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
实时语音识别单句模式 功能介绍 单句模式自动检测一句话的结束，因此适合于需要与您的系统进行交互的场景，例如外呼、控制口令等场景。 实时语音识别引擎的单句识别模式，和连续识别模式类似，也会进行语音的端点检测，如果检测到静音，将直接丢弃，检测到语音才会馈入核心进行实际的解码工作，如果
实时语音识别连续模式 功能介绍 连续识别模式的语音总长度限制为五小时，适合于会议、演讲和直播等场景。 连续识别模式在流式识别的基础上，结合了语音的端点检测功能。语音数据也是分段输入，但是连续识别模式将会在处理数据之前进行端点检测，如果是语音才会进行实际的解码工作，如果检测到静音，
r、amrwb等多种格式，详见API参考文档中的“audio_format取值范围”。 音频时长不超过1分钟。 支持中文普通话、方言和英语的语音识别，其中方言包括：四川话、粤语和上海话。 方言仅支持“华北-北京四”区域，英语仅支持“华东-上海一”区域。 父主题： 约束与限制
PI获取语音交互结果。华为云SIS服务支持调用一句话识别、录音文件识别、实时语言识别、语音合成接口等。用户通过调用语音识别类接口，将口述音频、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。
订阅语音识别结果接口通用返回结果码 结果码 说明 0 调用配置接口成功 107-000 缓存登录信息失效，需要重新登录鉴权 107-001 调用配置接口抛了异常 107-002 输入参数不合法，必填字段为空 107-003 配置管理员密码错误，重试多次后锁定账号 107-004 无效配置管理员账号
语速类型 语速信息单位是每秒字数。 录音文件识别极速版 极速版ASR（Restful API接口），适用于音频（文件大小<=100M，语音时长<=30分钟）文件的同步识别，此接口以POST方式一次性上传整个音频或从华为OBS中下载音频，识别结果将在请求响应中即刻返回，用于语音文件极速转写，质检分析的离线场景
path = ""; // 本地音频路径，如D:/test.wav, 也可将音频文件、音频流转换为byte数组后进行传送。 private String audioFormat = ""; // 音频格式，如pcm16k16bit private
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. 例如音频是pcm格式，并且采样率为8k，则格式填写pcm8k16bit。 如果返回audio_format is invalid 说明该文件格式不支持。具体支持哪些音频格式，需要参考一些api文档。
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音等提升用户体验。适用场景如语音客服质检、会议记录、语音短消息、有声读物、电话回访等。
附录 名词解释 基本概念、云服务简介、专有名词解释 语音交互服务SIS：以API的形式，对外提供语音转文本以及文本转语音的服务。 函数工作流 FunctionGraph：FunctionGraph是一项基于事件驱动的函数托管计算服务。使用FunctionGraph函数，只需编写业
完成实名认证，且账号不能处于欠费或冻结状态，请根据资源和成本规划中预估价格。 该方案只支持用户上传采样率为8000的双声道中文录音音频，其中音频支持pcm16k16bit、pcm8k16bit、ulaw16k8bit、ulaw8k8bit、alaw16k8bit、alaw8k8
Application Programming Interface，应用程序编程接口）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、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，同时也支持通过语音合成功能将文本转换成逼真的语音等提升用户体验。适用场景如语音客服质检
实施步骤 准备工作 快速部署 开始使用 快速卸载
附录 名词解释 基本概念、云服务简介、专有名词解释 语音交互服务 SIS: 以API的形式，对外提供语音转文本以及文本转语音的服务。 函数工作流 FunctionGraph：是协调多个任务调度执行的托管性服务，用以简化开发、协调业务流程的调度。
实施步骤 准备工作 快速部署 开始使用 快速卸载
修订记录 发布日期 修订记录 2022-11-30 第一次正式发布。 2023-03-09 修订实施步骤。 2024-09-18 适配函数工作流EventGrid触发器。
对象存储服务OBS：用于存放用户上传的隐私通话录音文件和工作流处理的语音识别结果和分析结果。 函数工作流FunctionGraph：用于配置工作流的触发器和部署内容分析算子。 方案优势 高准确率 客服中心语音质检采用了华为云语音交互服务SIS的ASR能力，将隐私通话录音可以转写成识别文本，在通用测试数据集上上正确率可达90%以上。
接口说明 实时语音识别接口基于Websocket协议实现。分别提供了“流式一句话”、“实时语音识别连续模式”、“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、py
如何配置语音识别 5G消息平台支持对用户语音进行识别，配置语音识别后，5G消息平台可将用户口述音频或者语音文件识别成文本。 场景描述 在智能对话中，用户发送语音，可识别为文本消息进入AI智能对话流程。 配置过程 参考如何登录5G消息应用开发平台中操作，登录5G消息应用开发平台。 在主菜单中，选择“应用配置
则原始文件需要为双声道文件，如果为单声道文件，系统会将其转换成双声道文件，识别结果会出现两条内容完全一致的文本。 LEFT_AGENT 登录华为云解决方案实践，选择“语音识别-客服中心语音质检”模板，单击“一键部署”，跳转至解决方案创建堆栈界面。 图1 解决方案实施库 在选择模板界面中，单击“下一步”。 图2
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
