Repolode
提交项目
aliyun

aliyun/alibabacloud-bailian-speech-demo

阿里云百炼语音大模型的开发示例集，涵盖语音识别、语音合成与语音对话。

在 GitHub 查看官网
Star
429
Fork
58
未关闭 Issue
3
最近提交
5天前

这是什么？

本仓库提供通过阿里云百炼（Model Studio）调用语音大模型的示例代码，基于 DashScope SDK 实现。内容涵盖 Qwen-Audio-3.0-ASR、Fun-ASR 的语音识别，Qwen-Audio-3.0-TTS、CosyVoice 的语音合成，声音复刻，以及根据提示词或歌词生成音乐。

除基础的识别与合成外，示例还展示了如何将语音模型与大语言模型结合，实现视频聊天、语音对话、音视频摘要问答和语音翻译等功能。示例包括支持热词与对话上下文的流式识别、带说话人分离的长录音异步转写，以及基于 WebSocket 的实时语音对话。

每个示例位于独立目录，附有各自的运行说明和依赖列表。使用前需要开通阿里云账号、创建百炼 API Key 并安装 DashScope SDK。代码采用 MIT 协议开源。

核心功能

  • 01基于 Qwen-Audio-3.0-ASR 与 Fun-ASR 的语音识别，支持流式识别和录音文件转写
  • 02语音合成支持通过指令控制音色风格、方言与情感
  • 03支持声音复刻，并用复刻音色合成任意文本
  • 04支持根据提示词或自定义歌词生成音乐
  • 05基于 WebSocket 的实时语音对话，支持函数调用

适用场景

  • 为会议、直播或公开课添加实时字幕与转写
  • 搭建使用复刻或指定风格音色的客服语音机器人
  • 批量转写并分析通话或会议录音
  • 将文本或大模型输出合成为旁白或多语言配音

收录于专题

AI 视频与音频工具

标签

#speech-recognition#text-to-speech#speech-synthesis#voice-cloning#dashscope#asr#tts#llm

常见问题

alibabacloud-bailian-speech-demo 是什么？
阿里云百炼语音大模型的开发示例集，涵盖语音识别、语音合成与语音对话。 本仓库提供通过阿里云百炼（Model Studio）调用语音大模型的示例代码，基于 DashScope SDK 实现。内容涵盖 Qwen-Audio-3.0-ASR、Fun-ASR 的语音识别，Qwen-Audio-3.0-TTS、CosyVoice 的语音合成，声音复刻，以及根据提示词或歌词生成音乐。
alibabacloud-bailian-speech-demo 可以免费使用吗？用的什么许可证？
alibabacloud-bailian-speech-demo 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
alibabacloud-bailian-speech-demo 还在维护吗？
活跃维护中。alibabacloud-bailian-speech-demo 最近一次提交是在 2026年11月2日。
alibabacloud-bailian-speech-demo 适合用来做什么？
为会议、直播或公开课添加实时字幕与转写 搭建使用复刻或指定风格音色的客服语音机器人 批量转写并分析通话或会议录音 将文本或大模型输出合成为旁白或多语言配音
在哪里获取 alibabacloud-bailian-speech-demo？
源代码和安装说明在 GitHub 上：https://github.com/aliyun/alibabacloud-bailian-speech-demo

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目