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
支持的语言类型 第三方声音支持的语言类型 目前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 方言（7种） 东北话、广西话、湖北话、陕西话、四川话、粤语、港台 外文（18种） 英文、德语、法语、韩语、葡萄牙语、日语、西班牙语、意大利语、俄罗斯语、菲律宾语、
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
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
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
模式。 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
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
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。
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
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
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
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
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
” 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
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
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，
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
wav~19.wav；文本文件命名规则：0.txt~19.txt。 语音文件和文本文件逐句上传：每次上传一句语料的语音文件和文本文件，再调用“确认在线录音结果”接口确认语音和文本内容是否一致。确认成功后再上传和确认下一句。 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
wav~99.wav；文本文件命名规则：0.txt~99.txt。 语音文件和文本文件逐句上传：每次上传一句语料的语音文件和文本文件，再调用“确认在线录音结果”接口确认语音和文本内容是否一致。确认成功后再上传和确认下一句。 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
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
称“交互功能”）。为了提供交互功能，SDK会通过您主动点击聊天按钮申请客户应用或浏览器的麦克风权限，在您同意客户应用使用麦克风之后，将您的音频数据或文本数据上传到客户指定的第三方系统或模型，用于识别语义并做出应答，给您提供交互功能。 产品运营和维护 为了保障SDK稳定运行，改善产
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
