識別準確率高

基于SAN-M自研的“識音石”通用端到端語音識別框架，中文識別準確率可達業內最高水平；

在輸入法、客服、會議等領域，文字識別錯誤率相比上一代系統下降10%～30%，大幅提高了語音識別的精度。

識別速度快

采用“字”級別建模單元及自研模型推理引擎，并發推理速度相比業內主流推理框架提升10倍以上；

中國獨創的LFR解碼技術，在不損失識別精度的情況下，將解碼速率提高3倍以上，大幅縮短反饋時間，提升用戶體驗。

獨創的模型優化工具

結合模型優化工具子產品，針對特定的領域定制專屬模型，最大限度地提升識別效果。

豐富的功能

支持音字同步、語種識別、聲紋識別等豐富功能。

廣泛的領域覆蓋

適用于智能問答、語音指令、音視頻字幕、語音搜索、會議談話轉譯、語音質檢，公安消防接警、法庭審訊記錄等各類場景。

技術領先

兼顧了多級韻律停頓，達到自然合成韻律的目的，綜合利用聲學參數和語言學參數，建立基于深度學習的多重自動預測模型。技術優化讓個性化人聲定制只需提供20句錄音數據，系統將自動檢測數據質量并完成個性化定制人聲流程，最終提供語音合成能力。

效果逼真

在本地端實現了基于Knowledge-Aware Neural TTS (KAN-TTS) 語音合成技術，基于深度神經網絡和機器學習，將文本轉換成真實飽滿、抑揚頓挫、富有表現力的語音，使得離線語音合成效果趨近于在線合成效果。同樣的語音合成聲音定制的合成效果幾乎可以媲美真人錄音。

音色個性化

支持中英文等多種語言，多種音色，多種場景及多種風格的語音合成聲音，并可支持低數據量的離線合成聲音定制。

聽感自然

經海量音頻數據訓練，使合成音真實飽滿、抑揚頓挫、富有表現力，MOS評分達到業內領先水準。

深度定制

根據用戶需求定制音庫，滿足用戶的個性化應用需求，提供標準男女聲、溫柔甜美女聲等多風格選擇，支持標記語言（SSML）方式的合成方式，音量、語速、音高等參數也支持動態調整。支持客戶指定自有數據合成TTS聲音。

高效穩定

接口簡單易集成，運行穩定、兼容性強、首包延遲小，內存占用少，CPU占用低，對于低配硬件也有對應的解決方案。

節省成本

離線語音合成無需聯網即可完成實時語音合成，按設備數授權，成本可控。聲音定制中需要的數據量門檻更低，在中文普通話場景，2000句起即可合成自然流暢效果的聲音，加入英文數據后，還可實現中英混讀效果，錄音和標注的時間成本大幅減少，盡顯價格優勢。

多領域覆蓋

在智能家居、車載、導航、金融、運營商、物流、房地產、教育、有聲讀物等眾多領域積累了大量的詞庫，使阿里語音合成技術對各領域、各行業的詞匯發音更準確。

易用

自學習平臺顛覆性地提供一鍵式自助語音優化方案，極大地降低進行語音智能優化所需要的門檻，讓不懂技術的業務人員也可以顯著提高自身業務識別準確率。

快速

自學習平臺能夠在數分鐘之內完成業務專屬定制模型的優化測試上線，更能支持業務相關熱詞的實時優化，一改傳統定制優化長達數周甚至數月的漫長交付弊端。

準確

自學習平臺優化效果在很多內外部合作伙伴和項目上得到了充分驗證，很多項目最終通過自學習平臺不僅解決了可用性問題，還在項目中超過了競爭對手使用傳統優化方式所取得的優化效果。