简介
API 应用程序编程接口 用户开放API，在API网关录入API，以提供接口的方式对外提供服务或者数据。Group API Group API分组 一组API。用户开放API，首先需要创建API分组 每个API分组拥有一个二级域名，两个Stage 用户需要将已经备案且解析至...
基础术语
中文 释义 API 应用程序编程接口，是一些预先定义的函数，或指软件系统不同组成部分衔接的约定。API 分组 用于将 API 进行逻辑的分组，同个分组下的 API 使用相同的分组标识做隔离。分组标识 是网关全局的唯一标识，用于定位在访问的 API。...
API错误码
100008 数据不存在 请您确认语音API、呼叫的机器人或任务信息是否存在。isv.INVALID_JSON_PARAM JSON参数不合法 请您确认JSON参数的格式是否合法。isv.VOICE_FILE_ILLEGAL 语音文件非法 请您确认语音文件是否存在或者是否通过审核。isv....
开发参考
版本 文档 内容安全 增强版 文本审核增强版API 文本审核增强版接入指南 图片审核增强版API 图片审核增强版接入指南 语音审核增强版API 语音审核增强版接入指南 视频文件审核增强版API 视频审核增强版接入指南 文档审核增强版API 文档审核...
功能发布记录
内容检测API短语音同步检测 内容检测API语音异步检测 内容检测API视频异步检测 2020年08月28日 发布一句话语音审核功能。内容检测API短语音同步检测 2020年07月24日 发布视频检测API支持低质量检测功能。内容检测API视频质量检测 2019年09...
获取Token概述
访问令牌（Access Token）主要用于身份验证和授权，在调用阿里云智能语音交互API时，客户端应用或服务器端程序需要先获取一个有效的Token作为凭证，以此来证明请求的合法性，并获得对智能语音服务的访问权限。本文介绍Token的获取方式和...
调用方式
智能语音导航接口调用是向智能语音导航API的服务端地址发送HTTP GET请求，并按照接口说明在请求中加入相应请求参数，调用后系统会返回处理结果。请求及返回结果都使用UTF-8字符集进行编码。请求结构 智能语音导航的API是RPC风格，您可以...
API概览
语音验证码 API 标题 API概述 SingleCallByTts 向指定号码发送语音验证码或文本转语音类型的语音通知 向指定号码发送语音验证码或带变量的语音通知。虚拟号码 API 标题 API概述 AddVirtualNumberRelation 批量添加虚拟号码与真实号码绑定...
语音合成
语音合成API基于达摩院改良的自回归韵律模型，具有推理速度快，合成效果佳的特点。开发者可以通过以下链接，了解如何通过DashScope灵积模型服务调用语音合成API：快速开始 API详情 计量计费 模型列表
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...
Sambert语音合成
提供SAMBERT+NSFGAN深度神经网络算法与传统领域知识深度结合的文字转语音服务，兼具读音准确，韵律自然，声音还原度高，...开发者可以通过以下链接，了解如何通过大模型服务平台调用Sambert语音合成API：快速开始 API详情 计量计费 模型列表
最佳实践
说明 若您有合作需求或技术咨询请进钉钉群：63840009561 预处理视频文件以提高文件转写效率 Paraformer语音识别API可以兼容视频文件，但由于视频文件尺寸通常较大、传输较为耗时，因此建议您对视频文件进行预处理。仅提取需要进行语音识别...
功能特性
语音服务 语音服务（Voice Service），是阿里云为了方便用户使用语音能力，联合运营商提供稳定可靠、安全可信的云通信服务。包含语音通知、语音验证码、语音机器人等丰富的PaaS/SaaS产品，具备高可用、高并发、高质量、接入便捷的优势。...
Paraformer语音识别
Paraformer是通义实验室研发的新一代非自回归端到端语音识别模型，具有识别准确率高、推理...开发者可以通过以下链接，了解如何通过百炼大模型服务平台调用Paraformer文件转写API：快速开始 实时语音识别API详情 录音文件识别API详情 最佳实践
Paraformer语音识别
Paraformer是通义实验室研发的新一代非自回归端到端语音识别模型，具有识别...开发者可以通过以下链接，了解如何通过DashScope灵积模型服务调用Paraformer文件转写API：快速开始 实时语音识别API详情 录音文件识别API详情 计量计费 最佳实践
API&SDK常见问题
您在使用语音服务API或SDK时，如果遇到疑问后可以参考以下常见问题及处理建议。语音服务SDK是否支持Android终端？当前语音服务SDK不支持Android和iOS终端编译。语音服务VoiceReport接口返回后会再次推送吗？一个通话结束推送后，只要您有一...
语音通知/语音验证码FAQ
您在使用语音通知/语音验证码时如果遇到疑问，可参考以下常见问题及处理建议。语音通知支持英文吗？语音通知支持中文和英文。语音通知服务，如果用户挂线，会不会重拨？不会重拨。语音流控频率规则是怎么样的？对同一个“资质+用途”下的...
通过控制台界面定制
控制台界面定制使用方式 通过OpenAPI定制 开发者 批量定制个性化音色，通过API来调用，后续也将通过云服务接口使用语音合成。通过OpenAPI定制 计费方式 计费分为个性化人声定制声音个数、语音合成字数两部分收费。表 1.定制音色 定制规格 ...
