基本概念
注意语音编码和语音文件格式不同，如常见的WAV文件格式，会在其头部定义语音数据的编码，其中的音频数据通常使用PCM、AMR或其他编码。说明 在调用通义听悟服务之前需确认语音数据编码格式是服务所支持的。项目标识（Appkey）在通义听悟 ...
基本概念
语音编码（format）语音数据存储和传输的方式。语音数据编码格式和语音文件格式不同，如常见的WAV文件格式，会在其头部定义语音数据的编码，其中的音频数据通常使用PCM、AMR或其他编码。重要 在调用智能语音交互服务之前需确认语音数据编码...
Android SDK（旧版）
设置语音编码，PCM编码可以直接用audioTrack播放，其他编码不行。speechSynthesizer.setFormat(SpeechSynthesizer.FORMAT_PCM);以下选项都会改变最终合成的语音效果。设置语音数据采样率 speechSynthesizer.setSampleRate...
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...
2D互动数字人接入指南
语音数据在发送前需要进行base64编码。同时语音流需要连续发送，如果没有声音可以发送静音包，长时间不发送音频流可能会导致对话中断。重要 该协议支持直接发送纯文本进行对话，也可发送语音流进行对话，在文本和语音同时发送的过程时无法...
3D互动数字人接入指南
语音数据在发送前需要进行base64编码。同时语音流需要连续发送，如果没有声音可以发送静音包，长时间不发送音频流可能会导致对话中断。重要 该协议支持直接发送纯文本进行对话，也可发送语音流进行对话，在文本和语音同时发送的过程时无法...
接口定义
H264-NALU 对接的场景下，需要反馈一些信息 给到编码器做实时调节/请求本地编码器下一帧编码关键帧 virtual void OnKeyFrameRequest(){}/实时控制编码器的一些编码参数,比如输出帧率和码率 virtual void OnEncoderQosRequest(const ...
回调管理
智能审核回调 视频直播支持视频审核和语音审核的结果回调，您可以在控制台或通过API配置回调地址。视频审核回调设置方式 控制台 您可以在 视频直播控制台 的 域名管理 页面需要选择配置的播流域名，单击 域名配置，进入 直播管理>回调事件>...
语音识别输入格式FAQ
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：PCM编码（无压缩的PCM或WAV文件）、WAV、OPUS、AMR格式单声道（mono）音频文件，16 bit采样位数。音频采样率：8000 Hz、16000 Hz。时长限制：...
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
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...
调用方式
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，您可以通过发送HTTP GET请求调用智能语音导航API。其请求结构如下：http://Endpoint/?Action=xx&Parameters 其中：Endpoint：智能语音导航API的服务接入...
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...
SDK FAQ
如果传入的文本没有采用UTF-8编码，在文本中含有中文字符时，语音合成SDK调用start函数会失败，返回错误信息 Socket recv failed,errorCode:0。错误码为0表示服务端已经关闭了连接，此时应检查传入的文本是否采用UTF-8编码。C++ SDK如何...
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
ASR中一句话识别和录音文件极速版支持OPUS数据，实时语音转文字仅支持PCM编码、16 bit采样位数、单声道（mono）。具体详情请参见 接口说明。在模拟器上运行下载的Android Demo程序，语音合成功能正常，但一句话识别功能单击“开始”后，...
Android SDK
ASR中一句话识别和录音文件极速版支持OPUS数据，实时语音转文字仅支持PCM编码、16 bit采样位数、单声道（mono）。具体详情，请参见 接口说明。调用Android SDK时，手机报错提示“audio recoder not init”如何解决？您可以通过以下方式排查...
智能语音交互呼入回调HTTP接口
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接口的请求示例、返回示例与对应参数请参见：首次呼入回调 后续呼入回调 说明 首次呼入时，请求参数中的content_type为callin，...
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
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...
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 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，详情请参见 接口说明。该...
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...
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？...
C++ Demo
本文介绍了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。前提条件 当前最新版本：1.2.2。发布日期：2018年11月14日。使用SDK前，请先阅读接口说明，详情请参见 接口说明。已开通智能语音交互并获取AccessKey...
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...
功能特性
PCM编码（无压缩的PCM或WAV文件）、WAV、OPUS、AMR格式单声道（mono）音频文件，16bit采样位数 Java/C++/Python/C#Go/Node.js/RestfulAPI/Android/iOS/微信小程序 最大2个并发 资源包购买 实时语音识别 实时 识别长时间的语音数据流。...
接口说明
语音合成提供将输入文本合成为语音二进制数据的功能。功能介绍 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既能够提供全链路的语音能力，同时可做原子能力SDK进行使用，并保持接口的统一。语音合成功能支持...
RESTful API
语音合成RESTful API支持HTTPS GET和POST两种方法的请求，将待合成的文本上传到服务端，服务端返回文本的语音合成结果，开发者需要保证在语音合成结果返回之前连接不中断。功能介绍 支持如下设置：PCM、WAV、MP3音频格式。8000 Hz、16000 ...
Android SDK开发指南
生活物联网平台提供Android版本的设备端Link Visual SDK，您可以基于该SDK开发Link Visual视频设备的直播、点播、语音对讲、抓图等功能。Android设备端Link Visual SDK依赖如下。依赖SDK 概述 Link Kit Android SDK 提供设备与云端的双向...
接口说明
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、1个英文字母、1个标点或1个句子中间空格均算作1个字符，...
计费说明
语音合成的计费调用次数按照每次请求传入的字符数（UTF-8编码。1个汉字、英文字母、全半角标点符号均算1个有效字符。SSML标签不算作字符。作为统计依据：100个字符内（含100个）记为1次计费调用；每超过100个字符增加1次计费调用，且1次...
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
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...
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。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进行使用，并保持...
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...
自动化测试
创建自动化测试任务 登录 智能语音交互控制台。在左侧导航栏单击 自动化测试，在 自动化测试 页面单击 创建任务。在 创建任务 面板中，填写任务名称，注意不能与现有的任务名称重复。选择或者上传测试集。目前支持 上传标注测试集、仅上传...
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...
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...
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...
语言模型
以文本文件方式保存，使用UTF-8编码，无BOM头；语料文件大小在1MB-20MB，文本过少可能导致训练失败，过多会导致超限。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（不是字节）。文本中的数字最好按照发音...
- 产品推荐
- 这些文档可能帮助您