本文提供一个项目示例代码，旨在演示如何集成 ASR（自动语音识别）、LLM（大语言模型）和 TTS（语音合成）三大核心能力，构建智能语音对话系统。准备环境和代码 请先在本地或开发服务器上完成环境准备和项目示例代码获取。重要 本项目要求 ...
您可在 千里传音语音播报服务的 分享语料管理页面，获取 分享码。IotInstanceId String 否 iot-2w*实例ID。您可在物联网平台控制台的 实例概览页面，查看当前实例的 ID。注意 若有ID值，必须传入该ID值，否则调用会失败。若无 实例概览页面...
在答案配置中支持对机器人语音播报读法、停顿进行标记。（注：此功能仅支持对话机器人应用到阿里云外呼机器人和语音导航产品中使用）全局测试窗：新增超时调试 对话调试窗增加模拟用户静默超时动作，可调试机器人静默超时回复内容。首页-...
目前支持对部分语言的翻译结果进行实时语音播报：翻译语言为中文或英文：使用用户指定的音色播报 翻译语言为日文或韩文：使用系统默认的音色播报 设置方式 要开启语音播报能力，请在管控台语音翻译Agent选项中勾选“翻译语音”。...
合成使用：指基于已经定制训练的数字化形象模型，通过文本或语音驱动其自动生成播报视频。下文会具体为您介绍，如何定制数字人形象以及如何使用已定制数字人形象进行合成使用。定制数字人形象 智能生产制作提供仿真数字人形象定制服务，...
租户级Namespace即相同租户的不同项目之间可共用（当前系统自动创建，暂不提供自行创建）。当创建一个项目之后，系统会自动创建一个默认租户级的Namespace。项目级Namespace即不同项目之间相互独立。由租户自行创建。创建Namespace 创建...
名称由系统自动生成，格式为 auto-create-for-实例ID。大小 默认为20 GiB，可以自定义设置大小。默认为30 GiB。如果创建ECI实例时声明了临时存储空间，则镜像缓存大小=30 GiB+临时存储空间大小。保留时长 默认永久保留，可以自行设置保留时...
名称由系统自动生成，格式为 auto-create-for-实例ID。大小 默认为20 GiB，可以自定义设置大小。默认为30 GiB。如果创建ECI实例时声明了临时存储空间，则镜像缓存大小=30 GiB+临时存储空间大小。保留时长 默认永久保留，可以自行设置保留时...
名称由系统自动生成，格式为 auto-create-for-实例ID。大小 默认为20 GiB，可以自定义设置大小。默认为30 GiB。如果创建ECI实例时声明了临时存储空间，则镜像缓存大小=30 GiB+临时存储空间大小。保留时长 默认永久保留，可以自行设置保留时...
在 续费 页面，选择您要续费的时长，系统自动显示您所选时长后的到期时间。单次续费时长最少1个月，最多3年，到期后可以再次续费。确认信息无误后，选中 CPFS包年包月服务协议，单击 立即购买，根据页面提示完成支付。自动续费 创建包年...
当您的系统检测到服务器出现异常，或者物联网等设备出现异常时，可以通过语音通知功能，以语音电话的形式，给告警处理人拨打电话，电话将播报您预先申请的语音通知模板中的内容，在语音通知模板中，您也可以添加变量，从而在实际使用时替换...
CosyVoice声音复刻服务基于生成式语音大模型，使用10~20秒音频样本即可生成高度相似且自然的定制声音，无需传统训练过程。声音复刻与语音合成是前后关联的两个步骤。本文档聚焦于介绍声音复刻的参数和接口细节，语音合成请参见 实时语音...
demo是用语音文件模拟实时语音流的速度发送语音，通常一次发送间隔时间为100ms或200ms（sleepInterval）的语音数据，数据量（batchSize）和采样率有关：发送间隔过大，会导致延迟较大，容易断连；发送间隔过小，会消耗服务端和网络资源。...
2025-04-10 绝对定位与视口定位 语音播报 支持阿里云智能语音交互的文字转语音功能。2025-04-10 文字转语音（阿里云智能语音交互）域名配置流程优化 支持自动化配置 2025-04-10 环境和域名 域名备案码 订阅和续费魔笔服务，免费提供域名...
byWords 1 因为识别到特定词 byVoice 2 因为语音打断 byInterruptSpeaking 3 因为调用了API：interruptSpeaking bySpeechBroadCast 4 因为主动语音播报打断 byLlmQuery 5 因为主动LLM查询打断 AICallVoiceprintResult Vad反馈结果 枚举值 ...
byWords 1 因为识别到特定词 byVoice 2 因为语音打断 byInterruptSpeaking 3 因为调用了API：interruptSpeaking bySpeechBroadCast 4 因为主动语音播报打断 byLlmQuery 5 因为主动LLM查询打断 AICallVoiceprintResult Vad反馈结果 枚举值 ...
具体更新能力如下：引擎问答阈值配置【入口】机器人管理-问答策略管理-引擎问答阈值配置 重听产品化【入口】外呼导航机器人管理-问答策略管理-重听话术配置 重听作为语音场景下，当用户没听清机器人内容时自动触发的再次播报的功能，本次...
语音转文本时，系统会自动将录音分为两个对话角色，但是出于一些客观因素系统无法准确识别哪个角色为客服，所以需要您根据文本内容来手工设置，选出哪一方为客服，则另一方即为客户。准确的进行话者角色配置非常重要，因为我们进行质检分析...
枚举值 值 描述 unknown 0 未知原因 byWords 1 因为识别到特定词 byVoice 2 因为语音打断 byInterruptSpeaking 3 因为调用了API：interruptSpeaking bySpeechBroadCast 4 因为主动语音播报打断 byLlmQuery 5 因为主动LLM查询打断 ...
