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
推荐使用同一region下OBS的音频链接作为传入音频的URL。 考虑到数据的安全，语音交互服务无法直接获取到用户OBS数据，需要用户开启公共读授权或者语音交互服务授权。 开启公共读授权 开启公共授权，则数据全网可见，所有用户均可访问，不推荐使用此方法，该方法仅针对同一region服务有效。
业务服务的专用Region。 可用区（AZ，Availability Zone）：一个AZ是一个或多个物理数据中心的集合，有独立的风火水电，AZ内逻辑上再将计算、网络、存储等资源划分成多个集群。一个Region中的多个AZ间通过高速光纤相连，以满足用户跨AZ构建高可用性系统的需求。
什么是语音交互服务 语音交互服务（Speech Interaction Service，简称SIS）是一种人机交互方式，用户通过实时访问和调用API获取语音交互结果。例如用户通过语音识别功能，将口述音频或者语音文件识别成可编辑的文本，同时也支持通过语音合成功能将文本转换成逼真的语
体受限操作如下所示： 若欠费前未调用对应接口，如一句话识别，则默认未开通该接口，欠费后将不可调用，无论是否有套餐包剩余。若欠费前已调用对应接口，则默认开通该接口，欠费后可继续使用至账户被华为云账户中心冻结为止。冻结由账户中心控制，一般情况下套餐包未使用完不会被冻结。 不可重置且不
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。
种_人员标识_领域”。发音人分为普通发音人和精品发音人，每次调用价格相同，针对精品发音人，每50字计一次调用，不足50字按一次计；普通发音人每100字计一次调用，不足100字按一次计。其中1个汉字、1个英文字母或1个标点均算作1个字符，具体费用请参考价格计算器。 普通发音人：取值范围请参考表
K升级日志为log4j2，同时java-sdk-core升级到3.0.12版本。 优先推荐使用新版SDK语音交互服务SDK，该SDK基于统一规范开发，支持Java/Python/C++/.NET/Go/NodeJs/PHP，使用方法可参考api-explorer、SDK开发指南。
实时语音识别分为开始识别、发送音频数据、结束识别，断开连接四个阶段。 开始阶段需要发送开始指令，包含采样率，音频格式，是否返回中间结果等配置信息。服务端会返回一个开始响应。 发送音频阶段客户端会分片发送音频数据，服务会返回识别结果或者其他事件，如音频超时，静音部分过长等。 音频发送结束后，客户端会发送结束请求，服务端会返回end响应。
和请求服务的region保持一致。 SIS.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。
响应消息体 响应消息体通常以结构化格式返回，与响应消息头中Content-type对应，传递除响应消息头之外的内容。 对于一句话识别接口，返回如下消息体。格式请具体参考一句话识别响应消息部分。 { "trace_id": "567e8537-a89c-13c3-a882-826321939651"
在语音交互服务主页，单击左侧导航栏子服务名称（如“一句话识别”）进入管理控制台。 单击“申请公测”，进行服务公测申请。 审核通过后，若服务无法使用，请注销账户后重新登录，即可开始使用。 如需同时申请多个服务，选择相应服务后，单击“批量申请公测”。 公测审批当前是人工审批，一般需要等待1~2天，如遇节假日顺延。
securityToken：采用临时AK、SK 认证场景下的安全票据，可以通过token获取或者通过委托授权获取。 初始化客户端（region和指定云服务enddpoint二选一即可）。 指定region方式（强烈推荐） // 初始化客户端认证信息，使用当前客户端初始化方式可不填 projectId/domainId，以初始化
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；也可以后端检查上一个请求结果，上一个请求返回之后再发送下一个请求，避免请求过于频繁。 请检查音频是否过大，或网络延时过长。如果音频过大，可利用mp3格式
Java SDK 一句话识别Http接口 一句话识别Websocket接口 录音文件识别 实时语音识别 语音合成 热词管理 实时语音合成 录音文件极速版
Python SDK 一句话识别Http接口 一句话识别Websocket接口 录音文件识别 实时语音识别 语音合成 热词管理 实时语音合成 录音文件极速版
Android SDK 一句话识别(http版) 一句话识别(websocket版) 实时语音识别连续模式 语音合成(http版) 语音合成(webSocket版)
支持采样率为16k的英语语音识别，采用新一代端到端识别算法，识别准确率更高。区域仅支持cn-north-4，不支持数字归一化（digit_norm参数、vocabulary_id参数）。 arabic_16k_general 支持采样率为16k的阿拉伯语语音识别，采用新一代端到端识别算法，兼容标
修订记录 发布日期 修订说明 2023-09-27 新增： iOS SDK新增一句话识别、实时语音识别连续模式 2023-03-06 新增： CPP SDK支持Linux版本 2022-08-02 新增： Java SDK新增实时语音合成 Python SDK新增实时语音合成 CPP
也包含WebSocket接口，支持Websocket协议，请参见表2。 表1 REST API功能 接口 功能 API URI 一句话识别接口 一句话识别 POST /v1/{project_id}/asr/short-audio 录音文件识别接 录音文件识别接口 识别接口：POST
segment 数据结构 参数名 参数类型 说明 start_time Integer 相对时间戳，表示一句的起始，单位为ms。 end_time Integer 相对时间戳，表示一句的结束，单位为ms。 is_final Boolen 输出是否为最终结果。 true表示是最终结果，
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
