录音音量 setRecordingVolume 调整采集推出去的音频音量。播放音量 setPlayoutVolume 设置远端推流的音频播放音量。停止发布本地音频 muteLocalMic 该接口推空音频帧，音频正在采集的，还能听到耳返的声音。停止播放远端音频 ...
video 视频 image 图片 audio 音频 video Input string 是 需要入库的视频、音频或图片文件的地址。说明：请确认您的文件名正确且所在 Bucket 与接口调用地域一致，否则可能导致找不到文件或接口调用失败。OSS 地址：oss:/[Bucket 名称]/...
音频数据通过回调中audioSample参数返回，数据格式为PCM数据，目前SDK支持输出不同环节的音频数据，回调中通过type参数指明当前回调音频数据类型。具体含义如下：AliRtcAudiosourceRawData：本地采集的原始音频数据。AliRtcAudiosourcePub...
需要停止接收视频裸数据时，调用接口unRegisterAudioObserver关闭音频数据输出，停止类型需要对应步骤2中注册输出的音频数据类型。停止本地采集音频数据输出，停止类型需要对应步骤2中注册输出的音频数据类型AliAudioType pEngine->...
阿里云推出互动直播语聊房的方案，支撑多人语聊、相亲、电台、游戏互动等玩法，方便开发者快速接入，为客户提供低开发成本、稳定可靠、多平台互通、高音频的语聊服务。方案优势 优势 描述 低延迟实时互动 依托阿里云GRTN品牌网络，全球覆盖...
支持的音频采样率：16000 Hz、8000Hz。支持的单次会议时长：24小时。支持设置返回结果：是否返回中间识别结果。支持设置多语言识别：中文、英文、粤语、中英自由说（长段中英混）。支持设置开启翻译：翻译目标语言为中文、英文、中文&英文...
使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：阿里云RTC会将音频数据发送至音频识别SDK中。音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK...
audioTrack RemoteAudioTrack 如果成功订阅了远端用户的音频，这里会保存远端的音频轨道对象。auxiliaryTrack RemoteVideoTrack 如果成功订阅了远端用户的桌面共享，这里会保存远端的桌面共享视频轨道对象。hasAudio boolean 远端当前是否...
audioTrack AliRtcAudioTrack 远端用户发生变化后的音频流。videoTrack AliRtcVideoTrack 远端用户发生变化后的视频流。onAliRtcStats：实时数据回调（2s触发一次）。void onAliRtcStats(AliRtcStats stats);参数 类型 描述 stats ...
首声道 中、英、粤、日、韩、中英自由说 中文 不分离、2人、多人 每小时 约3-4分钟 整体返回转写结果及时间戳 Java、Python、GO OSS地址 大模型相关能力（前置功能：语音转写）功能 最小字数 限制 对应最小 音频时长 最佳效果的音频时长 ...
说明 投递音频裸数据的频率由应用方控制，每次投递数据量不要超过 240ms 的音频数据量，建议每次投递 20ms 的音频数据，保持循环投递直到结束。当输入数据频率过快，SDK 缓存已满暂时无法消费数据时，将丢失输入音频数据。与视频输入一致，...
说明 可以通过设置每个轨道的outputAudioReferenceTrack及outputAudioWeight指定输出视频的音频使用。视频的时长的设置，如果轨道都设置了outputDurationReferenceTrack=YES，以轨道的创建先后为准，后创建的会覆盖前一个。给轨道添加视频...
说明 可以通过设置每个轨道的outputAudioReferenceTrack及outputAudioWeight指定输出视频的音频使用。视频的时长的设置，如果轨道都设置了outputDurationReferenceTrack=YES，以轨道的创建先后为准，后创建的会覆盖前一个。给轨道添加视频...
终端用户通过云电脑共享屏幕（例如远程协助），不支持被共享者查看通过 媒体重定向 播放的音频或视频内容。终端用户通过双屏使用云电脑时，拓展屏不支持通过 媒体重定向 功能播放音频或视频文件。多个终端用户通过不同的客户端连接同一台云...