枚举值 值 描述 unknown 0 未知原因 byWords 1 因为识别到特定词 byVoice 2 因为语音打断 byInterruptSpeaking 3 因为调用了API：interruptSpeaking bySpeechBroadCast 4 因为主动语音播报打断 byLlmQuery 5 因为主动LLM查询打断 ...
BySpeechBroadCast 因为主动语音播报打断 ByLlmQuery 因为主动LLM查询打断 ARTCAICallAudioProfile 音频编码配置 枚举名 描述 ARTCAICallAudioLowQualityMode 音频低音质模式，默认8000Hz采样率，单声道，最大编码码率12kbps ...
BySpeechBroadCast 因为主动语音播报打断 ByLlmQuery 因为主动LLM查询打断 ARTCAICallAudioProfile 音频编码配置 枚举名 描述 ARTCAICallAudioLowQualityMode 音频低音质模式，默认8000Hz采样率，单声道，最大编码码率12kbps ...
录音上线、审核流程自动化 支持MP3、WAV等常见音频文件格式，并自动转为8k16bit格式 自动切除头尾空白音、自动降噪 使用方法 录音的创建 在场景管理中（必须是语音对话引擎3.0版本下），可以找到【录音管理】标签页。点击右上角【添加录音...
语音IVR（Interactive Voice Response，交互式语音应答）通过调用API向指定号码发起呼叫，呼叫被应答后，播放一段指定音频，用户根据音频引导，通过手机按键信息返回意图，语音平台通过消息回执返回按键信息给企业业务系统。通过IVR交互...
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。本文档介绍了当前目录下各SDK文档的通用信息。返回语音合成产品详情页 计费和并发限制 语音合成提供试用版和商用版两种计费模式，详情请参见 试用版和商用版。如果您需要将试用版...
产品使用 阿里云语音服务提供多种功能产品，包含语音通知、语音验证码、语音互动、智能语音交互及智能语音机器人，可以根据使用场景或业务优势选择不同的语音产品。功能 功能介绍 使用方式 说明 语音通知/语音验证码 向指定号码发起语音...
未启用机器人自动接待 欢迎语：指用户首次进线后，系统自动发送的欢迎语。支持自定义修改。非工作时间欢迎语：指在非人工坐席工作时间内，转人工后系统自动回复的内容。支持自定义修改。转接提示：指在进行转接人工播报的话术，正常自定义...
千里传音语音播报服务与播报设备之间使用阿里云物联网平台的物模型进行消息通信。通过服务调用、属性上报、事件上报等方式，实现千里传音与播报设备之间的交互，完成智能语音播报。背景信息 物模型是物联网平台为产品定义的数据模型，主要...
语音算法服务拆分为语音合成与语音识别 描述：将大模型场景与小模型场景中【语音&VUI】的语音算法能力拆分成语音合成和语音识别服务配置，方便客户对ASR和TTS的自定义选择。大模型场景支持第三方语音ASR识别服务 描述：大模型场景支持第三...
超时提示音：收音超时后停止录音、并播放该提示音，播放结束后系统自动挂断。挂机原因模块 该模块主要是用于细化挂机原因，一般用于需要进行对挂机原因进行分析的用户所使用。模块名称：可自定义填写。挂机原因：如上面截图所示，目前一共...
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 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 听悟实时推流 是 以arkts HAR包的形式进行集成。解压压缩包，其中entry/...
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 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 听悟实时推流 是 以arkts HAR包的形式进行集成。解压压缩包，其中entry/...
离线语音合成是指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。产品体验 更多合成效果可至 离线语音合成产品详情页 进行体验。功能介绍 离线语音合成主要包括以下功能，暂不支持多实例调用。提供语速调节...
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。说明 语音合成产品详情页 仅提供大部分音色试听，若详情页没有您想要的音色试听，请通过接口文档进行调用试听。接口文档请参见 Java SDK、C++ SDK。计费...
智能体主动完成任务后挂断：当智能体已完成信息确认、订单创建等业务目标，可携带结束语进行播报并自动挂断，实现自然收尾。业务规则驱动的智能转呼：当用户需求超出当前智能体服务能力范围时，智能体可依据预设策略进行人工转呼。实现方案...
语音播报打断表示当机器人播报话术的时候，允许用户说话打断机器人发言。静音检测配置表示可配置当前轮次下，用户端音频静默多少毫秒之后，会被截断成一句话。按键录入表示当选择此项之后，用户的下一轮交互通过键盘按键收集。其中语音播报...
应用场景 课后口语作业 学生可以完成老师布置的中英文口语课后作业，由系统自动评分。这种方式不仅减轻了教师批改作业的负担，还为学生提供了即时反馈，有助于他们及时发现并改正发音方面的问题。考试测评 在中高考英语听说考试中，口语...
语音识别：支持使用阿里云百炼的语音识别模型，包括Gummy实时语音识别、Paraformer实时语音识别、多模态交互轻量版语音识别、Fun-ASR实时语音识别以及通义千问3-ASR-Flash-Realtime。语音合成：支持使用阿里云百炼的语音合成CosyVoice-v2大...
在自定义动作时，也可以点击"推荐插入"，此时系统将会自动将推荐的动作插入文本中，用户可以在此基础上再次对动作进行修改；（2）智能动作，点击后不会在编辑器中显示动作标签，算法将会根据语义，在合成过程中匹配合适的动作。3.2 音频...
效果预览：提供实时预览功能，可以通过发送文本驱动数字人进行播报（针对客服助理场景还提供了语音交互体验能力），查看对应的数字人播报效果，以及数字人位置、字幕、背景图等效果。效果不满意，可以重新修改配置信息，并再次点击“保存并...