语音合成
模型简介 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，需要选择适合的模型，如客服场景、直播场景、方言场景、童声场景等，...
C# SDK
识别接口 SpeechTranscriberRequest：实时语音识别请求对象，用于长语音实时识别。接口名 功能描述 SetOnTaskFailed 设置错误回调函数。SetOnTranscriptionStarted 设置实时音频流识别开始回调函数。SetOnSentenceBegin 设置一句话开始回调...
功能特性
点此测试 通义听悟翻译（前置功能：语音转写）服务 文件类型 音频采样率 翻译 支持翻译 实时语音翻译 音频流 8k 实时 中翻英 音频流 16k 实时 中、英、日、韩语间的双向互译；中英自由说翻译成中、英或中&英 音视频文件翻译 音频文件 8k 离...
产品计费
可选服务项 分类 单价 说明 智能对话分析 离线语音质检 2.7元/小时 可选开通，按录音时长收费，不开通不收费 实时语音质检 3.5元/小时 函数计算FC 消息队列RocketMQ版 预测式外呼 0.016元/次 平台使用费 收费模式 档位及其他 单价 说明 云...
语音反垃圾检测
本文介绍了如何使用Go SDK语音反垃圾接口，检测实时语音流或语音文件中的垃圾内容。功能描述 语音流检测和语音文件检测均为异步检测，检测结果需要您以轮询或者回调的方式获取。关于调用请求中的检测场景参数scenes，返回结果中的分类参数...
2D互动数字人接入指南
2D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2D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2D互动数字人。警告 目前2D互动数字人公测...
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...
附录1 云产品监控指标
MapReduce（全托管starrocks）消息队列MQ 消息队列RabbitMQ版 kafka 消息服务MNS-队列 消息服务MNS-Topic 消息队列RocketMQ版 人工智能 PAI-EAS在线预测服务（废弃）PAI-EAS在线预测服务 PAI-EAS专属资源组 智能语音交互-实时语音识别 PAI-...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 否 录音文件识别极速版 是 唤醒及命令词 否 解压ZIP包，在 app/libs 目录下获取AAR格式的SDK包，将AAR包集成到您的工程项目中进行依赖。...
iOS SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 是 录音文件识别极速版 是 唤醒及命令词 否 下载语音包，详情请参见 接口说明 中的 语音包列表。重要 SDK和语音包是完全独立的，下载SDK后并...
语音反垃圾检测
本文介绍了如何使用Python SDK语音反垃圾接口，检测实时语音流或语音文件中的垃圾内容。功能描述 语音流检测和语音文件检测均为异步检测，检测结果需要您以轮询或者回调的方式获取。关于调用请求中的检测场景参数scenes，返回结果中的分类...
智能语音交互呼入
用户拨打号码发起呼叫后，通过智能语音交互呼入回调HTTP接口，接收通话过程中用户语音实时转写的文本消息，业务方把下一步的执行动作返回给智能联络中心，以此完成机器人与用户通话中的智能语音交互。本文为您介绍了智能语音交互呼入的业务...
Android SDK
功能 是否支持 一句话识别 是 实时语音识别 是 语音合成 是 实时长文本语音合成 是 离线语音合成 是 录音文件识别极速版 是 唤醒及命令词 否 下载语音包，详情请参见 接口说明 中的语音包列表。重要 SDK和语音包是完全独立的，下载SDK后并...
语音反垃圾检测
本文介绍了如何使用.NET SDK语音反垃圾接口，检测实时语音流或语音文件中的垃圾内容。功能描述 语音流检测和语音文件检测均为异步检测，检测结果需要您以轮询或者回调的方式获取。关于调用请求中的检测场景参数scenes，返回结果中的分类...
Go SDK
语音合成 1.SpeechSynthesisStartParam 实时语音合成参数。参数 类型 参数说明 Voice String 发音人，默认值：“xiaoyun”。Format String 音频格式，默认使用WAV。SampleRate Integer 采样率，默认值：16000 Hz。Volume Integer 音量，...
WebSocket协议说明
header.task_id String 是 整个实时语音合成的会话ID，整个请求中需要保持一致，32位唯一ID。header.namespace String 是 访问的产品名称，固定为“FlowingSpeechSynthesizer”。header.name String 是 指令名称，包含StartSynthesis和...
接口说明
语音合成为您提供将输入文本合成为语音二进制数据的功能。返回语音合成产品详情页 功能介绍 支持输出PCM、WAV和MP3编码格式数据。支持设置语速、语调和音量。支持设置不同场景及风格的声音。支持一次性合成300字符以内的文字，其中1个汉字...
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...
回调接口简介
智能语音交互呼入回调HTTP接口 用户拨打号码发起呼叫后，通过智能语音交互呼入回调HTTP接口，接收通话过程中用户语音实时转写的文本消息，业务方把下一步的执行动作返回给语音平台。动态IVR呼转回调接口 云通信平台根据用户呼入的主叫号码...
iOS SDK
必填/FullMix=0/选用此模式开启本地功能并需要进行鉴权注册/FullCloud=1/在线实时语音识别可以选这个/FullLocal=2/选用此模式开启本地功能并需要进行鉴权注册/AsrMix=3/选用此模式开启本地功能并需要进行鉴权注册/AsrCloud=4/在线一句话...
