从0到1入门视频

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，可集成在各类App、智能家电、智能助手等产品中。更多信息，请参见一句话识别接口说明。

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。可用于视频实时直播字幕、实时会议记录、实时法庭庭审记录、智能语音助手等场景。更多信息，请参见实时语音识别接口说明。

录音文件识别

对用户上传的录音文件进行识别，可用于呼叫中心语音质检、庭审数据库录入、会议记录总结、医院病历录入等场景。更多信息，请参见录音文件识别接口说明。

语音合成

通过先进的深度学习技术，将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。适用于智能客服、语音交互、文学有声阅读和无障碍播报等场景。更多信息，请参见语音合成接口说明。

离线语音合成

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。

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。适用于车载导航、智能硬件、文学有声阅读和无障碍播报等场景。以SDK的方式集成，支持多种不同硬件平台。按照设备激活数量收费，收费更加灵活可控。更多信息，请参见离线语音合成接口说明。

语音合成声音定制

为您提供深度定制的TTS（Text to Speech）声音功能：使用先进的深度学习技术，用更少的数据量，更快速高效地定制个性化的TTS声音。将自然流畅的声音输出到服务或设备上。

如果您想体验定制的声音、了解定制流程，请登录阿里云官网。如有任何需求和疑问，请联系：nls_support@service.aliyun.com。

自学习平台

您可以使用自学习平台提升识别效果。它提供了训练热词和自学习模型两种方式。语音识别服务中，通过添加热词和使用热词模型来改善识别结果。在司法、金融等领域，利用语言模型定制进行优化，提高该业务场景下的识别准确率。

个性化人声定制

随着语音交互技术的普及，越来越多场景需要语音合成的能力，如讲故事、读新闻、导航播报和智能设备语音交互等。

然而通用的合成声音，无法满足用户期望用自己或亲朋好友声音合成的个性化需求。

个性化人声定制服务帮助用户通过少量录音，得到自己的声音模型，从而快速“克隆”个性化的声音。更多信息，请参见个性化人声定制界面体验。

学习路线

• 快速入门：快速体验智能语音交互服务。

• 产品定价：了解智能语音交互服务的计费情况。

• 开发指南：掌握相关术语、获取Access Token等内容。

• 管控台指南：详细了解管控台提供的各项功能。

• 接口参考选择需要的服务：一句话识别、实时语音识别、录音文件识别、语音合成等。

• 自学习平台：通过自学习平台的热词、语言模型定制提升识别效果。

• 个性化人声定制：提供快速“克隆”个性化声音的功能。

• 最佳实践：了解智能语音交互服务的最佳实现方式。

• 常见问题：查询常见问题的解决方案。