创建转码模板
说明 如果源文件为HDR，色彩转换为HDR转SDR，为避免过曝或过暗，请 提交工单 联系阿里云客服进行自适应配置。参数 说明 编码格式 选择您需要的编码格式。码率控制 在下拉列表中选择控制模式。支持四种模式：原视频码率、固定码率、平均码率...
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...
字典编码（公测）
使用自动压缩编码优化 Beam存储引擎支持自适应的压缩算法。如果您不确定是否需要使用字典编码压缩，可以在表级别指定 compresstype='auto'，存储引擎会自动选择合适的编码压缩算法。CREATE TABLE NATION(n_nationkey integer NOT NULL,n_...
产品优势
语音识别 识别准确率高 基于SAN-M自研的“识音石”通用端到端语音识别框架，中文识别准确率可达业内最高水平；在输入法、客服、会议等领域，文字识别错误率相比上一代系统下降10%～30%，大幅提高了语音识别的精度。识别速度快 采用“字”...
呼吸气泡层（v3.x版本）
字段宽度：标签的显示字段的宽度样式，包括字段的适应类型方式，可选 自适应 或 固定宽度，并根据适应类型设置字段宽度的值，单位px。行高比例：标签的行高比例值，取值范围为1~2。内容描边：标签的内容描边样式，包括设置描边的颜色和描边...
产品优势
支持snappy/LZ4/LZO，压缩率不高 支持snappy/LZ4，压缩率不高 编码 面向数据类型的自适应编码，压缩率高，并且无需解码，即可快速查找。支持DIFF，压缩效果一般，并且编码后的数据无法检索 无 冷热分离 冷热数据自动分层，其中冷数据使用高...
单点柱状层（v3.x版本）
字段宽度：标签的显示字段的宽度样式，包括字段的适应类型方式，可选 自适应 或 固定宽度，并根据适应类型设置字段宽度的值，单位px。行高比例：标签的行高比例值，取值范围为1~2。内容描边：标签的内容描边样式，包括设置描边的颜色和描边...
视频转码
arotate int 否 自适应分辨率方向。取值：0（默认值）：关闭。1：打开。g int 否 关键帧。取值范围：1~100000。vb int 否 视频比特率（码率），单位为比特/秒（bps）。取值范围：10000~100000000。vbopt int 否 视频码率选项。取值：0：...
产品简介
产品概述 面向算法小白用户的NLP行业自适应标注、训练和服务平台。该产品支持文本实体抽取、文本分类、关键短语抽取、情感分析、关系抽取、短文本匹配、商品评价解析等 NLP 定制化算法能力，用户无需拥有丰富的算法背景，仅需标注或上传...
什么是智能外呼机器人
智能外呼机器人是基于自动语音识别（Automatic Speech Recognition，ASR）、文字转语音（Text To Speech，TTS）以及自然语言理解（Natural Language Understanding，NLU）等技术，面向企业客户提供的一款智能客服机器人产品。智能语音机器...
数据类型
枚举名 描述 DingRtcVideoEncoderOrientationModeAdaptive 自适应，和采集视频保持一致。DingRtcVideoEncoderOrientationModeFixedLandscape 固定横屏。DingRtcVideoEncoderOrientationModeFixedPortrait 固定竖屏。DingRtcVideoDimensions...
转码
横竖屏自适应 开启后，系统将输出视频的宽对应输入片源的长边，视频的高对应输入片源的短边。码率峰值 输入码率峰值，取值范围：[10,50000]，单位：Kbps。帧率 输入帧率，取值范围：[1,60]，单位：fps。质量控制因子 输入质量控制因子，...
栅格
可选项如下：布局方式 说明 自适应布局 栅格选择自适应布局时，内部分栏可以选择自适应宽度或自适应内容宽度。自适应宽度：根据栅格宽度和分栏数量自适应调整宽度。自适应内容宽度：根据分栏内容自适应调整分栏宽度。手动布局 栅格选择手动...
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...
数据结构
AliRtcOrientationModeAuto 自适应横竖屏模式。AliRtcAudioSessionOperationRestriction：SDK对Audio Session的控制权限（仅iOS）。枚举名 描述 AliRtcAudioSessionOperationRestrictionNone 没有限制，SDK完全控制AVAudioSession。...
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...
数据类型
AliRtcOrientationModeAuto 自适应横竖屏模式。AliRtcAudioSessionOperationRestriction：SDK对Audio Session的控制权限（仅iOS）。枚举名 描述 AliRtcAudioSessionOperationRestrictionNone 没有限制，SDK完全控制AVAudioSession。...
