCC），无需开发，可以一...event：为事件名称，调用方可用来判断是什么事件触发的回调，取值为 TaskComplete：任务完成时的回调；public static ...
转码常见问题
视频转为音频后，为什么时长与源视频不一致？当前视频点播的转码逻辑为了保证时长的一致性，会根据输入文件中音频流时长最短的来计时转码。如果源文件中部分切片时间戳不连续，会导致无法获取视频流的媒体信息，影响对于转码时长的估计，...
WebSocket协议说明
使用WebSocket调用实时语音识别时，WebSocket经常自动终止服务，不能实现实时语音识别，需要手动发送PCM或WAV音频文件，是什么原因？以上情况表示系统已经接收到您传输的音频，在符合协议以及传参的情况下，WSS或HTTP协议都能实现实时语音...
SDK FAQ
SDK报错“DNS resolved timeout”是什么问题？查看/etc/resolv.conf 文件中nameserver的设置，建议增加并优先使用以下配置：nameserver 114.114.114.114。如何使用SDK设置自学习模型？如果是通过控制台创建的自学习模型，可在项目切换模型...
内容检测API
调用内容安全语音审核接口，为什么回调消息中的音频切片时间超过40分钟？为什么内容安全文本审核接口返回FilteredContent，但是没有返回命中关键词Context？内容安全图片审核是否支持提交图片Base64编码？为什么在返回结果中没有内容安全...
产品公共FAQ
以下是相关的功能的视频介绍：音频基础知识+智能语音控制台介绍 ASR产品使用介绍 自学习平台 语音合成 性能类 ASR语音识别和TTS语音合成超并发会有什么现象？超并发可能会出现以下情况：查看日志会有大量超时现象，具体服务状态码为...
语音合成FAQ
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？语音合成时，能否控制一串数字是按数字来整体播报...
语音识别FAQ
如果是vad断句情况下，实时转写的vad断句依赖对音频中静音数据的判断，如果上游不发送静音音频，服务端则无法识别用户说话是否有停顿。如果确认是上游没有发送静音音频，则系统通过对实时转写服务的时间戳和实际音频的时间戳对比。如果发现...
语音模板FAQ
语音模板是什么？语音模板是向终端用户发起呼叫后，用户接听电话时听到的音频内容。语音模板分为文本转语音模板和语音通知文件。文本转语音模板：指模板的内容是文本，在播放时自动转化为语音。例：尊敬的阿里云用户您好，您的验证码是${...
音频
音频管理是管理在IVR流程中用到的现有音频，在音频列表中可以对已有音频进行添加、播放、下载、编辑和删除的操作。添加音频 点击音频列表的左上角“添加”按钮即可在弹出窗中添加新的音频。名称，可根据需要自定义，上传文件前请先填写名称...
TargetAudio
名称 类型 描述 示例值 object 音频处理参数配置。DisableAudio boolean 是否禁用音频处理，取值范围如下：true：禁用，输出文件中将不包含音频流。false（默认）：不禁用。false Stream array 需要处理的源文件音频流索引号列表。空值...
Windows
RTC SDK提供了获取音频数据的功能，您可以将获取到的语音数据根据实际需求进行处理。通过阅读本文，您可以了解到获取音频数据的方法。使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：...
Android
RTC SDK提供了获取音频数据的功能，您可以将获取到的语音数据根据实际需求进行处理。通过阅读本文，您可以了解到获取音频数据的方法。使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：...
音频拼接
您可以通过音频拼接功能，将多个音频拼接为一个音频并转换为需要的格式。本文介绍音频拼接功能参数及示例。使用场景 音乐创作与制作：音乐人和制作人在创作歌曲时，可能会将多个独立录制的乐器或人声部分拼接起来，形成完整的曲目。有声...
音频转码
您可以通过音频转码功能，将音频转换为需要的格式。本文介绍音频转码处理功能参数及示例。使用场景 音乐文件格式转换：用户从网络下载的音乐可能不是其设备或播放器支持的格式，需要转换音频格式才能进行播放。存储空间优化：高品质无损...