产品计费
模型服务 模型规格 价格 计费模式 录音文件识别 paraformer-v1 0.00008元/秒 后付费 paraformer-8k-v1 paraformer-mtl-v1 实时语音识别 paraformer-realtime-v1 0.00024元/秒 后付费 paraformer-realtime-8k-v1 通用文本向量模型 通用文本...
C++ SDK
生成SDK库文件和可执行程序：srDemo（一句话识别）、stDemo（实时语音识别）、syDemo（语音合成）、daDemo（语音对话）。scripts/build_linux.sh 查看范例使用方式。cd build/demo./syDemo Android平台编译 支持arm64-v8a、armeabi、...
智能语音交互呼入回调HTTP接口
用户拨打配置智能语音交互呼入的号码发起呼叫后，通过智能语音交互呼入回调HTTP接口，接收通话过程中用户语音实时转写的文本消息，业务方把下一步的执行动作返回给智能联络中心，以此完成机器人与用户通话中的智能语音交互。业务流程 平台...
C++ SDK
生成SDK库文件和可执行程序：srDemo（一句话识别）、stDemo（实时语音识别）、syDemo（语音合成）、daDemo（语音对话）。scripts/build_linux.sh 查看范例使用方式。cd build/demo./syDemo Android平台编译 支持arm64-v8a、armeabi、...
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...
语音转写
（实时语音转写时，该字段不表示实际音频时长）Transcription.AudioInfo.SampleRate int 音频采样率。Transcription.AudioInfo.Language string 音频语种。Transcription.AudioSegments list[][]有效音频片断范围。Transcription....
开发指南
实时记录语音推流 在完成记录创建后，便可通过听悟提供的语音推流 Java SDK/C++ SDK 进行会中实时语音推流并接收识别结果。步骤1：建立推流通道，对应交互流程3-5。步骤2：推送识别语音，对应交互流程6、8、10、12。线下会议时：单路语音，...
智能语音交互呼出业务流程
调用API接口发起外呼后，自动调用智能语音交互呼入回调HTTP接口，接收通话过程中用户语音实时转写的文本消息。业务方把下一步的执行动作返回给语音平台，以此完成机器人与用户通话中的智能语音交互。步骤三：查询呼叫详情 查询呼叫详情有两...
文本翻译
实时语音翻译价格优惠、延迟低，是极具性价比的服务。请求参数 参数名 类型 说明 TranslationEnabled boolean 默认为false。Translation object 翻译功能控制参数集合。Translation.TargetLanguages list[]翻译目标语言设置。支持设置中...
智能语音交互呼入回调HTTP接口
说明 接收地址用于接收语音实时转文本结果并返回下一步执行动作。单击 保存。您也可以单击右侧 测试 按钮，对配置信息进行测试。回调接口规范 规范 说明 接口协议 HTTP 方式 POST 字符编码格式 UTF-8 示例与参数 智能语音交互呼入回调HTTP...
应用场景
实时客服记录 将呼叫中心的语音实时转写为文字，可以实现实时质检等。呼叫中心语音质检 上传呼叫中心的录音文件，通过录音文件识别得到文本，进一步通过文本检索，检查有无违规话术、敏感词等信息。庭审数据库录入 上传庭审记录的录音文件...
移动端应用如何安全访问智能语音交互服务
背景信息 方案 适用接口 方案一：通过App服务端创建Token并下发到移动端使用 一句话识别 实时语音识别 录音文件识别极速版 语音合成 实长文本时语音合成 语音分析等 方案二：使用STS临时访问凭证调用语音服务 录音文件识别 录音文件识别闲...
语音合成FAQ
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。具体请参见 语音合成时间戳功能介绍。语音合成时，...
接口说明
录音文件识别闲时版是非实时的，识别的文件需要提交基于HTTP可访问的URL地址，不支持提交本地文件。与录音文件识别区别在于返回时间不同，闲时版为24小时内返回结果。使用限制 支持单轨和双轨的WAV、MP3、MP4、M4A、WMA、AAC、OGG、AMR和...
C++ SDK
生成SDK库文件和可执行程序：srDemo（一句话识别）、stDemo（实时语音识别）、syDemo（语音合成）、daDemo（语音对话）。scripts/build_linux.sh 查看范例使用方式。cd build/demo./srDemo Android平台编译 支持arm64-v8a、armeabi、...
API详情
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，需要选择适合的模型，如客服场景、直播场景、方言场景、童声场景等，详情请...
API详情
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，需要选择适合的模型，如客服场景、直播场景、方言场景、童声场景等，详情请...
接口说明
auto_split":false,"version":"4.0","enable_words":false,"enable_sample_rate_adaptive":true,/valid_times：获取语音指定时间段的识别内容，若不需要，则无需填写。valid_times":[{"begin_time":200,"end_time":2000,"channel_id":0 }...
C# SDK
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 SetLogConfig 3.1.9 设置日志文件与存储路径。越早...
智能语音交互呼出回调HTTP接口
说明 接收地址用于接收语音实时转文本结果并返回下一步执行动作。单击 保存。您也可以单击右侧 测试 按钮，对配置信息进行测试。回调接口规范 规范 说明 接口协议 HTTP 方式 POST 字符编码格式 UTF-8 请求样例 ...
- 产品推荐
- 这些文档可能帮助您