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
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
语音合成 功能介绍 语音合成，是一种将文本转换成逼真语音的服务。用户通过实时访问和调用API获取语音合成结果，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，为企业和个人提供个性化的发音服务。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。
被叫播放语音，并进行收号。SP可以要求业务平台播放多段语音，每段语音的内容都可以是下列两种语音中的一种： 语音文件中录制的语音。 文本（需要先通过模板定义）通过TTS服务转换成的语音。 业务体验描述： SP想要给用户A通知一段或多段语音。 SP向语音通话平台发送播放语音通知业务请求。
什么是语音交互服务 语音交互服务（Speech 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
该解决方案基于华为云语音合成 TTS构建，快速帮助用户在华为云控制台上完成语音合成功能的部署。TTS是指“Text-to-Speech”，即将文本转换为语音的技术。它使用先进的语音合成技术，将文本转换为可听的人工语音。通过TTS技术，计算机可以模拟人类的语音，实现自然、流畅、准确的语音输出。T
全、高可靠、低成本的数据存储能力。 语音合成 TTS：是一种将文本转换为语音的技术。它使用先进的语音合成技术，将文本转换为可听的人工语音。主要提供如下集中关键的特性： 语音合成 计算机可以模拟人类的语音，实现自然、流畅、准确的语音输出。 语音模型训练 TTS带有预训练的模型，是衡
开始语音合成请求 功能介绍 客户端与语音合成引擎建立Websocket连接后，可以发送开始语音合成请求进行语音合成。如果客户端基于该Websocket连接发送多次合成请求，需在每次请求重新建立websocket连接，一次连接只能处理一次合成请求。 请求消息 表1 参数说明 名称 参数类型
sample_rate string 必填 合成语音的采样率，支持16000赫兹和8000赫兹。 16000 speed string 必填 合成语音的语速，取值范围-500到500。 0 pitch string 必填 合成语音的音高，取值范围-500到+500。精品发音人不支持调节音高。
实施步骤 准备工作 快速部署 开始使用 快速卸载
修订记录 表1 修订记录 发布日期 修订记录 2024-1-30 第一次正式发布。
上传语音通知的文字转语音模板文件（createVoiceTemplate） 场景描述 上传语音通知的文字转语音模板文件。 接口方法 POST 接口URI https://域名/apiaccess/rest/cc-management/v1/createVoiceTemplate，例如域名是service
该解决方案主要部署如下资源，不同产品的花费仅供参考，具体请参考华为云官网价格详情，实际收费以账单为准。 表1 资源和成本规划（按需计费） 华为云服务 配置示例 每月预估花费 语音合成 TTS 按需计费：2元/千次（大于10千次/月） 区域：华北-北京四 计费模式：按需计费 购买量：1 接口调用次数费用 函数工作流 FunctionGraph
快速卸载 进入上传文本的OBS和存放结果的OBS中，删除所有存放在里面的文件。 图1 删除文本上传的OBS中的文件 图2 删除存放结果的OBS中的文件 登录资源编排服务 RFS资源栈，找到该解决方案创建的资源栈，单击资源栈名称最右侧“删除”按钮，在弹出的“删除资源栈”提示框输入“
式的镜像的相互转换。 zvhd和zvhd2是云服务内部自研格式，qemu-img工具无法识别这两种格式的镜像文件。如需将镜像文件转换为这两种格式，请使用自研qemu-img-hw工具，详细指导参见转换镜像格式（qemu-img-hw）。 vhd格式镜像在执行命令转换格式时请使用vpc代替。
准备工作 创建rf_admin_trust委托（可选） 进入华为云官网，打开控制台管理界面，鼠标移动至个人帐号处，打开“统一身份认证”菜单。 图1 控制台管理界面 图2 统一身份认证菜单 进入“委托”菜单，搜索“rf_admin_trust”委托。 图3 委托列表 如果委托存在，则不用执行接下来的创建委托的步骤。
开始使用 在华为云控制台打开对象存储服务 OBS，打开上传文本的OBS（本案例中为text-to-speech-in，实际OBS名称以部署指定参数为准）。 图1 打开上传文本的OBS 上传需要合成的文本文件（文件编码格式为utf-8，建议使用txt文件，文件名称只支持包含数字、英
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。 调用API接口需要具备一定的编程开发能力，返回的结果为JSON格式，用户需要通过编程来处理识别结果。
通用文字识别 功能介绍 识别图片上的文字信息，以JSON格式返回识别的文字和坐标。支持扫描文件、电子文档、书籍、票据和表单等多种场景的文字识别。 支持中英文以及部分繁体字。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OCR服务使用简介章节。 图1 通用文字示例图 约束与限制
语音交互服务的监控指标 功能说明 本节定义了语音交互服务上报云监控服务的监控指标的命名空间，监控指标列表和维度定义，用户可以通过云监控服务提供管理控制台来检索SIS服务产生的监控指标和告警信息。 命名空间 SYS.SIS 监控指标 指标ID 指标名称 指标含义 取值范围 测量对象
语音验证码场景API 典型场景 使用语音验证码功能时，调用此API，请求语音通话平台给特定用户播放语音验证码。 接口功能 语音验证码是SP将被叫号码和数字验证码发送给业务平台，由业务平台呼叫被叫，并在被叫接听后播放验证码。 业务体验描述： SP想要给用户A通知一串数字验证码。 S
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