最佳实践
Paraformer语音识别 了解如何通过从视频文件中提取音轨、并进行合理的压缩以显著降低文件尺寸，从而减少API调用过程中的文件传输耗时、加快文件转写吞吐效率，请查阅：预处理视频文件以提高文件转写效率。通过OSS可以提高文件转写的效率和...
通过API使用语音互动（语音IVR）
语音互动（语音IVR）是通过API接口向指定号码发起交互式语音通话，用户接听电话后，播放一段指定音频，用户根据音频引导，通过手机按键信息返回意图。前提条件 注册阿里云账号 并完成 企业实名认证。已开通 语音服务。申请企业资质 并审核...
最佳实践
Paraformer语音识别 了解如何通过从视频文件中提取音轨、并进行合理的压缩以显著降低文件尺寸，从而减少API调用过程中的文件传输耗时、加快文件转写吞吐效率，请查阅：预处理视频文件以提高文件转写效率。通过OSS可以提高文件转写的效率和...
集成概览
使用OpenAPI自动化集成语音服务，可以提升您使用语音服务的开发效率。本文介绍使用OpenAPI调试语音服务的基本信息及注意事项。什么是OpenAPI 为了能够让开发者快速高效的学习和使用云产品OpenAPI，阿里云为用户提供OpenAPI网站。它是一款集...
通过API使用语音通知/语音验证码
语音通知/语音验证码是通过电话呼叫的方式向指定号码发送语音通知或对验证码进行语音播报，您可以调用API接口 发送语音通知 或 语音验证码。准备工作 注册阿里云账号 并完成 企业实名认证。已开通 语音服务。申请企业资质 并审核通过。若...
什么是智能语音交互
智能语音交互（Intelligent Speech Interaction）是基于语音识别、语音合成、自然语言理解等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互功能。适用于智能问答、智能质检、法庭庭审实时记录、实时演讲...
语音识别输入格式FAQ
本文主要介绍智能语音交互的语音识别输入格式说明，以及输入语音格式不符合要求时常见问题以及方法，您可以优先在文本档获取对应解决方案。语音识别各服务支持的语音输入格式 语音识别服务 语音输入格式说明 一句话识别 支持的输入格式：...
语音服务使用FAQ
使用流程请参见 通过API使用语音互动（语音IVR），API调用请参见 IvrCall-向指定号码发起交互式语音通话。语音服务流控审核时间多久？语音服务流控申请提交后，5个工作日内完成，周一至周五9:00-18:00（法定节假日顺延）。语音服务如何测试...
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...
通过API/SDK上传语音文件
您可以通过调用API或使用SDK进行文件上传。只支持上传专属模式外呼。语音文件上传完成后会进入审核阶段，预计2小时内会完成审核。说明 请选择WAV或MP3格式且小于2M的语音文件。URL：...
智能语音交互呼出回调HTTP接口
调用语音服务API发起呼叫后，通过智能外呼回调HTTP接口，将通话中转换后的语音文本回传给业务方，业务方将下一步的执行动作返回到语音服务，完成机器人与用户通话中的智能语音交互。本文为您介绍智能语音交互呼出回调HTTP接口的配置，请求...
语音审核增强版对接第三方音视频通信RTC
方案一：原生化审核（推荐）技术架构 内容安全支持火山引擎RTC的原生化审核方案，调用审核API时指定房间和用户ID等参数，即可通过虚拟用户加入房间拉取音频流，实时检测语音是否有违规内容并通知应用服务器。方案优势 相比较其他方案，具备...
Java SDK
本文介绍如何使用智能语音交互流式文本语音合成的Java SDK，包括SDK的安装方法及SDK代码示例等。前提条件 在使用SDK之前，请先阅读 接口说明。下载安装 从Maven服务器下载最新版本的SDK nls-sdk-java-demo+flowingtts+3.zip。...
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...
Java SDK
本文介绍如何使用阿里云智能语音服务提供的Java SDK，包括SDK的安装方法及SDK代码示例。使用说明 在使用SDK之前，请先阅读接口说明，详情请参见 接口说明。为使用长文本语音合成服务，请将SDK版本更新至2.1.1及以上。下载安装 从Maven...
Java SDK
本文介绍如何使用阿里云智能语音服务提供的Java SDK，包括SDK的安装方法及SDK代码示例。前提条件 在使用SDK之前，请先阅读接口说明，详情请参见 接口说明。下载安装 从Maven服务器 下载最新版本SDK。groupId>...
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...
通过OpenAPI定制
通过OpenAPI定制 您可以通过使用智能语音交互服务提供的OpenAPI，将个性化人声定制功能集成在您自己的产品当中。集成后，即可通过接口来实现声音定制的功能。个性化人声定制的步骤 以智能语音交互实现的页面举例以上步骤（红框部分）。Open...
时间戳功能介绍
实时长文本语音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。功能概述 实时长文本语音实时合成服务的时间戳...
使用语音审核增强版识别语音违规风险
语音审核增强版服务通过升级内容安全核心引擎，提供面向图文分享、游戏连麦、直播课程等业务场景的审核服务，识别违反网络内容传播规定、影响平台秩序和用户体验的内容或元素，提供丰富的内容风险标签。本文介绍如何使用语音审核增强版。相...
API详情
语音合成 说明 支持的领域/任务：audio（音频）/tts（语音合成）。语音合成提供的实时语音合成API，可将文字内容转化为音频。除语音数据外，可选择开启字级别和音素级别时间戳，用于生成字幕或驱动数字人嘴型。不同的使用场景，需要选择...
- 产品推荐
- 这些文档可能帮助您