IAliEngineMediaEngine
说明 订阅音频数据输出前，需先通过 SetSubscribeAudioNumChannel 与 SetSubscribeAudioSampleRate 设置输出音频数据参数。UnsubscribeAudioData：取消订阅音频数据。void UnsubscribeAudioData(AliEngineAudioSource audioSource);参数...
Web
通过阅读本文，您可以了解输出音频数据的方法。输出音频数据 开启音频数据接收回调。aliWebrtc.enableAudioVolumeIndicator=true;说明 该接口可以在实例化后任何时间开启。使用音频能量值回调。aliWebrtc.on("onAudioLevel",(data)=>{ ...
媒体处理常见问题
如果转码前后的音频编码器一致且转码后的音频码率大于转码前的音频码率，音频码率将会被重置，设置的音频码率不会生效。更多参数信息，请参见 提交转码作业。当API返回数据为空时，应该怎么办？如果遇到返回数据为空或资源不存在的问题，请...
音频智能降噪
音频智能降噪 纯净人声在现实生活中会受到各种噪声干扰，使用音频智能降噪组件可以将噪声滤除并保持极高的语音保真度，从而提升视频直播时语音质量和清晰度，为赛事直播、在线教育等实时直播场景提供卓越的语音体验。使用场景 场景 描述 ...
音频处理
本文为您介绍通过OpenAPI进行视频剪辑时音频处理场景的Timeline常用配置示例，包括整体静音、指定区间静音、提取音频、视频静音＋完整音频混音、视频静音＋音频指定区间混音、视频调节音量＋音频调节音量、音频拼接、多轨音频混音、综合...
DingRtcEngineAudioDeviceManager
接口说明 目录 音频设备相关接口 API 描述 支持的最低版本 GetRecordingDeviceList 获取系统中的录音设备列表。3.0 GetCurrentRecordingDeviceId 获取使用的录音设备id。3.0 SetCurrentRecordingDeviceId 选择录音设备id。3.0 ...
Windows
输出音频数据 当应用需要输出音频媒体数据时，首先需要先继承AliRtcEventListener接口，实现onAudioSampleCallback回调，用于接收音频媒体数据。音频数据通过回调中audioSample参数返回，数据格式为PCM数据，目前SDK支持输出不同环节的音频...
iOS和Mac
RTC SDK提供了获取音频数据的功能，您可以将获取到的语音数据根据实际需求进行处理。通过阅读本文，您可以了解到获取音频数据的方法。使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：...
音频
图表样式 音频是媒体组件的一种，支持自定义音频的URL地址、音频播放设置，音量设置等，支持mp4格式的音频，能够在可视化应用中添加音频播放器来播放您的音频。配置面板 搜索配置：单击 配置 面板右上角的 搜索配置，可在 搜索配置 面板中...
Windows
由于外部输入音频数据的同时，可能同时还有麦克风在采集推流，应用可设置是否需要将外部输入音频与麦克风采集音频混音后一起推出，或单独只推送外部输入音频，通过调用接口 setMixedWithMic 可开启或关闭与麦克风采集音频的混音，同时可...
IAliEngineAudioDeviceManager
目录 音频设备管理接口 API 描述 支持的最低版本 GetAudioCaptureList 获取系统中的录音设备列表。2.1 GetCurrentAudioCaptureName 获取使用的录音设备名称。2.1 GetCurrentAudioCaptureID 获取使用的录音设备ID。2.1 ...
调音台
音频跟随视频 音频跟随视频（勾选）：PVW只是视频显示没有声音，当您选中 音频跟随视频，并单击 切换到PGM 时，PVW中视频源的声音会跟随到PGM对外输出，其他视频源音频默认为静音，所有视频源音频都可通过调音台设置对外输出。音频跟随视频...
语音类
背景信息 本文介绍以下语音类标注模板的数据结构：音频分类 音频分割 音频识别 音频分类 音频分类（Audio Classification）是指从一组固定的分类标签集合中，找到与输入音频内容相匹配的一个或多个分类标签，并将其分配给该输入音频。...
- 产品推荐
- 这些文档可能帮助您