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
如何查看实时语音识别的中间结果 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。在使用API或SDK时，可以通过将interim_results参数设置为yes，将识别过程的中间结果返回。如果设置为no，则会等每句话完毕才会返回识别结果。
实时语音识别请求 实时语音识别工作流程 开始识别 发送音频数据 结束识别 父主题： 实时语音识别接口
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
该SDK可以将用户输入的文字合成为音频。通过音色选择，自定义音量、语速，实现个性化音频的生成。 前提条件 注册华为账号并开通华为云，并完成实名认证，账号不能处于欠费、冻结、被注销等异常状态。 操作步骤 获取SIS Python SDK。
# -*- coding: utf-8 -*- from huaweicloud_sis.client.asr_client import SasrWebsocketClient from huaweicloud_sis.bean.asr_request import SasrWebsocketRequest
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。
使用实时语音识别 前提条件 确保已按照配置CPP环境（Windows）配置完毕。 请参考SDK（websocket）获取最新版本SDK包。 初始化Client 初始化RasrClient，其参数包括AuthInfo。
此时后续的音频将被忽略，不会再进行识别。 在实时语音识别连续模式下： 不会返回VOICE_START、VOICE_END、EXCEED_SLIENCE事件。
支持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、会议记录、语音短消息、有声读物、电话回访等。
示例音频参见示例音频。 当您使用过旧版本的Java SDK时，需要注意旧版本的SDK依赖的jar包与新版本SDK的jar包有无冲突。新版本SDK升级日志为log4j2，同时java-sdk-core升级到3.0.12版本。
一次性上传1min以内音频，能快速返回识别结果。该接口的使用限制请参见约束与限制，详细使用指导请参见SIS服务使用简介章节。 SIS服务控制台提供了一句话识别的在线使用页面，用户无需编程即可使用服务功能。
快速识别录音文件的音频内容，转写为文字 POST https://{endpoint}/v1/{project_id}/asr/flash?
实时语音识别响应 开始识别请求响应 事件响应 识别结果响应 错误响应 严重错误响应 结束识别请求响应 父主题： 实时语音识别接口
可能原因 实时语音识别的初始静默时间过长无法识别。 解决方案 方法一：将参数设置中静默时间的参数vad_head 的值设置大一些，详细请参见API参考的实时语音识别的请求参数。 方法二：处理音频文件，将识别文件初始的静默音频剪切掉。 父主题： API使用类
支持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、会议记录、语音短消息、有声读物、电话回访等。
解决方案 由于声道设置的原因，单声道的音频按照双声道处理了。 在请求中将参数“channel”的值修改成“MONO”或者直接去掉请求参数中的“channel”项。 父主题： API使用类
start_time Integer 音素对应的合成音频的开始时间戳，单位是ms。 end_time Integer 音素对应的合成音频的结束时间戳，单位是ms。 phoneme_index Integer 音素位置信息，从0开始。
maxSeconds 否 Integer 音频最长持续时间， [1, 60]，默认30s。 intermediateResult 否 String 是否显示中间结果，yes 或 no，默认no。例如分3次发送音频，选择no结果一次性返回，选择yes分三次返回。
支持双声道的音频。 pcm16k16bit 16k16bit裸音频录音数据。 pcm8k16bit 8k16bit裸音频录音数据。 ulaw16k8bit 16k8bit ulaw 裸音频录音数据。 ulaw8k8bit 8k8bit ulaw 裸音频录音数据。
实时语音识别引擎在获得分段的输入语音的同时，就可以同步地对这段数据进行特征提取和解码工作，而不用等到所有数据都获得后再开始工作。因此这样就可以在最后一段语音结束后，仅延迟很短的时间（也即等待处理最后一段语音数据以及获取最终结果的时间）即可返回最终识别结果。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
