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
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
a,和config两个参数，其中data为识别音频的base64格式的字符串。Config参数详见表1。 表1 Config 参数 是否必选 参数类型 描述 audioFormat 是 String 支持语音的格式，请参考表 audio_format取值范围。 property 是
默认连接超时时间为60秒，可根据需要调整 config.withTimeout(60); SSL配置（可选） // 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_i
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
todo 请正确填写音频格式和模型属性字符串 * 1. 音频格式一定要相匹配。 * 例如obs url是xx.wav, 则在录音文件识别格式是auto。 * 例如音频是pcm格式，并且采样率为8k，则格式填写pcm8k16bit。
表7 audio_format取值范围 audio_format取值 描述 auto 默认格式，系统自动判断，支持的音视频格式如下：WAV（内部支持pcm/ulaw/alaw/adpcm编码格式）、AMR、FLAC、M4A、MP3、OGG、WEBM、AAC、AC3、MOV、WMA、
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/{project_id}/rasr/short-stream 参数说明 表1 参数说明 参数名 是否必选 说明 project_id
任务创建时间，遵循 RFC 3339格式。 格式示例：2018-12-04T13:10:29.310Z。 start_time 否 String 开始识别时间，遵循 RFC 3339格式。 当status为FINISHED或ERROR时存在。 格式示例：2018-12-04T13:10:29
region，如cn-north-4 """ todo 请正确填写音频格式和模型属性字符串 1. 音频格式一定要相匹配. 例如wav音频，格式是auto。具体参考api文档。 例如音频是pcm格式，并且采样率为8k，则格式填写pcm8k16bit。
16k8bit alaw单通道录音数据。 alaw8k8bit 8k8bit alaw单通道录音数据。 目前仅支持裸音频格式，仅支持pcm编码的wav格式，不支其他wav头或者arm格式的编码。 示例 { "command": "START", "config": { "audio_format":
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 音高，[-500,500]
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。
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。
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。 默认：pcm sample_rate String 否 采样率：16000、8000赫兹。 默认：8000
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 自动判断，系统会
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)
0535 录音文件识请求的文件类型不支持。 确保设置的audio_format格式的值是合法。录音文件识别支持的音频格式如表7所示。 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。 SIS.0536 录音文件识任务提交数量达到限制。 请稍后重试。 SIS
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
热词长度上限32字节。 description 否 String 热词表描述，长度不超过255字节。 响应参数 创建热词响应参数为Json格式，详见表4。调用失败处理方法请参见错误码。 表4 创建热词响应 参数名称 是否必选 参数类型 描述 vocabulary_id 是 String
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
