3D语音驱动数字人接入指南
3D语音驱动数字人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驱动的数字人产品能力。本篇文档将介绍如何接入3D语音驱动数字人。警告 目前3D语音驱动数字人公测已经结束，暂时不支持接入。使用场景 适用于一些不需要真人...
语音识别FAQ
本文汇总了您在使用语音识别服务时的常见问题。语音识别类常见问题主要分为以下几类：功能类 实时转写说话有停顿，但是语音识别不断句怎么办？语音识别能自动断开多句话吗？语音识别服务支持离线功能吗？语音识别支持哪些模型？语音识别...
3D数字人视频合成用户指南
时间 示例：01:13:43读作一点十三分四十三秒 计量单位 示例：mm读作毫秒（在阿里云语音合成服务中会将mm读作毫秒）数值 读数值 示例：123读作一百二十三 划选数字文本后选择读法 读数字 示例：123读作一二三 读手机号 示例：13900001111 读...
SSML标记语言介绍
所有文本需放在<speak></speak>标签之内，且每个语音合成任务只能包含一个<speak></speak>标签。长文本任务（包括实时长文本合成和异步长文本合成）可以含多个成对的<speak></speak>标签。长文本语音合成请求可使用多个<speak></speak>标签...
数字人服务SSML使用指南
vh-action 指定数字人动作大家好，我是数字人小莫，欢迎大家！code:数字人动作code（不同数字人的动作code不同，请根据实际数字人从平台获取），获取方式参考：获取数字人形象code interrupt:是否打断当前正在播放的动作，true:前...
SSML标记语言说明
所有文本需放在<speak></speak>标签之内，每个语音合成任务可使用多个<speak></speak>标签，支持SSML与文本结合的方式。文本头部之前可以省略XML Header。标签内的文字内容如果包含XML的特殊字符，需要做字符转义，常用的特殊字符对应关系...
性能类
关于达摩院智能语音交互语音识别准确度的数字，我们通过了CNAS（国家软件测试中心）的评测，国家软件中心对语音识别算法准确度测试中，在60分贝以下的降噪环境中，用普通话在距离耳麦1厘米的位置，以240字/小时的匀速朗读样本量1207字的...
2D数字人视频合成用户指南
文本输入框集成了语音合成的编辑器功能，可在该编辑器中对语音合成进行人工的调整，例如标注多音字、标注文本读法、标注数值读法等，详见下表。功能 子功能 备注 操作方法 多音/弹出浮层高亮多音字，逐一标注 文本 人名 姓氏自动匹配、连续...
功能特性
对媒体的内容、文字、语音、场景进行多模态分析，实现智能审核、内容理解、智能编辑等多种处理功能。音视频转码 把音视频码流转换为另一种清晰度、编码格式或封装格式，以适应不同网络带宽、不同终端播放设备的使用场景。媒体处理覆盖了...
API概览
智能任务 智能任务 数字人训练 数字人训练 CreateAvatarTrainingJob 创建和初始化数字人训练任务 本接口用于创建数字人训练任务，配置数字人基础信息与训练所需要的素材信息等。注意：本接口仅用于初始化训练任务相关信息，并不会提交训练...
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...
创建语音模板
您在发送 语音通知 和 语音验证码 前，需要先创建语音模板，审核通过后即可发送语音任务。前提条件 已 阿里云账号注册流程，并完成 企业实名认证。已开通 语音服务。已 申请企业资质 并通过审核。已 新增话术 并通过审核。确保您套餐包余量...
语音模板FAQ
语音服务话术模板和语音文件都需要进行审核，暂时不支持网络文件，可以在语音控制台提交TTS模板或者语音录音文件审核，审核通过后可以使用。语音文件/TTS模板审核时间是多长?模板提交后预计2小时内审核完成，审核通过后可使用。审核工作...
什么是虚拟数字人开放平台
虚拟直播：直接通过RTMP协议将数字人流媒体推送到直播平台从而实现数字人开播效果，需要注意的是数字人的互动、问答需要开发者自行实现。详情请见 接入指南 与 数字人流媒体开发指南。客服助理：通过数字人流媒体服务，结合智能对话机器人...
语音合成FAQ
本文汇总了您在使用语音合成服务时的常见问题。语音合成类常见问题主要分为以下几类：功能类 为什么TTS语音合成的语音和wav文件显示的时间长度不一致？例如语音文件显示长度是7秒钟，但实际语音只有不到5秒？语音合成时间戳功能是什么？...
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 阅读接口说明，详情请参见 接口说明。已准备项目Appkey，详情请参见 创建项目。已获取Access Token，详情请参见 获取Token概述。...
创建质检任务
视频讲解 选择客服数据 质检任务分为离线文本质检、离线语音质检、实时语音质检、实时文本质检和已检测任务二次质检。离线文本质检 离线文本是来自呼叫中心中上传的离线文本文件，用户可以根据质检匹配条件筛选出需要质检的数据，系统支持...
基本概念
逆文本规整（inverse text normalization）语音转换为文本时使用标准化的格式展示数字、金额、日期和地址等对象，以符合阅读习惯。以下是一些示例。语音原始文本 开启ITN的识别结果 百分之二十 20%一千六百八十元 1680元 五月十一号 5月11...
SingleCallByVoice-向指定号码发送语音通知文件类型的...
您登录 语音服务控制台，在 语音消息>语音通知>语音通知文件页面或在 语音文件管理>语音通知文件页面查看 语音 ID。2d4c-4e78-8d2a-afbb06cf*.wav PlayTimes integer 否 语音文件的播放次数。取值范围：1~3。3 Volume integer 否 语音文件...
