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
示例6：语音同步合成WebSocket接口（Android SDK） 语音同步合成WebSocket接口示例，详见语音同步合成Android SDK。 父主题： 应用示例
用户，用户需要参考更新唤醒模型，将模型更新至本地模型路径中。 使用要求 WebSDK版本为3.0.1及以上。 仅支持数字人平台配置或内置ASR（语音转文本）能力的方案。不支持WebSocket接口驱动数字人方案，即文本驱动方案。 在调用create接口之前，必须要有用户点击集成WebSDK的页面的行为。
推荐使用48bit采样位录制音频。 苹果手机的简易录音机的采集位默认为16bit，无需修改。 声道 推荐使用单声道录制音频。 苹果手机的简易录音机默认为单声道录制，无需修改。 音频格式 推荐使用无损音质格式保存音频，如WAV、MP3格式。 音频命名 所有语料录制生成一个长音频WAV或MP3文件，命名示例：Voice
授权书的上传地址。 表3 segment_url 参数 参数类型 描述 audio_uploading_url Array of strings 音频上传的地址。 说明： 通过该obs地址上传时需要设置content-type为audio/wav txt_uploading_url Array
sample_rate String body voice_data中音频的采样率。 取值示例：16000、24000。 voice_data String body 音频数据，为base64编码的pcm音频流。 pcm格式为16位单声道，采样率见sample_rate字段，默认16000。
创建高级版语音训练任务 功能介绍 用户创建语音训练高级版任务，该接口会返回一个obs上传地址，用于上传语音文件。 语音文件为一段WAV格式的长音频文件，仅支持将语音文件打包成zip压缩格式上传。 文件上传后，调用“提交语音训练任务”接口，启动审核和训练。 调用方法 请参见如何调用API。
5分钟。 进阶版：整段录制生成一个WAV或MP3格式音频，总时长10~30分钟，建议15分钟。 高品质：整段录制生成一个WAV或MP3格式音频，总时长1小时以上，建议1小时。 原声录制音频和其对应生成的音色播报示例，如客户声音制作案例所示。 录音准备 表1 录音准备 声音类型 录制设备和软件
默认取值： false silence_flag 否 Boolean 异常时是否返回静默音频流 默认取值： false silence_time_ms 否 Integer 异常时返回的静默音频流时长，单位毫秒。 取值范围： 0-5000 默认取值： 2000 callback_config
state String 音频文件是否已生成完成。该标记为PROCESSING时，应该每隔3秒再次调用本接口获取音频文件(WAITING 等待中,PROCESSING 处理中,SUCCEED 成功,FAILED 失败) audio_file_url String 音频文件下载链接，有效期为1个小时。
有问题，会给出相应提示。 尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。
查询用户配置的个性化音频时长 功能介绍 查询用户配置的个性化音频时长 调用方法 请参见如何调用API。 URI GET /v1/{project_id}/voice-training-manage/user/tenant-duration-cfg 表1 路径参数 参数 是否必选 参数类型
有问题，会给出相应提示。 尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。
有问题，会给出相应提示。 尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。
配置检查 单击“配置检查”，自动检查当前页签配置是否正确，如果有问题，会给出相应提示。 尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 表2 创建应用 参数 说明 第三方应用 配置说明如下所示： 如果科大讯飞AI
示例2：资产管理 示例3：分身形象制作管理 示例4：声音制作任务管理 示例5：语音合成管理 示例6：语音同步合成WebSocket接口（Android SDK） 示例7：语音同步合成WebSocket接口（iOS SDK） 示例8：视频制作 示例9：视频制作剧本管理 示例10：视频制作素材图层管理
speakingStart 数字人开始讲话事件。 × √ speakingStop 数字人结束讲话事件。 × √ speechRecognized ASR对提问进行语音识别后输出为文本的事件。 × √ semanticRecognized LLM对提问进行语义识别后输出回复文本的事件。speechR
表2 浏览器适配详情 操作系统类型 浏览器类型 浏览器版本 Windows Chrome浏览器 91+ Edge浏览器 80+ Android 移动版Chrome浏览器 91+ iOS 移动版Safari浏览器 17.3+ Mac Safari浏览器 15.6+ 表3 透明背景支持情况
配置检查 单击“配置检查”，自动检查当前页签配置是否正确，如果有问题，会给出相应提示。 尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 图2 获取访问权限 单击“确定”，创建应用，创建效果如图3所示。 可单击“修改”，修改配置。
配置检查 单击“配置检查”，自动检查当前页签配置是否正确，如果有问题，会给出相应提示。 尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 单击“确定”，创建应用，创建效果如图2所示。 可单击“修改”，修改配置。 图2
表1 硬件设备要求 硬件配置 最低配置 CPU i5及以上版本。 内存 8G以上。 硬盘 128G及以上。 操作系统 Windows或Android系统。 麦克风 需要有麦克风，且要保障1米以内的拾音效果。 扬声器 需要有扬声器。 触摸屏 需要有触摸屏。 带宽 4M以上。 由于浏览
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