无效的音频采样率 音视频文件转写支持的音频采样率8K/16K/24K/48K，具体参考 输入要求。TSC.AudioDuration Audio duration exceeded.音频文件时长超限 音视频文件转写限制输入音视频时长不超过6小时，具体参考 输入要求。TSC.AudioFileLink...
3.0.0 createClient()创建一个客户端实例以进行 RTC 通信 3.0.0 createCustomAudioTrack()创建一个自定义的音频轨道。你可以使用这个方法将自己维护的 MediaStreamTrack 转换成一个可以用于 SDK 的音频轨道。3.0.0 createCustomVideoTrack...
删除未使用的音频。文件 单击 文件上传，上传文件。设置文件名称和缩略图，单击 保存。说明 在文件列表界面，将鼠标移至文件上，单击对应按钮进行如下操作：查看文件，在文件界面可下载或打印文件。复制文件链接。复制素材编码。编辑文件...
Web RTS SDK不支持含B帧的视频和AAC编码的音频。如果您的视频包含B帧或音频为AAC编码，请先进行转码，播放地址为转码流地址。关于如何转码，请参见 RTS转码。单击 开始拉流，播放RTS直播流。说明 如果在播放过程中出现播放异常等问题，可...
每个声卡最多支持的音频设备节点数，默认5，可按照实际需要修改package.yaml配置如：def_config:AOS_SNDCARD_DEVICE_NUM_MAX:5 API说明 参考 a2sa_pcm_api 参考 a2sa_mixer_api 使用示例 组件使用示例相关的代码下载、编译和固件烧录均依赖...
视频实时直播字幕 现场演讲场景、实时直播场景下，将视频中的音频实时转写为字幕，还可以进一步对内容进行管理。实时会议记录 将会议、法庭庭审中的音频实时转写为文字，辅助会议记录工作，同时适用于电视会议等远距离场景。实时客服记录 ...
AliRtcRecordFormat 录制格式 AliRtcAudioQuality 录制音频文件的音频质量。AliRtcVideoQuality 录制视频文件的视频质量。AliRtcTranportAudioQuality 音频质量。AliRtcAudioProfile 音频质量模式。AliRtcAudioScenario 音频场景模式参数。...
支持的音频采样率：8000Hz/16000Hz。支持设置返回结果：是否返回中间识别结果，在后处理中添加标点，将中文数字转为阿拉伯数字输出。支持设置多语言识别：在控制台编辑项目中进行模型选择，详情请参见 管理项目。鉴权 服务端通过临时Token...
2.1 AliRtcRecordFormat 录制格式 2.1 AliRtcAudioQuality 录制音频文件的音频质量。2.1 AliRtcVideoQuality 录制视频文件的视频质量。1.17 AliRtcTranportAudioQuality 音频质量。2.1 AliRtcAudioProfile 音频质量模式。2.1 ...
关键特性 阿里云RTC的关键特性如下所示：特性 说明 音频3A 行业优秀的音频3A（AGC、AEC、ANS），支持针对人声、乐器等场景定制化调优。多分辨率视频 多分辨率的视频分层编码，支持480P及以下、720P及以下、1080P及以下（特定设备）。弱网...
对于输入音频有以下限制：音频文件大小不超过10MB 音频的时长不超过30s 输入的音频格式支持主流的 amr,wav(CodecID:GSM_MS),wav(PCM),3gp,3gpp,aac,mp3 等等，大部分常见编码的音频格式通义千问Audio都可以解析并进行音频理解。模型概览 ...
{"HttpCode":200,"Data":"1508592","Success":true} 提交合成，VoiceName需要与音频检测时传递至云端的一致，云端依赖此参数寻找暂存的音频进行训练。无 Gender 性别，取值范围如下：female：女性 male：男性 Scenario 场景，取值范围如下...
