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
Websocket握手请求 功能介绍 本接口提供实时流式语音合成。用户每次建立连接，发送待合成文本，服务端将合成结果响应给用户。一次连接只能发送一次文本，如果有多段文本需要合成，需要多次建立连接。实时语音合成和语音合成均属于语音合成接口，采用完全相同的计费规则，两者价格梯度可互相叠加，可参考价格计算器。
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。
<say-as> 标签闭合嵌套于文本之中，如： { "text": "<speak>文本<break time=\"15ms\"/>本文, <say-as interpret-as=\"money\">15.55 RMB</say-as></speak>" } 将带标签的文本作为text的参数值，上传至语音服务进行调用，以Java
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。
参考终端节点。 project_id 项目ID，同region一一对应，登录API凭证界面获取。 text 待合成的文本。 path 合成后音频保存路径。 详细接口参数介绍请参见API参考、SDK参考。 图1 代码示例 运行代码示例，获取识别结果。 父主题： 调用API或SDK
录音文件识别接口 提交录音文件识别任务 获取录音文件识别结果
结束识别 功能介绍 对于识别中的对话，需要在Websocket上发送“结束识别”的请求来取消或结束识别。 "结束识别"请求使用文本类型的数据帧(text message)发送，命令和参数以json字符串的形式提供。 请求消息 表1 参数说明 参数名 是否必选 参数类型 说明 command
SIS.0416 等待用户发送合成文本超时。 请重新发送需要合成的文本内容。 SIS.0417 TTS引擎错误。 请重试，或联系技术支持工程师 SIS.0418 当前链接已有合成任务。 请勿重复发送开始合成命令。 SIS.0419 非法ssml。 输入文本内容包含非法字符。 SIS.0504
方言和英语，方言当前支持四川话、粤语和上海话。 文本时间戳 为音频转换结果生成特定的时间戳，从而通过搜索文本即可快速找到对应的原始音频。 智能断句 通过提取上下文相关语义特征，并结合语音特征，智能划分断句及添加标点符号，提升输出文本的可阅读性。 中英文混合识别 支持在中文句子识别
录音文件识别极速版接口 功能介绍 录音文件识别极速版接口，用于录音文件的同步识别。音频需要上传华为云OBS，提供华为云OBS对象地址，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。 调试 您可以在API Explorer中调试该接口，支持自动认证鉴权。API
http接口 功能介绍 一句话识别接口，用于短语音的同步识别。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。 图1 在线使用
4编码格式的数据解码成byte数组，再保存为wav格式的音频。 语音合成（Text To Speech ，TTS服务）服务的音频格式则根据接口中audio_format参数设置的语音格式为准。若audio_format的值设置为wav，则解码后输出为wav格式，如果设置为mp3，则解码后输出mp3格式。
start_time Integer 文本对应的合成音频的开始时间戳，单位是ms。 end_time Integer 文本对应的合成音频的结束时间戳，单位是ms。 text String 文本信息。 word_index Integer 文本在整句中的位置，从0开始计数。 phonemes
是 待合成的文本，chinese_huaxiaomei_common,chinese_huaxiaofei_common,chinese_huaxiaolong_common,chinese_huaxiaorui_common发音人支持长度不大于10000字符的文本，其他发音人支持长度不大于500字符的文本。
websocket接口 功能介绍 一句话识别websocket接口支持识别1min以内的音频，交互过程如图 客户端和服务端交互流程所示，主要分为开始识别、发送音频数据，结束识别、断开连接四个步骤。 websocket接口同http接口一致按次计费，只要建立连接成功，发送音频，服务
SDK（Windows）、CPP SDK（Linux）。后序章节均指代该SDK。 Java接口与API对应关系 Java接口与API对应关系请参见表 Java接口与API对应关系表。 表1 Java接口与API对应关系表 Class Method API 功能名称 RasrClient
region，如cn-north-4 text = '' # 待合成文本，不超过500字 path = '' # 保存路径，如D:/test.wav。 可在设置中选择不保存本地 # step1 初始化客户端 config
服务当前处于商用还是免费阶段 当前语音交互服务在中国区已全部商用，使用该服务需要收费。详细的接口费用说明请参见计费说明。 父主题： 计费类
调用说明 SIS服务提供了两种接口，包含REST（Representational State Transfer）API，支持您通过HTTPS请求调用，调用方法请参见如何调用REST API。也包含WebSocket接口，支持Websocket协议，调用方法请参见如何调用WebSocket
时访问和调用API获取语音交互结果。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。 语音交互（实时语音识
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
