检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
时间戳数据 功能介绍 实时语音合成服务在生成音频流的同时，可以生成每个汉字/英文单词的时间戳信息。该信息可用于视频字幕和驱动数字人口型。 参数设置 设置请求参数subtitle为"word_level"或"phoneme_level"时，开启时间戳功能。 响应信息 表1 响应参数
音频转写时长受音频时长和排队任务数量影响，音频时长和理论返回时间可参见表 音频转写时长参考表。如果转写耗时比理论时延长，大概率表示当前时间段出现转写高峰，请耐心等待，我们承诺最大转写时长不超过6小时。 表1 音频转写时长参考表 音频时长 参考返回时间 小于10分钟 小于2分钟 10分钟-60分钟
如何查看当前接口是否免费调用 计费项 一句话识别、语音合成按调用次数计费；实时语音识别、录音文件识别按音频时长计费；录音文件识别极速版按照“音频时长×需要识别的音频声道数“计费，时长计算精确到秒。 按音频时长计费的，累加每次调用的音频时长。 按调用次数计费的，返回失败的调用不计入次数。
服务后台无法访问用户提供的音频的OBS链接。即无法获取用户需要识别的音频文件。 解决方案 检查用户是否授权服务访问OBS。 检查存放音频的OBS的Region和服务的Region是否为同一区域，只有同一区域的OBS才能正常访问。 检查音频的OBS URI是否正确。 父主题： API使用类
and the audio will not be recognized”？ 可能原因 实时语音识别的初始静默时间过长无法识别。 解决方案 方法一：将参数设置中静默时间的参数vad_head 的值设置大一些，详细请参见API参考的实时语音识别的请求参数。 方法二：处理音频文件，将识别文件初始的静默音频剪切掉。
超时通常是由于网络不通造成的，需要对网络环境和代码进行具体分析。 解决方案 检查网络是否正常。 确保网络正常连接互联网，正常访问华为云官网，成功获取Token等。如果使用代理，需要保证代理可用性。 检查url是否存在错误。 如书写出错，http方法出错（get和post混淆）等。 父主题：
SIS.0304报错 问题现象 客户端长时间没有发送语音，服务端超过20s没有收到语音，就会报这个错误。 解决方案 1. 检查代码是否存在发送音频后睡眠过多时间。 2. 检查是否发送end请求，是否关闭客户端。超过20s没有发送数据同时也没有断开连接，就会报该错误。在使用完毕后一定要记得断开与服务端连接。
objects 识别结果, 多句结果的数组。 表4 Segment 参数 是否必选 参数类型 描述 start_time 是 Integer 一句的起始时间戳，单位ms。 end_time 是 Integer 一句的结束时间戳，单位ms。 result 是 TranscriberResult
Java SDK是否支持使用Maven导入 支持Maven引入，引入方式详见《SDK参考》中获取SDK章节。 父主题： SDK使用类
是否支持aac格式的语音文件转文字 一句话识别和录音文件识别以及实时语音识别均可实现语音转文字，一句话识别支持aac格式，录音文件识别和实时语音识别不支持aac格式。 父主题： 产品咨询类
音频转写时长受音频时长和排队任务数量影响，音频时长和理论返回时间可参见表 音频转写时长参考表。如果转写耗时比理论时延长，大概率表示当前时间段出现转写高峰，请耐心等待，我们承诺最大转写时长不超过6小时。 表1 音频转写时长参考表 音频时长 参考返回时间 小于10分钟 小于2分钟 10分钟-60分钟
语音交互服务是否支持私有化部署 目前语音交互服务暂不支持私有化部署。 父主题： 部署类
套餐包购买后是否支持退款 套餐包购买后不支持退款。 父主题： 计费类
使用Postman等工具直接调用服务，查看是否成功，如果调用成功表示服务接口没有问题，请执行如下步骤1和步骤2进行检查： 请检查原调用请求是否过于频繁，如果是并发过大，可以通过重试机制解决，在代码里检查返回值，碰到这个并发错误可以延时一小段时间（如2-5s）重试请求；也可以后端检查上
接不成功需要多方面定位原因。 解决方案 1. 检查网络是否可用，能否连接互联网，检查url输入是否正确。 2. 检查Token是否可用，检查Token的方法参考调用语音交互的API显示auth failed 3. 检查协议是否支持，目前Websocket使用tls1.2协议，We
environment. 请检查API的URL是否拼写正确，例如，URL中是否缺少project_id。 检查URI中的endpoint是否填写正确，例如，调用SIS服务api，endpoint错填为其他服务。 HTTP请求方法（POST，GET等）是否正确。 具体的URI信息请在各接口的API页面查看。
检查用户账号是否正常。 当用户账号存在未实名认证、未充值或者属于冻结状态。您可登录账号，在用户检查是否实名认证，是否有余额（以上信息在用户Console均可以查到）。 检查获取Token是否正常。 确保获取Token为24小时之内的Token。 确保获取Token的参数嵌套是否正确。
所有数据都获得后再开始工作。因此这样就可以在最后一段语音结束后，仅延迟很短的时间（也即等待处理最后一段语音数据以及获取最终结果的时间）即可返回最终识别结果。这种流式输入方式能缩短整体上获得最终结果的时间，极大地提升用户体验。 wss-URI wss-URI格式 wss /v1/{
分词是指将识别出的文本进一步拆分成单独的词语。 表9 WordInfo 参数 是否必选 参数类型 描述 start_time 否 Integer 起始时间。 end_time 否 Integer 结束时间。 word 否 String 分词。 状态码： 400 表10 响应Body参数
实时语音识别服务，用户通过实时访问和调用API获取实时语音识别结果，支持的语言包含中文普通话、方言和英语，方言当前支持四川话、粤语和上海话。 文本时间戳 为音频转换结果生成特定的时间戳，从而通过搜索文本即可快速找到对应的原始音频。 智能断句 通过提取上下文相关语义特征，并结合语音特征，智能划分断句及添加标点符号，提升输出文本的可阅读性。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
