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
语音合成能不能支持返回立体音（双声道）格式的音频 语音合成接口当前仅支持单声道，不支持返回立体音（双声道）格式的音频。 父主题： API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
语音合成后输出的音频格式是什么 语音合成后返回一组Base64编码格式的语音数据，用户需要用编程语言或者sdk将返回的Base64编码格式的数据解码成byte数组，再保存为wav格式的音频。 语音合成（Text To Speech ，TTS服务）服务的音频格式则根据接口中audi
为什么会出现识别结果非常差的情况 问题现象 调用语音识别接口，识别结果同真实结果差别很大，或者服务端报音频格式错误。 解决方案 检查音频采样率是否符合。 对于裸音频，可采用toolsoft Audio player等工具进行试听，通过设置不同的采样率，播放正常的即为音频正常采样率。
返回状态正常，但识别结果为空 一般由于格式不匹配造成的。请按照以下情况进行排查。 1. 请确保音频格式和请求格式参数保持一致，音频采样率和选择“property”参数中采样率保持一致。 2. 请确保音频位宽为16bit，目前仅支持16bit位宽的音频，如果低于该位宽的音频，则无法正常识别。 父主题：
format is invalid!" 解决方案 确保设置的audio_format格式的值是合法，即设置的格式是表1中的格式。 确保待识别音频的格式和接口参数中设置的audio_format参数格式一致。 表1 录音文件识别支持的音频格式 audioformat取值 说明 auto 自动
如果设置为0，表示不检测“长时间静音”情况。 取值范围：[0, 60000]的整数，单位为ms，默认为10000ms，即10s。 vad_tail 否 Integer 音频的结尾中的静音时间，正常情况下不应设成很小的值。 如果检测语音结尾的静音时长大于等于此值时，在实时语音识别单句模式下将返回VO
alaw单通道录音数据。 mp3 mp3格式音频。目前仅支持单通道的音频。 aac aac格式音频。目前仅支持单通道的音频。 wav 带wav封装头的格式，从封装头中自动确定格式，目前仅支持8k/16k采样率、单通道、pcm, alaw, ulaw三种编码格式。 amr AMR窄带(8k)
支持“华北-北京四”、“华东-上海一”区域。 当前语音服务仅支持北京和上海区域，后续会陆续上线其他区域。 华北-北京四，推荐的区域。 华东-上海一，推荐的区域。 支持wav、mp3、m4a、acc、opus格式音频文件。 语音时长不超过120分钟，文件大小不超过100M。 支持从华为云对象存储服务（OBS）
根据需要配置是否跳过SSL证书验证 config.withIgnoreSSLVerification(true); 配置认证信息。 配置AK、SK、project_id信息。华为云通过AK识别用户的身份，通过SK对请求数据进行签名验证，用于确保请求的机密性、完整性和请求者身份的正确性。 使用永久AK和SK
账户创建企业项目后，在传参时，有以下三类场景。 携带正确的ID，正常使用SIS服务，账单归到企业ID对应的企业项目中。 携带错误的ID，正常使用SIS服务，账单的企业项目会被分类为“default”。 不携带ID，正常使用SIS服务，账单的企业项目会被分类为“default”。 请求示例（伪码）
语音合成后能否返回播放时长 不能，当前语音合成无此参数。若需要知道语音时长，可以将返回语音数据解码转换成音频格式，播放后查看。 父主题： 产品咨询类
获取账号ID 在调用接口的时候，部分URL中需要填入账号ID（domain-id），所以需要先在管理控制台上获取到账号ID。账号ID获取步骤如下： 注册并登录管理控制台。 在控制台中，鼠标移动至右上角的用户名处，在下拉列表中选择“我的凭证”。 图1 我的凭证入口 在“我的凭证”页面的项目列表中查看账号ID。
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。 正确的嵌套应该如下列代码示例所示，错误的嵌套也能获取Token，但无法访问服务。 使用AK/SK方式访问，检查AK和SK是否填写正确。
人支持长度不大于10000字符的文本，其他发音人支持长度不大于500字符的文本。 config Object 否 配置信息。请参考表2。 表2 config数据结构 名称 参数类型 是否必选 说明 audio_format String 否 语音格式头：pcm、alaw、ulaw、mp3。
TtsCustomRequest 参数名称 是否必选 参数类型 描述 text 是 String 待合成的文本。 audio_format 否 String 待合成的音频格式，可选mp3，wav等，默认wav。具体信息请参见《API参考》语音合成章节。 pitch 否 Integer
议，调用方法请参见如何调用WebSocket API。 调用所需示例音频参见示例音频。 调用接口的时候，无需开通服务，可直接调用。此时请按照实际需要选择计费方式，计费是按照调用接口的次数或者时长来计算费用，具体计费价格参见语音交互价格计算器。 支持两种计费方式： 按需计费，默认计费方式为“按需计费”。
模式”、“实时语音识别单句模式”三种模式。 三种模式的握手请求wss-URI不同，基于Websocket承载的实时语音识别请求和响应的消息格式相同。 开发者可以使用java、python、c++等开发语言支持Websocket的对应软件包或库接口，与实时语音识别引擎握手连接，并发
音频流数据 功能介绍 分多段返回二进制语音数据流，如果用户未设置语音格式，则默认返回pcm格式语音。 父主题： 语音合成结果响应
音频、普通话或者带有一定方言的语音文件识别成可编辑的文本，同时也支持通过调用语音合成接口将文本转换成逼真的语音等。适用场景有语音客服质检、会议记录、语音短消息、有声读物、电话回访等。 调用API接口需要具备一定的编程开发能力，返回的结果为JSON格式，用户需要通过编程来处理识别结果。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
