直播推流移动端播放没有声音而PC端正常
解决方案 声音在录制和播放时，不同空间位置采集或者回放时相互独立的音频信号。举例：在一场演唱会中，每一个乐器的奏唱都是一个独立的声音信号发出者，许多不同的独立的声音信号从不同的空间位置以不同的强弱（声波的能量）、音调高低...
基本概念
声道（sound channel）录制声音时，在不同空间位置采集的相互独立的音频信号，所以声道数也是指声音录制时的音源数量。常见的音频数据为单声道或双声道（立体声）。重要 除录音文件识别以外的服务 只支持单声道（mono）音频数据，如果您的...
extras参数配置说明
当PC端或移动端有外接声卡设备，而且声卡设备自带音频信号处理功能时，为保真音质，建议手动将相关功能设置为FALSE。如果不设置任何3A参数，即表示不激活3A开关的功能，系统会按照当前选择的模式（默认模式，音乐模式等）运行。实现方式 ...
Windows开播小助手
麦克风采集音频信号推流，支持切换至外设麦克风设备。设定直播画质。聊天互动，支持设定全员禁言。支持导入本地多媒体MP4文件插播。说明 集成方可以通过URL唤起《开播小助手》，若需要基于《开播小助手》进行二次开发，请您联系商务经理...
Windows开播小助手
麦克风采集音频信号推流，支持切换至外设麦克风设备。设定直播画质。聊天互动，支持设定全员禁言。支持导入本地多媒体MP4文件插播。说明 集成方可以通过URL唤起《开播小助手》，若需要基于《开播小助手》进行二次开发，请您联系商务经理...
macOS开播小助手
麦克风采集音频信号推流，支持切换至外设麦克风设备。设定直播画质。聊天互动，支持设定全员禁言。支持导入本地多媒体MP4文件插播。说明 集成方可以通过URL唤起《开播小助手》，若需要基于《开播小助手》进行二次开发，请您联系商务经理...
macOS开播小助手
麦克风采集音频信号推流，支持切换至外设麦克风设备。设定直播画质。聊天互动，支持设定全员禁言。支持导入本地多媒体MP4文件插播。说明 集成方可以通过URL唤起《开播小助手》，若需要基于《开播小助手》进行二次开发，请您联系商务经理...
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 ...
基本概念
转封装 转封装指的是将视频或音频的封装格式进行转换，如将AVI的视频转换为MP4，其间并不会进行音视频的编码和解码工作，而是直接将视频和音频压缩码流从一种封装格式文件中获取出来然后打包成另一种封装格式的文件。相比转码，转封装有两...
基本概念
声道、声道数（Sound Channel）声道是指声音在录制（或播放）时，在不同空间位置采集（或播放）的相互独立的音频信号。所谓声道数，也就是声音录制时的音源数量或播放时的扬声器数量。IDR帧对齐 IDR帧（Instantaneous Decoding Refresh ...
基本数据类型
Sar String 编码信号分辨率比。Dar String 编码显示分辨率比。PixFmt String 像素格式。Level String 编码等级。Fps String 目标帧率。AvgFPS String 平均帧率。Timebase String 时基。StartTime String 起始时间。Duration String 时长。...
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...
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...
通信监测
信号强度 显示信号的衰减程度，值越小，信号越好 查看频道数据 频道数据由基本信息、频道总览和频道分布组成。其中，基本信息包含应用ID、应用名称、Channel ID、通信状态、通信起止时间、总时长、当前在线用户数、峰值在线用户数；频道总...
功能特性
单击在线体验 音 视 频增强 音频增强 视频云音频实验室有机结合传统信号处理与深度学习技术，提供全场景音频增强与修复方案。单击在线体验。重要 以下功能需要在 提交转码作业 时 配置相应参数 使用，音频部分按照输出的音频规格和时长，...
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...
号码状态查询FAQ
因为手机所处的位置、信号强度、瞬时状态的变化等原因，偶尔会返回疑似关机的状态。这种情况下，您可以重新拨打，有一定的概率可以正常接通。号码查询返回关机，拨打可以打通，是什么原因？volte号码，开关机可能有同步延迟，理论上最长2...
基本概念
音频采样率（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两种采样率，其中电话业务一般使用8000Hz，其余业务使用16000Hz。调用语音...
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${...
语音服务使用FAQ
外呼音质卡顿、有杂音或无声，单侧无声，通常由网络信号问题引起，请您确认被叫是否在良好的信号覆盖下后重试。语音服务接通率太低怎么办？影响接通率和响铃率因素较多，例如被叫拒接，运营商拦截等。建议您检查被叫客群分布，调整呼叫时段...
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...
功能发布记录
支持设置同步音频转码：转码为比特率128kb/s的mp3格式音频，准实时写入的指定OSS。支持设置会后纪要智能提取：是否开启有效音频片断检测，是否开启会中识别结果保存，智能提取关键词、关键句、小议题、待办事项。新增 实时记录 音视频文件...
机器人话术审核标准
机器人话术是什么 机器人话术是外呼场景下向终端用户发起呼叫后，用户接起电话时听到的音频内容。机器人话术分为：文本转语音（TTS）、录音文件。文本转语音话术（TTS）指话术的内容是文本，在外呼播放时自动转化为语音。例：尊敬的阿里云...
异步处理
文档转换 媒体处理 视频转码、视频转动图、视频截雪碧图、视频截帧、视频拼接、音频转码、音频拼接 视频：x-oss-async-process=video/*音频：x-oss-async-process=audio/*视频转码 视频转动图 视频截雪碧图 视频截帧 视频拼接 音频转码 ...
PPT抽取和总结
'task'+datetime.datetime.now().strftime('%Y%m%d%H%M%S')input['FileUrl']='输入待测试的音频url链接' root['Input']=input#AI相关参数，按需设置即可 parameters=dict()#ppt抽取和ppt总结 parameters['PptExtractionEnabled']=True ...
- 产品推荐
- 这些文档可能帮助您