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
用户通过调用API接口，将语音文件识别成可编辑的文本，然后返回JSON格式的识别结果，用户需要通过编码将识别结果对接到业务系统或保存为TXT、Excel等格式。 首次使用SIS 如果您是首次使用SIS的用户，建议您学习并了解如下信息： 功能介绍 通过功能介绍章节的内容，了解SIS不同功能的具体介绍，主要包括实时语音识别（Real-time
创建热词表 在一句话识别、录音文件识别、实时语音识别服务中，如果在您的业务领域有一些特有的词，默认识别效果差的时候可以考虑使用热词管理功能，将这些词添加到词表，改善识别效果。 热词可以是姓名、公司名、某个领域的专有名词，如人名"王晓茗”（通常会识别为"王小明”）、运输域的“高栏”等。热
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
方法名称 是否必选 参数类型 描述 SetPunc 否 String 表示是否在识别结果中添加标点，取值为yes 、 no，默认no。 SetDigitNorm 否 String 表示是否将语音中的数字识别为阿拉伯数字，取值为yes 、 no，默认为yes。 SetVadHead 否
如何申请公测 当前语音交互服务在中国区已全部商用，不需要申请，直接可以调用，调用会收费，计费方式详细请参考语音交互价格计算器。调用的详细操作请参考使用实时语音识别 。 登录华为云，单击右上角的“控制台”，进入“管理控制台”界面。 在左侧服务列表中选择“EI企业智能 > 语音交互服务”。
语音识别是强制绑定使用OBS进行录音文件存储吗 不是，只有录音文件识别需要使用OBS服务，语音交互服务对用户存储在OBS的数据，具有只读权限，没有修改和删除的权限。所以用户是否删除上传至OBS服务的数据，需要用户根据自己的obs桶的使用情况或者容量大小确认，并在OBS服务上执行。
是 Object 连接时网络的配置类。 RasrResponseListener 是 Object webSocket回调过程中，业务逻辑的Listener。 RasrConnProcessListener 否 Object webSocket生命周期的Listener。 表2 AuthInfo
API参考》中开始识别章节。 property 是 String 属性字符串，language_sampleRate_domain， 如chinese_16k_general，参见《API参考》中开始识别章节。 addPunc 否 String 表示是否在识别结果中添加标点，取值为yes
录音文件识别极速版 支持“华北-北京四”、“华东-上海一”区域。 当前语音服务仅支持北京和上海区域，后续会陆续上线其他区域。 华北-北京四，推荐的区域。 华东-上海一，推荐的区域。 支持wav、mp3、m4a、acc、opus格式音频文件。 语音时长不超过120分钟，文件大小不超过100M。
general。具体信息请参见《API参考》中一句话识别章节。 addPunc 否 String 表示是否在识别结果中添加标点，取值为yes 、 no，默认no。 digitNorm 否 String 表示是否将语音中的数字识别为阿拉伯数字，取值为yes 、 no，默认为yes。
result 是 Result object 调用成功表示识别结果，调用失败时无此字段。 表3 Result 参数 是否必选 参数类型 描述 text 是 String 调用成功表示识别出的内容。 score 是 Float 调用成功表示识别出的置信度，取值范围：0~1。 word_info
recognized”？ 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
调用一句话识别、录音文件识别、实时语音识别API时，如果在您的业务领域有一些特有的词，默认识别效果差的时候可以考虑使用热词管理功能，将这些词添加到词表，改善识别效果。 创建热词表（1.0版本） 创建热词表有两种方式：控制台创建、调用API创建。本章节主要介绍通过控制台创建的方法。 登录SIS服务控制台。
流式一句话 功能介绍 流式一句话模式的语音长度限制为一分钟，适合于对话聊天等识别场景。 该接口支持用户将一整段语音分段，以流式输入，最后得到识别结果。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
Websocket握手请求 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 父主题： 实时语音识别接口
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。
应用场景 语音客服质检 识别客服、客户的语音，转换为文本。进一步通过文本检索，检查有没有违规、敏感词、电话号码等信息。 会议记录 对会议记录的音频文件，进行快速的识别，转化成文字，方便进行会议记录。 语音短消息 通过语音发送或者接收短消息时，将音频短消息转文字，提升阅读效率和交互体验。
为什么录音文件识别出现重复转写结果 问题现象 调用录音文件识别接口，识别的结果出现两条完全一致的结果。 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
录音文件识别多久可以返回结果 音频转写时长受音频时长和排队任务数量影响，音频时长和理论返回时间可参见表 音频转写时长参考表。如果转写耗时比理论时延长，大概率表示当前时间段出现转写高峰，请耐心等待，我们承诺最大转写时长不超过6小时。 表1 音频转写时长参考表 音频时长 参考返回时间
基于WebSocket协议进行实时语音识别。 关闭WebSocket连接。 其中，基于WebSocket协议进行实时语音识别时，需要客户端首先发送转写开始消息，然后持续发送语音数据至服务端，最后发送结束消息，在此期间客户端会持续收到服务端发送的转写结果或事件，客户端根据所收到的响应消息做对应处理。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
