Java SDK
NlsClient：语音处理客户端，利用该客户端可以处理语音任务。该客户端为线程安全，建议全局仅创建一个实例。CommonRequest：通用请求类，通过该接口设置请求参数，发送请求及声音数据。非线程安全。CommonRequestListener：通用结果监听类...
Java SDK
NlsClient：语音处理客户端，利用该客户端可以处理语音任务。该客户端为线程安全，建议全局仅创建一个实例。CommonRequest：通用请求类，通过该接口设置请求参数，发送请求及声音数据。非线程安全。CommonRequestListener：通用结果监听类...
产品优势
效果逼真 在本地端实现了基于Knowledge-Aware Neural TTS(KAN-TTS)语音合成技术，基于深度神经网络和机器学习，将文本转换成真实饱满、抑扬顿挫、富有表现力的语音，使得 离线语音 合成效果趋近于在线合成效果。同样的语音合成 声音定制 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。...
iOS和Mac
音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK为用户提供识别结果。更多信息，请参见 智能语音交互。方案架构图 调用时序图 接口及使用 通过调用接口 subscribeAudioData 得到回调数据，从回调接口...
创建倍速转码任务
倍速转码方案原理 在不考虑排队、传输带宽问题时，通常 视频流处理 是 花费时间最多的环节，也是转码提速攻克的重点。针对带有视频流转码的任务，媒体处理MPS基于智能转码引擎和强大的云上资源调度能力，通过将视频源切分为多个较小的片段...
Java SDK
关键接口 NlsClient：语音处理客户端，利用该客户端可以进行一句话识别、实时语音识别和语音合成的语音处理任务。该客户端为线程安全，建议全局仅创建一个实例。SpeechSynthesizer：语音合成处理类，通过该接口设置请求参数，发送请求。非...
语音转写
语音转写是通义听悟的核心功能，用以将音视频文件或实时音频流中的语音转写成文字。语音转写是通义听悟API服务链路中的第一个节点，必选其中的一种形式，无法禁用。支持中、英、粤、日等语种，可在转写参数中配置说话人分离功能。请求参数 ...
从这里开始
智能语音交互产品基于语音识别、语音合成、自然语言理解等技术，实现“能听、会说、懂你”式的智能人机交互体验，适用于智能客服、质检、会议纪要、实时字幕等多个企业应用场景。本文为您介绍如何使用智能语音交互，帮助您快速了解其使用...
新手指引
语音服务（Voice Service）是一款基于云服务提供的语音通信能力，为企业客户提供的语音服务包含语音通知、语音验证码等丰富的语音产品。本文介绍语音服务的基础知识、计费方式、快速使用流程以及新手用户常见问题，帮助您快速上手语音服务...
iOS SDK
本文介绍了如何使用阿里云智能语音服务提供的iOS NUI SDK，包括SDK下载安装、关键接口及代码示例。前提条件 使用SDK前，请先阅读接口说明，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Access Token，详情请参见 ...
基本概念
当存在多个业务需要智能语音服务，如电话客服场景和手机输入法场景，各场景需要的语音能力是不同的，只有当项目配置与业务场景匹配才能获得最佳效果。访问标识（AccessKey）程序访问阿里云API的凭证，登录 AccessKey管理页面，创建并查看...
语音识别
模型简介 说明 支持的领域/任务：audio（音频）/asr（语音识别）Paraformer语音识别API基于通义实验室新一代非自回归端到端模型，提供基于实时音频流的语音识别以及对输入的各类音视频文件进行语音识别的能力。可应用于：对语音识别结果...
iOS SDK
本文介绍如何使用阿里云智能语音服务提供的iOS NUI SDK，包括SDK下载安装、关键接口及代码示例。前提条件 使用SDK前，请先阅读接口说明，详情请参见 接口说明。准备好项目Appkey，详情请参见 创建项目。已获取Access Token，详情请参见 ...
智能语音交互试用服务及服务改进计划协议
2.5 您承诺因使用本服务中的语音合成服务，所取得的任何产出或成果（包括但不限于：音频文件等），仅限于您个人使用，不得用于任何商业目的，且不得自行或透过他人以任何方式或载体向第三方披露、提供、转发或传播。三、服务内容 阿里云将...
智能对话分析的审计事件
GetAudioDataStatus 查询语音处理状态。GetBusinessCategoryList 查询适用业务列表。GetCustomizationConfigList 查询语言模型列表。GetDataSetList 查询数据集列表。GetDataSetOssHeader 查询数据集OSS请求头。GetFileDimension 查询文件...
回调接口简介
当前支持以下回调接口：智能语音交互呼出回调HTTP接口 语音平台发起呼叫后，通过智能外呼回调HTTP接口，在通话中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。智能语音交互呼入回调HTTP接口 用户拨打号码发起...
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...
如何注销语音服务的语音号码
本文主要介绍如何注销阿里云语音服务的语音号码。详细信息 语音号码的使用周期最少为3个月，因此号码申请后3个月后，才可以进行注销。号码注销当月会收取整月的号码占用费用（含月末开通），次月不再收费。您可以通过 语音服务控制台 的 ...
语音服务等级协议
本服务等级协议（Service Level Agreement，以下简称“SLA”）规定了阿里云向客户提供的语音服务的服务可用性等级指标及赔偿方案。最新服务等级协议，参见 语音服务等级协议。
身份管理
推荐的做法是使用RAM身份（即RAM用户和RAM角色）来访问语音服务。RAM用户 RAM用户需要由阿里云账号（即主账号）或拥有管理员权限的RAM用户、RAM角色来创建，且必须在获得授权后才能登录控制台或使用API访问阿里云账号下的资源。对于RAM用户...
