大小不得超过2M，分辨率不超过720P。 文字转语音：配置一段用于转语音的文字，最大长度不可超过1024字节。 其中使用场景为语音通知的文字转语音需要说明以下几点： 文字内容最大长度不可超过500字节，支持输入变量，变量值后续可以由“语音通知接口（V2.0.0）”中的“templateParams”参数填充。

查看更多 →

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

查看更多 →

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

查看更多 →

音频格式，支持wav、mp3、pcm三种格式。 mp3 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，

查看更多 →

WeLink 智能纪要，支持录音转文字稿，让您告别听录音写纪要的烦恼。 目前可支持将本地和云空间的录音文件转换为文字。快速转写4小时以内，300M以内的录音文件，支持MP3/M4A/WAV等多种音频格式。 在“业务”中搜索“智能纪要”应用，单击“选择音视频”，导入本地或云空间中的录制文件，即可转换。 父主题：

查看更多 →

语音合成后输出的音频格式是什么 语音合成后返回一组Base64编码格式的语音数据，用户需要用编程语言或者sdk将返回的Base64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audi

查看更多 →

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

查看更多 →

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。

查看更多 →

文字水印 添加文字水印时使用的参数，包括字体大小、字体类型以及文字颜色等。具体文字水印参数如表1所示。 表1 文字水印参数 参数 取值说明 代码样例 text 添加文字水印时的必选参数。 须知： 必须是URL安全base64编码。encodeText = url_safe_bas

查看更多 →

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

查看更多 →

每个单场景，如果通过“文本驱动”方式生成语音时，所有段落汇总的文字数量需大于200字。 每个单场景，如果通过“音频驱动”方式生成语音时，每个音频时长需大于1分钟。 文本驱动配置 通过“文本驱动”方式生成语音时，对应的文本要求，如下所示： 每个段落的文本字符数量需小于2000，如果包含语音合成标记语言SSML标签时，需小于3000。

查看更多 →

可定制化 针对客户的特定场景需求，定制垂直领域的语音识别模型，识别效果更精确。 语音合成 语音合成支持多种音色，可调节语调，语速，音量。 产品优势 多语种多音色 中文普通话、男声、女声、童声自由切换，可以调整音量，语速。 效果出色 文本转换自然清晰，近乎真人发音，能够符合多样的应用场景。

查看更多 →

) 1.3 voiceType string True 语音类型，比如0 是IVR，1提示音，2故障音，3语音通知 1.4 fileType string True 文件类型，支持wav格式和MP3格式 wav格式和MP3格式均会使用ffmpeg工具转码为平台所支持的音频文件格式

查看更多 →

None 服务介绍 文字识别 OCR 文字识别技术简介 01:46 文字识别技术简介 快速入门 文字识别 OCR 使用SDK 06:38 SDK使用指导 文字识别 OCR 使用API 03:04 API使用指导 问题排查 文字识别 OCR 获取Token 时帐密报错 03:53 获取Token时帐密报错

查看更多 →

文字识别 文字识别连接器用于对接华为云文字识别服务，可以通过文字识别服务准确识别图像中的文字。 前提条件 使用文字识别连接器前，需要开通华为云文字识别服务。 创建文字识别连接 登录新版ROMA Connect控制台。 在左侧导航栏选择“连接器”，在连接器页面单击“新建连接”。 选择“华为云服务”类别下的“文字识别”。

查看更多 →

立即使用 成长地图 由浅入深，带您玩转OCR 01 了解 了解华为云文字识别服务的产品介绍、应用场景、使用限制，有助于更好的使用文字识别服务。 产品介绍 什么是文字识别 应用场景展示 使用限制说明 智能分类介绍 03 入门 文字识别服务以开放API（Application Programming

查看更多 →

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（实时语音识别、一句话识别、录音文件识别、语音合成）服务所提供的API为自研API。

查看更多 →

word_info 分词信息列表。 分词 分词。 起始时间 起始时间。 结束时间 结束时间。 语音合成 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

查看更多 →

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。 支持

查看更多 →

标注语音 用户对语音的某一些地方做标注，执行本章节。 操作步骤 按创建标注任务章节创建音频标注任务。 在音频上方，单击，播放语音。 在语音区域，拖动鼠标选择标注内容。 在弹出框中输入标注名称，单击“确定”。 标注后的结果会展示在波形图下方。 在音频左上方，单击保存标注的内容。 （可选）在音频标注界面，支持如下操作。

查看更多 →

bit、WAV（支持pcm/ulaw/alaw/adpcm编码格式）、MP3、M4A、ogg-speex、ogg-opus、AMR等多种格式，详见API参考文档中的“audio_format取值范围”。 语音时长不超过5小时，文件大小不超过300M，用户的识别任务在6小时内完成并

查看更多 →