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
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
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。
请求参数 表2 请求Body参数 参数 是否必选 参数类型 描述 audio_file_download_url 是 String 语音驱动音频文件下载URL，格式为AAC或者MP3 frame_rate 是 Integer 期望的输出帧率 取值范围： 15-120 默认取值： 60
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。
time="300ms"/>是联合国宪章<break time="500ms"/>最重要的原则。 audio_file_download_url 否 String 语音驱动音频文件下载URL。 speed 否 Integer 语速。 取值范围[50,200] 默认值：100 取值范围： 50-200 默认取值： 100
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。
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
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
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
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。speechRecog
图8 兜底设置 单击“应用配置”界面右上方的“保存修改”。 界面提示“保存成功”，说明应用配置页面的修改已生效。 配置热词。 展开“语音识别”下方的“高级设置”，如图9所示。 图9 应用配置 在“识别热词”区域，单击“下载热词模板”，将模板下载至本地。 本地打开模板文件，按照
” is_tail Boolean 是否为尾部(任务数据已全部生成，后续没有新的数据) 默认取值： false audio String 音频数据，Base64编码，1秒内的数据。 blendshapes Array of strings 语音驱动的表情基数据。 animations
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
表1 硬件设备要求 硬盘配置 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
答案。 尾静音时长 系统会对用户的提问音频进行检测，如果一句话末尾的静音时长超过500ms，会结束语音识别。 建议取值大于500ms。 热词 数字人与用户进行智能交互对话时，语音识别不准确的专业词汇，可以作为热词反馈到语音模型，以提高语音识别的准确率。 单击热词后面的问号图标，在
图14 兜底设置 单击“应用配置”界面右上方的“保存修改”。 界面提示“保存成功”，说明应用配置页面的修改已生效。 配置热词。 展开“语音识别”下方的“高级设置”，如图15所示。 图15 应用配置 在“识别热词”区域，单击“下载热词模板”，将模板下载至本地。 本地打开模板文件，
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
available audio input devices. 没有找到音频输入设备，请排查音频采集设备是否就绪。 90100006 no available audio output devices. 没有找到音频输出设备。 90100007 room status error. 房间状态不正确，请检查是否入会成功。
以文字方式向用户告知 第三方SDK名称：数字人智能交互Web SDK 第三方公司名称：华为云计算技术有限公司 收集个人信息类型：您或您的最终用户的音频数据或文本数据、应用信息（浏览器User Agent）、SDK接口调用记录。 使用目的：为华为云客户应用提供数字人智能交互服务，如果您只使
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