Python SDK
本文介绍如何使用智能语音交互一句话识别的Python SDK，包括SDK的安装方法及SDK代码示例等。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。SDK仅支持Python3，暂不支持Python2。已安装Python包管理工具setuptools。如果未...
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...
数据结构
AliRtcSceneChatroomMode 聊天室场景，适用于频繁上下麦的聊天场景，音量条始终为语音通话音量条。AliRtcMuteLocalAudioMode 本地静音模式。枚举名 描述 AliRtcMuteAudioModeDefault 默认模式（静音全部，包括麦克风及外部输入音频）。...
数据类型
枚举名 描述 DingRtcVideoEncoderOrientationModeAdaptive 自适应，和采集视频保持一致。DingRtcVideoEncoderOrientationModeFixedLandscape 固定横屏。DingRtcVideoEncoderOrientationModeFixedPortrait 固定竖屏。DingRtcOrientationMode...
样式配置
自适应列宽 支持设置自适应列宽。说明 列数过多时使用该功能可能会导致性能问题。区块样式 说明 区块样式的配置，能保证一直跟随数据集取数生效，不会因为字段调整或筛选条件变更丢失样式配置。为提升电子表格报表区块样式配置的效率，支持...
C# SDK
本文介绍如何使用阿里云智能语音服务提供的C#SDK，包括SDK的安装方法及SDK代码示例。SDK下载 说明 当前最新版本：3.1.17，该版本基于C++ SDK API 3.1.x。发布日期：2023年08月28日。此SDK是底层C++包裹了C#组成，仅支持Windows平台，不支持...
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...
自动化测试
尤其对于语言定制模型而言，当测试集不变的情况下，通过自动化测试可以看到每次自学习模型训练对于准确率的提升或者降低。前提条件 已开通智能语音交互服务，详情请参见 准备账号。创建自动化测试任务 登录 智能语音交互控制台。在左侧导航...
计费说明
商品规格 规格数量 单价（元）备注 标准版离线语音合成SDK 1~10000个 5 可使用标准版离线语音合成语音包 10001~50000个 4 50001~100000个 3 100001~200000个 2.5 200001-500000个 2 精品版离线语音合成SDK 1~10000个 10 可使用精品版离线...
RESTful API
设置编码格式。tts.put("format",format);设置采样率。tts.put("sample_rate",sampleRate);设置声音大小，可选。tts.put("volume",100);设置语速，可选。tts.put("speech_rate",200);长文本tts restful接口支持句级时间戳，默认为false。...
定制语言模型
以文本方式保存，使用 UTF-8（无BOM）格式编码，文件大小不超过10 MB。每位用户最多支持创建10个模型。一句话或者一个被加强调优的关键词单独一行，控制每行的长度在500个字符以内。文本中的数字需要按照发音替换为对应的汉字。例如，“58....
接口说明
离线语音合成是指在弱网或无网状态下，通过设备本地的语音合成模型，将文本转换成自然流畅的语音。产品体验 更多合成效果可至 离线语音合成产品详情页 进行体验。功能介绍 离线语音合成主要包括以下功能，暂不支持多实例调用。提供语速调节...
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...
Android SDK
本文介绍了如何使用阿里云智能语音服务提供的Android 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，首先阅读接口说明，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...
Android SDK
本文介绍了如何使用阿里云智能语音服务提供的Android 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，首先阅读接口说明，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...
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
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...
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...
移动端SDK说明
客户端在调用实时语音识别时请保持实时速率发送，发送完成后及时关闭链接。50000000 GRPC_ERROR:Grpc error!受机器负载、网络等因素导致的异常，通常为偶发出现。一般重试调用即可恢复。50000001 GRPC_ERROR:Grpc error!受机器负载、网络等...
配置静态文件类型
第二优先级：若开启了 自适应缓存，但未在控制台配置 静态文件类型 和 缓存过期时间，则遵循自适应缓存逻辑，自适应缓存遵循源站缓存规则，系统会尽力缓存。若缓存文件较多，建议配置 静态文件类型 和 缓存过期时间，效果更佳。若未开启 自...
快速开始
Paraformer语音识别 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。可被应用于：对...
快速开始
Paraformer语音识别 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。可被应用于：对...
动态IVR呼转回调接口
语音服务支持在控制台上对全局添加号码回拨设置，当客户回拨号码时，在通话中播放指定录音文件或设置动态IVR。本文档展示动态IVR的相关设置。前提条件 在您做IVR动态呼转的配置之前，需进行语音SIP打标，详情请咨询您的商务经理。背景信息 ...
- 产品推荐
- 这些文档可能帮助您