发布流时长 统计时间段内所有用户发布的音频流、视频流的总时长。说明 视频通话中包含音频与视频时，仅按视频统计。订阅流时长 统计时间段内所有用户订阅的音频流、视频流的总时长。说明 视频通话中包含音频与视频时，仅按视频统计。房间数...
本文主要介绍如何在Windows系统的ECS实例内设置音频的方法。操作步骤 说明 ECS实例不支持声卡应用，可以使用Windows系统的远程桌面功能设置音频。请参考以下操作通过使用Windows系统的远程桌面功能设置音频。远程连接Windows实例。具体操作...
对于输入音频有以下限制：音频文件大小不超过10MB 音频的时长不超过30s 输入的音频格式支持主流的 amr,wav(CodecID:GSM_MS),wav(PCM),3gp,3gpp,aac,mp3 等等，大部分常见编码的音频格式通义千问Audio都可以解析并进行音频理解。模型概览 ...
2024年4月 SDK名称 操作系统/语言 版本号 更新描述 发布时间 相关文档 LinkVisual视频Media SDK Android 2.7.2-ilop 点播主动stop停止后不会再触发onComplete回调 修复特定手机上可能存在的音频播放声音异常的问题 修复硬解码下可能存在的...
声伴分离 MusicDemix 识别音频中的人声和伴奏，快速分离成两个独立的音频文件。适用于卡拉ok的清唱、伴奏提取，任意音频的背景音提取，满足音频素材获取、后期制作、声音剪辑等需求。支持的地域 地域详细说明请参见 服务地域。费用 功能 ...
取消订阅全部的远端视频流 订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO...
取消订阅全部的远端视频流 订阅特定用户的音频流和视频流 当已取消订阅所有的音频流和视频流之后，如果您需要订阅某个远端用户的音频流和视频流，可以通过调用以下接口实现（如果需要取消订阅此远端用户的音频流和视频流，参数sub传入NO...
音频管理 音频主要用于IVR流程中的背景音部分。例如欢迎语，信息播报等。云联络中心提供音频的上传，自动转码，试听和下载。音频免费存储，无需任何额外费用。IVR流程 提供图形化的IVR流程创建，您可轻松以拖拽的方式设置不同的IVR流程。...
通义千问Audio 说明 支持的领域/任务：aigc 通义千问Audio是阿里云研发的大规模音频语言模型。通义千问Audio可以以多种音频(包括说话人语音、自然音、音乐、歌声）和文本作为输入，并以文本作为输出。通义千问Audio模型的特点包括：1、全...
通义千问Audio 说明 支持的领域/任务：aigc 通义千问Audio是阿里云研发的大规模音频语言模型。通义千问Audio可以以多种音频(包括说话人语音、自然音、音乐、歌声）和文本作为输入，并以文本作为输出。通义千问Audio模型的特点包括：1、全...
通义听悟已经与阿里云盘打通，存储在阿里云盘中的音频视频内容都可以导入通义听悟进行AI的分析和理解。全文概要 通过大语言模型强大的理解能力，提炼出忠实于原文的摘要，全文概要用两三百字的篇幅将最重要的信息呈现在你的面前。章节速览 ...
接入生产制作服务 通过API接入 功能类型 描述 参考文档 视频剪辑 通过配置剪辑合成接口中的 Timeline 参数（JSON格式），描述视频、图片、音频、字幕的开始和结束时间、样式、处理效果等。创建剪辑合成任务代码示例 剪辑制作API 模板工厂...
不同的音频编码格式和封装格式，支持的音频采样率不同。本文为您介绍媒体处理的采样率支持情况。当Output.Audio.Codec为非MP3的其他格式时，音频采样率支持情况如下：音频采样率/编码格式 AAC AC3/EC3 FLAC OPUS Vorbis WMA PCM(S16BE)8000...
多模态 多模态 按时长计费 包含视频PPT提取及PPT摘要功能 翻译 实时翻译 按翻译音频的时长计费 根据实际翻译音频的时长计费。费用与实时会议记录叠加统计。使用中英自由说翻译目标语言为中文+英文时，计费时长翻倍。离线翻译