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
实时语音识别工作流程 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。 开始阶段需要发送开始指令，包含采样率，音频格式，是否返回中间结果等配置信息。服务端会返回一个开始响应。 发送音频阶段客户端会分片发送音频数据，服务会返回识别结果或者其他事件，如音频超时，静音部分过长等。
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
发送音频数据 在收到“开始识别”的响应之后，可以开始发送音频数据。为节省流量，音频以二进制数据帧形式（binary message）的方式发送。 音频数据将分片发送，也即在获得一定量音频数据的同时就可以发送一个binary message，每个分片建议在50ms~1000ms之间
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。 表1 AuthInfo 参数名称 是否必选 参数类型 描述 ak
实时语音识别 支持“华北-北京四”、“华东-上海一”区域。 当前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，支持一句话识别、录音文件识别、实时语音识别和语音合成和热词等接口。 华东-上海一，推荐的区域，支持一句话识别、录音文件识别、实时语音识别、语音合成和热词等接口。
实时语音识别接口 接口说明 Websocket握手请求 实时语音识别请求 实时语音识别响应
应用场景 该解决方案基于华为云语音交互服务语音识别构建，可自动将用户上传到对象存储服务的wav语音文件转化为文字，并将结果存放到指定OBS桶。该方案可以将用户上传在OBS的语音文件识别成可编辑的文本，支持中文普通话的识别和合成，其中语音识别还支持带方言口音的普通话识别以及方言（四川
result_bucket_name String 是 OBS桶名称，全局唯一，用于存放语音识别结果。取值范围：3~63个字符，支持小写字母、数字、中划线（-）、英文句号（.）。 登录华为云解决方案实践，选择“语音识别解决方案”，单击“一键部署”，跳转至解决方案创建堆栈界面。 图1 选择模板 在选择模板界面中，单击“下一步”。
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
chinese_16k_it 支持采样率为16k的IT会议语音识别。区域仅支持cn-north-4。 chinese_8k_common 支持采样率为8k的中文普通话语音识别。 chinese_16k_common 支持采样率为16k的中文普通话语音识别。 表4 audio_format取值范围
不会返回VOICE_START、VOICE_END、EXCEEDED_SILCENCE事件。 在实时语音识别单句模式下： 返回VOICE_START事件，表示检测到语音，此时IVR可以做打断。 返回VOICE_END事件后，表示一句话结束，后续的音频将被忽略，不会再进行识别。 只会返回最多一组VOICE_START和VOICE_END事件。
"command": "END", "cancel": false } 状态码 状态码请参见状态码。 错误码 错误码请参见错误码。 父主题： 实时语音识别请求
时序不正确，比如连续发送两次“开始识别”指令。 识别过程中发生错误，比如音频解码发生错误。 出现错误响应时，如果已经在一个会话中了，会再发送一个“结束识别”的响应，表示识别会话结束。如果会话还没有开始，那么发送此错误响应后不做其它操作。此后的音频数据都被忽略，直到收到下一个“开始识别”请求。 响应消息
识别结果响应 服务端在收到客户端发送的连续音频数据后， 当服务端识别出结果后会实时向客户端按句推送识别结果响应消息， 以json字符串形式放置在text message中。 响应消息 表1 响应参数 参数名 参数类型 说明 resp_type String 响应类型。参数值为RESULT，表示识别结果响应。
结束识别请求响应 服务器端收到“结束识别”请求时或语音识别过程中发生错误，服务端会向客户端推送如下响应消息，以json字符串形式放置在text message中。 响应消息 表1 响应参数 参数名 参数类型 说明 resp_type String 响应类型。参数值为END，表示结束识别响应。
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
"567e8537-a89c-13c3-a882-826321939651" } 状态码 状态码请参见状态码。 错误码 错误码请参见错误码。 父主题： 实时语音识别响应
严重错误响应 严重错误，通常指流程无法继续的情况。比如当出现客户端分片音频间隔超时（例如20s）。 出现严重错误响应时，流程不再继续，服务器端会主动断连。 响应消息 表1 响应参数 参数名 参数类型 说明 resp_type String 响应类型。参数值为FATAL_ERROR，表示开始识别响应。
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，
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。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
