智能语音交互_语音识别系统_自然语言处理-阿里云
最新活动
产品
解决方案
云市场
合作伙伴
支持与服务
开发者
了解阿里云
搜索产品或内容
中国站
文档
备案
控制台
登录
立即注册
< 查看全部产品
智能语音交互
基于语音识别、语音合成、自然语言理解等技术，实现“能听、会说、懂你”式的智能人机交互体验，适用于智能客服、质检、会议纪要、实时字幕等多个企业应用场景。
超精准端到端语音识别产品，“识音石”V1重磅上线！
开通并购买
管理控制台
在线专家咨询
产品定价
快速开始
开发指南
功能体验
产品优势
产品功能
产品规格
相关产品
应用场景
产品动态
文档与工具
最新活动
重磅更新
超精准端到端语音识别产品，“识音石”V1重磅上线！
新客福利
智能语音新客专享，3个月免费体验！
云上特惠
语音自学习平台—一键式自主语音优化方案，公共云永久免费！
近期重要功能
重磅来袭
离线语音合成重磅发布，限时申请免费体验！
重磅来袭
全新售卖方式，智能语音按路售卖重磅开启！
重磅更新
10秒内完成30分钟音频文件转写，极速版重磅上线！
功能体验
语音识别
语音合成
识别语言
普通话
英语
粤语
0:00
/1:00
点击“话筒”开始录音，请对我说你想说的话，我可以识别你说的内容哦～
请允许浏览器获取麦克风权限
您同意我们将您的语音数据用于此功能体验，并且我们不会将其用于其他用途。我们将依法处理您的语音数据，并在您体验结束后尽快删除。
识别结果
产品优势
定制识别及发音
语音识别可提供所需场景的音频及标注文件，定制专属识别模型，进一步提升识别准确率。 语音合成支持定制各种类型的男/女/童声，或学习说话人声音，可用于客服、阅读、虚拟人等场景
易接入
管控台可视化进行项目、场景、功能配置及自学习
并提供API和多种SDK，接入成本极低
识别准
数年持续提升准确率，与淘宝、菜鸟、高德使用一套服务
处理快
低时延、秒级处理返回语音识别或合成结果
产品功能
语音识别
自研的SAN-M模型
摒弃传统模型模块多系统复杂的缺点，在客服、直播、会议、输入法、教育、交互识别等场景下，准确率较传统模型提升10%-30%
多语种支持
支持粤语、四川话等20余种方言的识别，支持英语、日语等10余种语种识别
多产品形态
支持录音文件识别、实时语音识别、一句话识别，可供用户自行上传数据，对阿里的语音技术进行深度定制，从而提升特定业务领域的识别准确度
语音合成
Knowledge-Aware Neural TTS (KAN-TTS)
语音合成技术将文本转化为语音，将神经网络与领域知识双重结合，兼具读音准确，韵律自然，声音还原度高，表现力强的特点
支持多语种方言及中英混合播报
目前支持日语及多种东南亚语种，粤语、河南、东北等方言，多个声音模型支持中英混合播报
支持字级别时间戳
可用于视频配音中的音频与字幕时间对齐，虚拟形象口型对齐等
可快速进行动态参数调整
支持动态调整发音人、语速、音量、语调、采样率、多种音频编码格式等；支持SSML标签语言；支持流式合成，边合成边播放
产品规格
相关产品
录音文件识别
提交录音文件识别请求后，商业用户的转写任务可在6小时之内完成识别并返回识别文本，最新发布极速版支持30分钟以内时长的音频转写完成时间不超过10秒。
查看详情
录音文件识别
提交录音文件识别请求后，商业用户的转写任务可在6小时之内完成识别并返回识别文本，最新发布极速版支持30分钟以内时长的音频转写完成时间不超过10秒。
实时语音识别
对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。
查看详情
实时语音识别
对不限时长的音频流做实时识别，达到“边说边出文字”的效果，内置智能断句，可提供每句话开始结束时间。
一句话识别
对时长较短（一分钟以内）的语音进行识别，适用于较短的语音交互场景，如语音搜索、语音指令、语音短消息等。
查看详情
一句话识别
对时长较短（一分钟以内）的语音进行识别，适用于较短的语音交互场景，如语音搜索、语音指令、语音短消息等。
语音合成
能将用户提交的文本转换成自然流畅的语音，目前有多种音色可供选择，并提供调节语速、语调、音量等功能。
查看详情
语音合成
能将用户提交的文本转换成自然流畅的语音，目前有多种音色可供选择，并提供调节语速、语调、音量等功能。
语音合成声音定制
为企业提供深度定制TTS声音的能力。通过深度学习技术，用更少的数据量，更快速高效地为客户定制个性化语音合成声音。
查看详情
语音合成声音定制
为企业提供深度定制TTS声音的能力。通过深度学习技术，用更少的数据量，更快速高效地为客户定制个性化语音合成声音。
语音本地化部署方案
支持语音识别、语音合成、语言模型自学习工具的本地化部署，帮助企业在自己的数据中心使用与阿里云公共云同款的智能语音服务。
