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
数字人支持TTS和ASR吗？ 已支持TTS（文本转语音），详见创建TTS异步任务。MetaStudio不提供ASR（语音转文本），用户如有ASR需求，可以查看语音交互服务或其他ASR服务。 父主题： 数字人
第三方声音支持的语言类型 第三方声音支持的语言类型，如表1所示。 表1 语言类型 语言类型 语种 出门问问（方言） 支持7种语言：东北话、广西话、湖北话、陕西话、四川话、粤语、港台。 出门问问（预置声音） 支持19种语言：中文、英文、德语、法语、韩语、葡萄牙语、日语、西班牙语、意
获取在线录音确认结果 功能介绍 获取在线录音确认结果。 调用方法 请参见如何调用API。 URI GET /v1/{project_id}/voice-training-manage/user/training-segment 表1 路径参数 参数 是否必选 参数类型 描述 project_id
确认在线录音结果 功能介绍 确认在线录音结果。 调用方法 请参见如何调用API。 URI POST /v1/{project_id}/voice-training-manage/user/training-segment 表1 路径参数 参数 是否必选 参数类型 描述 project_id
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。
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。
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。
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。
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。
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
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
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
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。
查询用户配置的个性化音频时长 创建基础版语音训练任务 创建进阶版语音训练任务 创建高级版语音训练任务 查询语音训练任务列表 提交语音训练任务 查询语音训练任务详情 删除语音训练任务 查询任务操作日志 获取语音文件上传地址 获取语音训练任务审核结果 设置任务批次 确认在线录音结果 获取在线录音确认结果
” 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
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
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
播报内容生成后，单击右侧的“试听”，可以试听播报效果。 语音上传：本地录制音频后上传。音频格式需要为WAV或MP3格式，音频大小不超过20MB，时长不超过5分钟。 在线录音：在线录制音频。录音时长不能超过5分钟，为保证音频生成的效果，请保持录音环境安静无噪音。支持试听录制生成的语音。 文
播报内容生成后，单击右侧的“试听”，可以试听播报效果。 语音上传：本地录制音频后上传。音频格式需要为WAV或MP3格式，音频大小不超过20MB，时长不超过5分钟。 在线录音：在线录制音频。录音时长不能超过5分钟，为保证音频生成的效果，请保持录音环境安静无噪音。支持试听录制生成的语音。 文
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
