灵犀云智能语音云平台产品白皮书（摘要）

灵犀云产品白皮书

本文档主要描述了中国移动智能语音能力平台灵犀云的基本功能，为初次使用灵犀云的开发者提供简要的入门信息。文档中提供了灵犀云平台的架构和功能介绍，但并不作为开发指南使用。

---

概述

灵犀云智能语音能力平台（下称“灵犀云”）是中国移动面向互联网开发者推出的智能语音应用开发交互平台，采用亚太地区最大的语音上市公司——科大讯飞研制的全球领先中文智能语音技术，免费向开发者提供语音合成、语音识别、语音听写等能力，为语音应用开发爱好者提供方便易用的开发接口，使各种应用的用户随时随地获得高质量的智能语音服务。

---

产品服务

基础服务

基础服务包括在线语音合成、在线命令词识别、语音听写、语义理解等。

在线语音合成

语音合成是指让文字转换为声音，让机器能够说话。灵犀云使用的InterPhonic语音合成系统是由科大讯飞推出的新一代文语转化引擎，采用最先进的中文文本、韵律分析算法和大语料库的合成方法，合成语音已经接近真人的自然效果。主要功能有：

1) 高质量语音，将输入文本实时转换为流畅、清晰、自然和具有表现力的语音数据；

2) 多语种服务，整合了多语种语音合成引擎，可提供中文、中英文混读、纯正英文、粤语、粤英文混读的语音合成服务；

3) 多音色服务，提供丰富、风格多样化的音色选择，如浑厚淳正的男声，温柔甜美的女声，标准地道的英语男女声等等，所有音色库均继承科大讯飞语音合成技术一贯的优良品质。用户可供根据不同应用业务需要，选择最适合应用场景的语音风格，并支持实时动态的音色切换；

4) 高精度文本分析技术，保证了对文本中未登录词（如地名）、多音字、特殊符号（如标点、数字）、韵律短语等智能分析和处理；

5) 多字符集支持，支持输入GB2312、GBK、Big5、Unicode和UTF-8等多种字符集，普通文本和带有CSSML标注等多种格式的文本信息；

6) 多种数据输出格式，支持输出多种采用率的线性Wav，A/U率Wav和Vox等格式的语音数据；

7) 提供预录音合成模板，对合成文本中符合语音模板固定成分的文本使用发音人预录语音，非固定成分使用合成语音。这种方法有利于改进定制领域合成效果，简化定制流程，加快定制速度，同时也使得预录音的使用更自然、更灵活，满足更广泛的应用需求；

8) 语音调整功能，开发接口提供了音量、语速、音高（基频）等多种合成参数动态调整功能；

9) 配置和管理工具，合成引擎提供了统一进行配置和管理的工具，完成了全局参数配置、用户词典、用户规则、定制资源包管理等功能；

10) 效果优化，合成引擎提供了以定制资源包和CSSML为代表的多种针对实际应用环境进行合成效果优化的方法；

11) 一致的访问方式，能以C/S方式访问远程的语音合成服务，并且提供与本地调用相同的开发接口，实现了完全透明的访问；

12) 背景音和预录音，提供了背景音和预录音的功能，大大提高了合成语音的自然度和表现力。

在线命令词识别

语音识别是指把声音转换成文字，让机器能够听懂人类的声音。灵犀云采用科大讯飞的InterReco语音识别系统为自助语音服务提供关键字语音识别和