C++ SDK
关键接口 基础接口 NlsClient：语音处理客户端，利用该客户端可以进行一句话识别、实时语音识别和语音合成的语音处理任务。该客户端为线程安全，建议全局仅创建一个实例。接口名 启用版本 功能描述 getInstance 2.x 获取（创建）NlsClient...
服务用量
在控制台，您可以直观地查看智能语音交互服务的调用情况，包括时长、次数、并发路数等，根据运营数据判断当前使用是否合理，并决策...示例二：如果您希望选择 长文本语音合成，需要先将已勾选的 语音合成 取消勾选后，再勾选 长文本语音合成。
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。...
iOS SDK
当开始识别时，此回调被连续调用，App需要在回调中进行语音数据填充，语音数据来自App的录音*@param info:在使用时间戳功能时返回时间戳结果，json格式*@param info_len:info字段的数据长度*@param buffer:合成的语音数据*@param len:合成...
C++ SDK
关键接口 基础接口 NlsClient：语音处理客户端，利用该客户端可以进行一句话识别、实时语音识别和语音合成的语音处理任务。该客户端为线程安全，建议全局仅创建一个实例。接口名 启用版本 功能描述 getInstance 2.x 获取（创建）NlsClient...
天猫精灵
您可以说“天猫精灵，播放”，天猫精灵将为您播放公告内容 进入社区服务应用，您也可以通过更多的语音操作来使用社区服务“天猫精灵，开门”，天猫精灵将为您打开单元门“天猫精灵，查看视频”，天猫精灵将为您打开门禁摄像头视频“天猫...
Android SDK
设置发音人对应的语音合成采样率,设置后也请设置播放器的对应采样率，否则无法播放出正常音频。nui_tts_instance.setparamTts("sample_rate","16000");支持一次性合成300字符以内的文字，其中1个汉字、1个英文字母或1个标点均算作1个字符，...
服务升级与购买
确认用户授权书 开通商用版需要您确认用户授权书，主要为了同意我们使用您的语音数据对模型进行优化，更好地提升数据转化效果并享受额外价格优惠，数据授权后3个月内不能取消。升级为商用版 一句话识别、实时语音识别、录音文件识别、语音...
非开发者使用指南
语音合成升级为商用版 将对应的 语音合成 服务升级为商用版。升级为商业版之后，进入后付费按量计费模式，此时可 购买资源包 进行抵扣。六、查看账单明细 登录 阿里云官网。单击右上角的 控制台。进入控制台后单击顶部菜单栏的 费用。在...
后续呼入回调
content JSON 是 {"role":"B","identity":"id2","words":"你好","begin_offset":"1000","end_offset":"9000","begin_time":"2017-06-01 10:00:00"} 具体的语音内容，JSON格式。详细说明请参考下表。当 content_type 为 normal 时，content ...
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...
语音识别自学习工具
如果您需要的语音识别服务场景不在所提供的模型范围内，或者需要对标准模型进行更进一步优化，可以使用语音模型定制功能，达成优化目的。通过自学习工具的有效使用，能够提高场景语音识别率。在管理控制台训练定制模型的操作，请参见 管理...
API详情
当明确知道需要识别的语音是中英文时，选择paraformer-v1模型的准确率通常会比paraformer-MTL-v1模型更高。电话录音一般采用8kHz进行录制，对这类文件应选择paraformer-8k-v1模型进行语音识别以获得更佳的效果。Paraformer语音识别返回较为...
回复节点
语音配置 在使用语音机器人（语音导航机器人、语音外呼机器人）时，可以配置此处信息，并与相应的服务进行适配。语音播报打断表示当机器人播报话术的时候，允许用户说话打断机器人发言。静音检测配置表示可配置当前轮次下，用户端音频静默...
计费概述
语音数据处理费用 类别 服务 计费方式 说明 语音识别 实时语音识别 按照语音时长计费 可以自助开通后付费或购买预付费资源包。一句话语音识别 按照调用次数计费 录音文件识别 按照录音时长计费 录音文件识别极速版 按照录音时长计费 录音...
计费概述
本文介绍媒体处理的计费组成、计费方式、计费周期，以及媒体处理关联产品费用。计费项 媒体处理详细计费分为 音视频转码费用、音视频增强费用 和 视频AI费用，计费组成如下图，详细说明请参见 计费项。计费方式 媒体处理产品提供两种计费...
语音反垃圾检测
语音检测按照检测的语音文件、语音流的时间长度进行计费，计费粒度为分钟，每天累计检测总时长进行计量统计，每天检测总时长不足一分钟的按照一分钟进行计费。前提条件 已安装Go依赖。关于安装Go依赖的具体操作，请参见 安装Go依赖。说明 ...
智能语音交互呼出
通过调用API接口发起外呼，用户接听并回复后，平台会把的客户说话形成的语音文本回传给您，您可以将下一步的执行动作返回给智能联络中心。本文为您介绍了智能语音交互呼出的业务流程。前提条件 已注册阿里云账号，并完成企业实名认证。具体...
如何选择转码类型
AI处理：对已经上传到点播的视频进行AI处理，如智能审核、内容分析（标签分析、语音文字识别等）、智能首图、新闻拆条等处理。CDN加速：指对内容进行全网分发，加快内容访问速度，提高用户体验。不同规格视频：主要是指视频的分辨率、码率...
- 产品推荐
- 这些文档可能帮助您