查看详情
语音本地化部署方案
支持语音识别、语音合成、语言模型自学习工具的本地化部署，帮助企业在自己的数据中心使用与阿里云公共云同款的智能语音服务。
智能语音设备端解决方案
针对类似故事机、音箱等各种语音交互设备，提供包括音频信号处理，打断唤醒，语音识别，语音合成等全链路语音交互能力。
查看详情
智能语音设备端解决方案
针对类似故事机、音箱等各种语音交互设备，提供包括音频信号处理，打断唤醒，语音识别，语音合成等全链路语音交互能力。
语言模型自学习工具
自行上传数据，对阿里的语音技术进行深度定制，从而提升特定业务领域的识别准确度。目前仅支持上传文本数据对语言模型进行定制。
查看详情
语言模型自学习工具
自行上传数据，对阿里的语音技术进行深度定制，从而提升特定业务领域的识别准确度。目前仅支持上传文本数据对语言模型进行定制。
便携智能语音一体机
便携智能一体机由达摩院结合应用场景现有问题和用户实际需求，由智能语音识别技术+智能采集阵列硬件+音频处理算法组成。
查看详情
便携智能语音一体机
便携智能一体机由达摩院结合应用场景现有问题和用户实际需求，由智能语音识别技术+智能采集阵列硬件+音频处理算法组成。
应用场景
法庭庭审转写
智能客服质检
实时直播字幕及管理
业务电话内容分析
智能语音问询终端
小说新闻内容阅读
互联网娱乐解决方案
法庭庭审转写
智能客服质检
实时直播字幕及管理
业务电话内容分析
智能语音问询终端
小说新闻内容阅读
法庭庭审转写
传统法庭庭审内容通过书记员进行过程记录，记录内容会带有书记员的理解和归纳。记录过程有可能影响法庭进程，降低庭审效率。
立即咨询
能够解决
通过智能语音识别技术，实时转写庭审内容；
完整、准确还原庭审过程；
提高庭审效率及记录客观性。
推荐搭配使用
实时语音转写
一句话识别
智能客服质检
大量电话服务，仅靠质检人员抽检，无法有效全量覆盖有问题的服务；且质检过程要完整听取录音，效率低下。电话坐席出现严重违规或服务风险也无法及时干预处理，造成客户及公司的损失。
立即咨询
能够解决
通过智能语音识别，完成电话坐席的全量、实时质检；
避服务风险及服务违规，保证服务质量。
推荐搭配使用
实时语音转写
实时直播字幕及管理
用户在公共交通或公共场合看直播，无法打开音量，观看不过瘾。直播主播发生语言违规，造成不良舆情。主播流量、用户时长不稳定，内容运营缺少抓手。
立即咨询
能够解决
字幕方便用户无法收听音频时正常观看视频内容；
实时内容管理，避免主播违规为平台带来风险，造成不良社会影响。
推荐搭配使用
实时语音转写
语言模型自学习工具
业务电话内容分析
传统中介业务中容易出现客户双方建立联系后抛弃中介的事情，如房东诱导房客进行线下交易，从而导致中介公司经济损失。这类行为往往发生在双方沟通的电话中。
立即咨询
能够解决
通过阿里云语音识别服务，可以帮助中介及时的发现上述问题；
从而阻止逃单行为，避免经济损失。
推荐搭配使用
实时语音转写
一句话识别
智能语音问询终端
公共服务设施（如，地铁售票），需要为残障人士等无法直接操作机器设备的用户提供语音交互，正常享用公共服务。
立即咨询
能够解决
在嘈杂的公共环境中，为用户提供多模态语音交互方式；
给用户带来舒适体验的同时提高了商家的服务效率、为商家节约人工服务成本。
推荐搭配使用
一句话识别
设备端SDK
小说新闻内容阅读
小说新闻等长篇文字形式的信息，根据不同场景和用户习惯需要转化成音频形式的播报。
立即咨询
能够解决
地铁、开车、散步、吃饭等生活场景下，可以将需要阅读的内容转化为贴近场景的声音，解放“低头族”。
推荐搭配使用
语音合成
互联网娱乐解决方案
移动互联网下沉及用户年龄段拉大，需要丰富的交互形式满足不同特征用户的使用需求。
立即咨询
能够解决
驱动互联网娱乐领域的业务创新，帮助客户在激烈的竞争环境中获取优势。
推荐搭配使用
一句话识别
产品动态
查看详情
查看详情
2016-12-15 新功能
【智能语音交互】英文语音识别
查看详情
2016-12-23 体验优化
【智能语音交互】提供C++ SDK
查看详情
2016-12-30 体验优化
【智能语音交互】语音识别JAVA SDK提供压缩传输功能
查看详情
2016-12-30 新功能
【智能语音交互】语音识别支持用户自定义热词
查看详情
2017-01-20 新功能
智能对话平台1.0
查看详情
2017-03-01 新功能
智能对话平台邀请内测版本发布
查看详情
2017-03-01 新功能
支持自动对录音进行人声分离
查看详情
2017-04-01 新功能
支持东北话、河南话、四川话的语音识别
查看详情
2017-04-20 新功能
语音识别支持粤语的识别
查看详情
2017-06-06 新功能
