SDK功能及相关个人信息 功能 采集个人信息字段 个人信息采集目的 功能配置方案及示例 语音离线唤醒和离线语音合成 设备型号 用于离线功能的统计和计费 无 SDK合规初始化配置方案/*向服务端发起交互请求*@param vad_mode:多种模式，对于识别...
3.1.1 语音合成的编辑功能 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。同时文本输入框集成了情绪化音色的编辑能力，可在编辑器中选中某段...
类别 兼容范围 系统 支持 HarmonyOS Next 5.0 版本，API LEVEL 12,DevEco Studio版本号 5.0.3.403 架构 arm64-v8a 此SDK还包含如下功能：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 流式文本语音合成...
目前支持编辑纯文本（包括中文、英文、标点符号等等），也支持编辑JSON...SSML合成表示SSML是控制语音合成节奏和发音的语法，详见 SSML标记语言介绍。API接入情况 如果用户的机器人使用 API 接入，那么在这里只需要关注回传哪些参数变量即可。
1.3 智能语音交互服务：指阿里云面向客户方提供的语音识别以及语音合成等服务。1.4 业务数据：指您使用智能语音交互服务进行识别、合成或其他方式处理的原始数据。1.5 本服务：指智能语音交互服务的试用版本。1.6 阿里云官网：指阿里云官方...
类别 兼容范围 系统 支持 HarmonyOS Next 5.0 版本，API LEVEL 12,DevEco Studio版本号 5.0.3.403 架构 arm64-v8a 此SDK还包含如下功能：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 流式文本语音合成...
易接入、易调试：您可以将AI组件（如语音转文字、大模型、语音合成、自研向量数据库等）以插件的形式整合到工作流中，从而迅速开展业务，并在此过程中便捷地对整体技术方案进行调试。高度拟人化：阿里云通过持续迭代和优化智能降噪、智能...
易接入、易调试：您可以将AI组件（如语音转文字、大模型、语音合成、自研向量数据库等）以插件的形式整合到工作流中，从而迅速开展业务，并在此过程中便捷地对整体技术方案进行调试。高度拟人化：阿里云通过持续迭代和优化智能降噪、智能...
仅上传文本 文本测试集适用于没有音频数据，只有文本语料数据的场景，我们会通过语音合成帮您合成相应的音频数据构造标注好的测试集。要求如下：请上传1个文本文件，仅支持TXT格式（UTF-8无BOM编码）。请不要携带标点符号，每行不超过300字...
接口说明 该接口是针对有定制化视频合成样式的需求使用，正常的视频合成任务请直接使用：提交 3D 文本合成视频任务、提交 3D 语音合成视频任务、提交 2D 文本合成视频任务、提交 2D 语音合成视频任务即可。调试 您可以在OpenAPI Explorer中...
cd build/demo./stDemo 关键接口 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 getInstance 2.x ...
易接入、易调试：您可以将AI组件（如语音转文字、大模型、语音合成、自研向量数据库等）以插件的形式整合到工作流中，从而迅速开展业务，并在此过程中便捷地对整体技术方案进行调试。高度拟人化：阿里云通过持续迭代和优化智能降噪、智能...
工作流覆盖参数 enableIntelligentSegment Bool 智能断句开关 asrConfig ARTCAICallAgentAsrConfig 语音识别配置 ttsConfig ARTCAICallAgentTtsConfig 语音合成配置 llmConfig ARTCAICallAgentLlmConfig 大语言模型配置 avatarConfig ...
工作流覆盖参数 enableIntelligentSegment Bool 智能断句开关 asrConfig ARTCAICallAgentAsrConfig 语音识别配置 ttsConfig ARTCAICallAgentTtsConfig 语音合成配置 llmConfig ARTCAICallAgentLlmConfig 大语言模型配置 avatarConfig ...
数字员工中TTS音色支持音色划分 描述：在数字员工场景中，使用TTS语音合成服务时，对于选择大模型、千问、克隆音色时，需要提前了解具体类目下拥有什么音色，以及使用者造成很大的困扰，效率影响，为了方便用户选择对应的音色，现阶段支持...
目前支持编辑纯文本（包括中文、英文、标点符号等等），也支持编辑JSON...SSML合成表示SSML是控制语音合成节奏和发音的语法，详见 SSML标记语言介绍。API接入情况 如果用户的机器人使用 API 接入，那么在这里只需要关注回传哪些参数变量即可。
cd build/demo./srDemo 关键接口 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 getInstance 2.x ...
2.支持范围 重要 使用SSML需要符合阿里云语音合成服务的SSML标记语言规则，关于该语言规范要求可以参考阿里云语音合成服务《SSML标记语言介绍》，示例：speak 需要调用SSML标签的文本/speak，目前平台仅支持以下标签。标签 作用 示例 提示 ...
本文档说明CosyVoice大模型在中小学数学场景中对Latex公式的语音合成支持能力。使用场景 中小学数学教学场景。支持的语种 仅支持中文。支持的模型 当前仅支持cosyvoice-v2模型。使用方式 在待合成文本中，使用 \ 或$标签将Latex公式内容...
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...
说明 语音合成相关的参数，如TTS声优、语速、音量，可以在智能外呼控制台中进行配置；更多智能外呼具体功能及使用介绍请参考《操作指南》。下发呼叫任务：在智能外呼控制台中通过上传Excel名单的方式下发任务、或调用智能外呼的OpenAPI接口...
