文档

什么是智能语音交互

更新时间:
一键部署

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、实时演讲字幕、访谈录音转写等场景,在金融、司法、电商等多个领域均有应用。

说明

全新的智能语音交互2.0版本现已发布。您可以使用自学习平台等工具改善语音识别效果,而且我们为您提供了功能更丰富的管理控制台和更易用的SDK,欢迎开通体验。

从0到1入门视频

一句话识别

对时长较短(一分钟以内)的语音进行识别,适用于较短的语音交互场景,如语音搜索、语音指令、语音短消息等,可集成在各类App、智能家电、智能助手等产品中。更多信息,请参见一句话识别接口说明

实时语音识别

对不限时长的音频流做实时识别,达到“边说边出文字”的效果,内置智能断句,可提供每句话开始结束时间。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。更多信息,请参见实时语音识别接口说明

录音文件识别

对用户上传的录音文件进行识别,可用于呼叫中心语音质检、庭审数据库录入、会议记录总结、医院病历录入等场景。更多信息,请参见录音文件识别接口说明

重要

针对免费用户,系统可在24小时内完成识别并返回识别文本;针对付费客户,系统可在3小时之内完成识别并返回识别文本,一次性上传大规模数据(半小时内上传超过500小时时长的录音)的除外。有大规模数据转写需求的客户,可与售前专家另行沟通。

语音合成

通过先进的深度学习技术,将文本转换成自然流畅的语音。目前有多种音色可供选择,并提供调节语速、语调、音量等功能。适用于智能客服、语音交互、文学有声阅读和无障碍播报等场景。更多信息,请参见语音合成接口说明

离线语音合成

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。

目前有多种音色可供选择,并提供调节语速、语调、音量等功能。适用于车载导航、智能硬件、文学有声阅读和无障碍播报等场景。以SDK的方式集成,支持多种不同硬件平台。按照设备激活数量收费,收费更加灵活可控。更多信息,请参见离线语音合成接口说明

语音合成声音定制(企业版)

为您提供深度定制的TTS(Text to Speech)声音功能:使用先进的深度学习技术,用更少的数据量,更快速高效地定制高表现力的TTS声音,将自然流畅的声音输出到服务或设备上。

如果您想体验定制的声音、了解定制流程,请查看语音合成声音定制(企业版)。如有任何需求和疑问,请联系:nls_support@service.aliyun.com

灵积语音模型服务

灵积模型服务平台中的语音服务——Paraformer语音识别API是基于达摩院新一代非自回归端到端模型,提供对输入的各类音视频文件进行语音识别的能力,可被应用于客服质检、内容理解分析、字幕生成等。

自学习平台

您可以使用自学习平台提升识别效果,它提供了训练热词自学习语言模型两种方式。语音识别服务中,通过添加热词和使用热词模型来改善识别结果。在司法、金融等领域,利用语言模型定制进行优化,提高该业务场景下的识别准确率,更多信息,请参见自学习平台

个性化人声定制

随着语音交互技术的普及,越来越多场景需要语音合成的能力,如讲故事、读新闻、导航播报和智能设备语音交互等。

个性化人声定制服务帮助用户通过少量录音,得到自己的声音模型,从而快速“克隆”个性化的声音。更多信息,请参见通过控制台界面定制

学习路线

  • 本页导读 (1)
文档反馈