【语音识别】语言模型自定制
查看详情
2017-07-21 新功能
语音识别的C++ SDK同时能支持长语音和短语音的识别
查看详情
2017-08-14 体验优化
语音识别-8K电话录音-机器自动分轨效果优化
查看详情
2017-08-14 新功能
语音关键字识别-更低成本的语音关键字检出
查看详情
2018-11-30 新功能
【公有云】甜美客服TTS模型更新
查看详情
2018-12-27 新功能
【TTS】Neural TTS 上线
查看详情
2019-01-25 体验优化
公有云自学习模型提供语言模型免费试用版
查看详情
2019-03-19 新功能
智能语音交互产品新增子账户权限访问控制
查看详情
2019-03-19 新功能
智能语音交互产品使用用量监控功能发布
查看详情
2019-04-18 体验优化
公共云方言客服模型支持定制语言模型
查看详情
2019-04-18 体验优化
公共云粤语客服模型支持定制语言模型
查看详情
2019-04-18 体验优化
公共云支持英文泛热词
查看详情
2019-04-18 体验优化
公共云支持英文定制语言模型
查看详情
2019-05-09 体验优化
公共云报表多样化，支持按照appkey维度展示
查看详情
2019-05-27 体验优化
【TTS】官网增加“预览版”TTS声音体验
查看详情
2019-06-06 体验优化
语音合成官网客服发音人默认文本更新
查看详情
2019-06-11 价格调整
公共云语音合成调用计费逻辑调整
查看详情
2019-06-27 价格调整
公共云新预付费资源包上线
查看详情
2019-08-27 体验优化
【TTS】语音合成自建催收声音艾雅上线
查看详情
2019-08-27 体验优化
【TTS】艾夏声音更新发布
查看详情
2019-08-27 体验优化
【TTS】儿童音艾彤和艾薇模型上线
查看详情
2019-08-27 体验优化
【TTS】新增4个英文精品声音
查看详情
2019-09-19 体验优化
文件转写支持多后处理集群路由
查看详情
2019-09-19 体验优化
【TTS】定制声音页面增加宝拉样音和凯叔logo
查看详情
2019-09-19 体验优化
【TTS】定制声音页面增加第一财经-阳子样音和第一财经logo
查看详情
2019-10-21 体验优化
公共云首页改版
查看详情
2019-10-23 体验优化
【TTS】艾娜模型首发
查看详情
2019-10-28 体验优化
java sdk 的AccssToken改造
查看详情
2019-10-28 体验优化
c++ sdk的token获取机制改造
查看详情
2019-10-31 体验优化
【公有云官网】支持录音文件识别体验模块
查看详情
2019-11-08 体验优化
公共云在创建app之前就展示原子能力
查看详情
2019-11-28 体验优化
【TTS】服务端和SDK支持设置MP3码率接口
查看详情
2019-12-12 体验优化
长文本预付费资源包上线
查看详情
2019-12-30 体验优化
公共云艾美，艾彤模型优化
查看详情
2020-01-18 新版本/新规格
智能语音交互-本地部署v2.6.7版本发布
查看详情
2020-03-01 价格调整
公共云试用版免费策略调整
查看详情
2020-04-02 新功能
公共云实时转写语音识别服务支持高级vad参数功能，可进一步满足用不同场景下的定制化vad需求
查看详情
2020-05-11 新功能
语音合成产品新增多种方言声音
查看详情
2020-05-15 新功能
ASR语音识别产品新增日语和西班牙语识别模型
查看详情
2020-06-04 新功能
智能语音交互产品，语音识别新增非电话场景的粤语识别模型
查看详情
2020-06-18 新版本/新规格
阿里云智能语音交互国际站商业化发布
查看详情
2020-06-28 新功能
语音识别产品新增四川话模型（电话场景）
查看详情
2020-09-10 新功能
智能语音交互新一代“端到端”语音识别模型上线
查看详情
2020-09-15 新功能
语音识别产品新增韩语、印尼语、越南语、阿拉伯语和哈萨克语等多个语种的语音识别模型
查看详情
2020-11-20 新功能
长文本语音合成大幅降价，单价低至1.4元/万字起
查看详情
查看全部日志
文档与工具
快速开始
欢迎开启智能语音交互之旅
查看详情
快速开始
欢迎开启智能语音交互之旅
产品介绍
查看实时语音识别所有相关文档
查看详情
产品介绍
查看实时语音识别所有相关文档
开发文档
了解丰富的智能语音交互 OpenAPI
查看详情
开发文档
了解丰富的智能语音交互 OpenAPI
相关协议
智能语音交互服务等级协议
查看详情
相关协议
智能语音交互服务等级协议