实时语音合成模型 录音文件识别模型 实时语音识别模型 音视频翻译模型 全模态模型 全模态模型 Token 文本部分按 Token 数，其他模态（音频、图像、视频）按对应的 Token 数计费。实时多模态模型 向量模型 多模态向量模型 Token 按输入文本...
则必须app_key、ak_id和ak_secret，或app_key、sts_ak_id、sts_ak_secret和sts_token/若使用在线功能(语音合成、实时转写、一句话识别、录音文件转写等),则只需app_key和token JSONObject object=Auth.getTicket(Auth.GetTicketMethod.GET_...
智能配音 不区分 0.0035元/次 计费规则：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，一个汉字、英文字母、全半角标点符号均算一个有效字符）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...
客户端在接收到传入的文本内容后，即刻启动语音合成技术，将文本转化为语音并进行播报，使得信息以语音形式清晰传达给用户。应用场景 在智能家居设备应用场景中，如智能家具设备，用户通过手机应用或语音助手对智能家居设备发出指令后，如...
则必须app_key、ak_id和ak_secret，或app_key、sts_ak_id、sts_ak_secret和sts_token/若使用在线功能(语音合成、实时转写、一句话识别、录音文件转写等),则只需app_key和token JSONObject object=Auth.getTicket(Auth.GetTicketMethod.GET_...
适用模型 因地域而异：北京：实时语音合成（CosyVoice）：cosyvoice-v3-plus、cosyvoice-v3-flash、cosyvoice-v2、cosyvoice-v1 实时语音合成（Qwen-TTS-Realtime）：qwen3-tts-flash-realtime、qwen3-tts-flash-realtime-2025-09-18、qwen...
以上费用包括智能外呼控制台、语音识别、语音合成及基础自然语言处理（NLP）对话能力（仅当使用外呼画布时）。另外，支持对接智能对话机器人（云小蜜），以使用更多高级NLP能力，详情请垂询钉钉群：29130028336。提供 预付费并发计算器，在...
则必须app_key、ak_id和ak_secret，或app_key、sts_ak_id、sts_ak_secret和sts_token/若使用在线功能(语音合成、实时转写、一句话识别、录音文件转写等),则只需app_key和token[_utils getTicket:ticketJsonDict Type:get_token_from_server...
CosyVoice2.0是阿里巴巴达摩院自研的新一代高保真语音合成模型，具备语音克隆功能，仅需30秒以内的Prompt音频即可克隆目标音色，支持跨语种复刻。适用于客服对话、有声书朗读、短视频配音等多种场景。阿里云PAI-EAS基于该模型封装并集成了...
3D数字人视频合成服务为您提供 输入文本 以及 输入音频 合成为3D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。功能介绍 形象配置 支持选择不同3D数字人形象，并进行装扮。具体可参考：配置数字人形象 支持通过参数指定...
则必须app_key、ak_id和ak_secret，或app_key、sts_ak_id、sts_ak_secret和sts_token/若使用在线功能(语音合成、实时转写、一句话识别、录音文件转写等),则只需app_key和token[_utils getTicket:ticketJsonDict Type:get_token_from_server...
语音项目名称：在该IVR流程中，将使用选择的模型进行语音合成，现在只有 默认语音模型。具体语音的选择可单击右侧的 语音设置 进行选择配置。添加放音模块 首先添加放音模块，用作播放欢迎语，在主流程中默认使用，各模块详情可参见 IVR...
语音答案：对话能力可以通过语音合成技术，将文本转换为自然流畅的语音回答。当用户提出符合触发条件的问题时，对话能力会将设定的文本回答转换为语音，并以语音的形式回答用户。条件回复：在机器人问答配置中，可以根据特定的用户标签...
翻译后的文本可以通过语音合成技术生成目标语言的语音，并替换原视频中的语音。创建视频翻译任务 登录 EchoMind。在左侧导航栏选择 媒体处理 视频翻译。在 视频翻译 页签下，单击 创建任务 按钮进入到 创建视频翻译任务 页面。根据页面提示...
开启语音合成成功 OnStartTtsSuccess（见被调接口 64）。开启语音合成失败 OnStartTtsFailed（见被调接口 65）。语音合成结果 OnTtsResult（见被调接口 66）。录制相关。录制默认参数调整（见主调接口 3、21）。如果 recordTotalStream=0，...
AICallAgentShareConfig 智能体分享配置信息 AICallAgentConfig 通话智能体启动与运行配置 AICallAgentAsrConfig 语音识别配置 AICallAgentTtsConfig 语音合成配置 AICallAgentLlmConfig 大语言模型配置 AICallAgentAvatarConfig 数字人...
AICallAgentShareConfig 智能体分享配置信息 AICallAgentConfig 通话智能体启动与运行配置 AICallAgentAsrConfig 语音识别配置 AICallAgentTtsConfig 语音合成配置 AICallAgentLlmConfig 大语言模型配置 AICallAgentAvatarConfig 数字人...
易接入、易调试：您可以将AI组件（如语音转文字、大模型、语音合成、自研向量数据库等）以插件的形式整合到工作流中，从而迅速开展业务，并在此过程中便捷地对整体技术方案进行调试。高度拟人化：阿里云通过持续迭代和优化智能降噪、智能...
超拟人音色与克隆：通义语音合成大模型提供情感丰富、拟人度高的多种音色；支持声音复刻，仅需一句话即可复刻用户音色，应用场景更灵活。高效低耗交互“硬件+AI”一体设计：端侧SDK无缝连接摄像头/麦克风输入与大模型。端侧算法增强：提供...