API详情
概述 Paraformer语音识别提供的文件转写API，能够对常见的音频或音视频文件进行语音识别，并将结果返回给调用者。常见的音频或音视频文件一般采用16kHz及以上的采样率进行录制，可选择paraformer-v1模型进行中英文语音识别，或选择...
真实号管理
固话&手机号 由于号码资源稀缺，语音服务控制台 暂时无法申请普通号码，如果您是语音通知和验证码用途，建议您使用 公共模式，不用开通号码即可使用语音服务。普通号码按月收取月租，根据归属地与靓号等级，语音号码的价格从35元至60元不等...
QueryVoiceFileAuditInfo-查询语音文件审核状态
查询语音文件审核状态。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下表是API对应的授权信息，可以在RAM权限策略语句的 Action 元素中...
数字人端渲染Android SDK
参数说明 参数 类型 必填 描述 msg String 是 供数字人播报的文本，将依据此文本驱动数字人角色 uniqueCode String 是 数字人单句文本的唯一ID，将会在onPlayStart 和 onPlayEnd 中回调 5.interruptPlay 打断当前播报并清空所有未播报、待...
授权信息
本文为您介绍 语音服务（VoiceMessagingService）为RAM权限策略定义的操作（Action）、资源（Resource）和条件（Condition）。语音服务（VoiceMessagingService）的RAM代码（RamCode）为 dyvms，支持的授权粒度为 SERVICE。权限策略通用...
产品概述
什么是虚拟数字人 虚拟数字人是基于达摩院在语音、图像、3D美术、自然语言处理等领域的技术优势，以AI驱动实时渲染为核心能力，构造的多模态交互数字人。我们提供「数字人开放平台」，其中包含以实时交互为目标的「数字人流媒体」产品、以...
SingleCallByTts-向指定号码发送语音验证码或文本转...
向指定号码发送语音验证码或带变量的语音通知。接口说明 因业务调整，自 2022 年 03 月起，中国站国际/港澳台语音通知、国际/港澳台语音验证码不再更新，并即将停止服务。目前仅支持已有资质的客户继续使用。申请语音套餐包或语音计费相关...
什么是云联络中心
数字员工 在用户拨打企业客户服务中心接通后先由对话能力提供语音业务自助办理/语音问答服务，复杂问题再转接人工，可有效的处理常规业务咨询场景，大幅减少人工热线电话客服压力，提高企业服务的电话接通率。网络业务 联络中心可以为企业...
功能发布记录
优化 语音合成时间戳功能介绍 新增多情感音色 语音合成、实时长文本语音合成、异步长文本语音合成服务中，新增支持音色：知妙_多情感 知燕_多情感 知贝_多情感 知甜_多情感 知米_多情感 新增 接口说明 新增多语种音色 语音合成、实时长文本...
错误码查询
本文主要介绍智能语音交互的错误码和解决办法。您可以优先在本文档查询错误码，获取对应解决方案。什么是智能语音交互的错误码？您在使用SDK或者调用API接口过程中，如果本地或者服务端返回结果报错，则表示操作失败。您可以通过返回结果中...
企业支付宝账号申请
说明 企业支付宝账号是数字社区用户申请小区、物业缴费等功能的前提，所以您需要提前根据企业实际情况申请企业支付宝账号 进入PC端申请，营业执照、社会信用代码、法人身份证正反面图片等企业关键信息进行注册 移动端申请，进入支付宝小...
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...
数字人流媒体开发指南
} } 以上就是一个典型的客户端-服务端架构产品使用数字人流媒体服务的整体链路，关于播报数字人、互动数字人等具体数字人流媒体服务的接入可参考下方详细的接入指南：3D播报数字人接入指南 3D互动数字人接入指南 3D推流数字人接入指南 2D...
授权信息
操作（Action）下表是 数字证书管理服务（原SSL证书）（SSLCertificatesService）（cas）定义的操作，这些操作可以在RAM权限策略语句的 Action 元素中使用，用来授予执行该操作的权限。数字证书管理服务（原SSL证书）...
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PHP依赖。关于安装PHP依赖的具体操作，请参见 安装PHP依赖。...
授权信息
操作（Action）下表是 数字证书管理服务（原SSL证书）（SSLCertificatesService）定义的操作，这些操作可以在RAM权限策略语句的 Action 元素中使用，用来授予执行该操作的权限。数字证书管理服务（原SSL证书）（SSLCertificatesService）不...
通用WebSocket接入指南
本文档向您介绍如何对接虚拟数字人开放平台的通用WebSocket服务，适用于互动数字人这类需要通过WebSocket来持续传输语音流数据的产品服务。建立WebSocket连接 开发者可以通过js、java、python等支持标准websocket协议的语言作为WebSocket...
接口说明
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。功能简介 NUI SDK提供更小的工具包和更完善的状态管理。为满足不同用户需求，NUI SDK既能提供全链路的语音能力，同时可做原子能力SDK...
2D数字人视频合成接入指南
2D数字人视频合成服务为您提供 输入文本 和 输入音频 合成为2D虚拟数字人指定格式的视频，并且通过返回的视频链接下载视频内容。说明 如您需要单日提交超过1000条视频，请提前联系工作人员。功能介绍 形象配置 支持选择平台内置的2D数字人...
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...
接口说明
对长时间的语音数据流进行识别，适用于会议演讲、视频直播等长时间不间断识别的场景。使用须知 说明 如需使用Android或iOS SDK，请参见 移动端接口说明。支持的输入格式：PCM（无压缩的PCM或WAV文件）、OPUS、AMR、SPEEX、MP3、AAC格式，16...
- 产品推荐
- 这些文档可能帮助您