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。 父主题： 产品咨询类

查看更多 →

iber/jobs/{job_id} 语音合成接口 语音合成接口 POST /v1/{project_id}/tts 表2 WebSocket API功能 接口 功能 API URI 实时语音识别接口（请求） 开始识别 支持三种模式的请求消息： 流式一句话 WSS /v1/{pr

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 →

等。 社交语音消息 在社交语音消息平台上实时对用户发送的语音消息进行审核，及时判断出包含不良内容的语音消息，帮助您根据审核结果进行相应的处理，如删除消息、禁言用户等。 场景优势： 准确率高：全面场景覆盖，避免误杀漏杀，实时防御风险。 支持特殊声音识别：支持特殊声音识别模型，如娇喘、呻吟、敏感声纹等。

查看更多 →

CPP SDK（Windows） 使用实时语音识别 使用实时语音合成

查看更多 →

CPP SDK（Linux） 使用实时语音识别 使用实时语音合成

查看更多 →

String body False 用户标识。（语音导航、语音外呼场景传入用户号码，其他交互场景传入用户id） 不超过64位 call_dst_id String body True 接入标识 1、语音导航场景传入流程接入码； 2、语音外呼问卷场景时为流程接入码； 3、其他交互场景时传入接入标识。

查看更多 →

chinese_16k_general 支持采样率为16k的中文普通话语音识别，采用新一代端到端识别算法，识别准确率更高。 区域支持cn-east-3和cn-north-4（强烈推荐使用）。 chinese_16k_travel 支持采样率为16k的中文普通话语音识别，采用新一代端到端识别算法，并针对网约车质检场景进行了优化。

查看更多 →

D、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。

查看更多 →

模板类型，由7位数字组成，前三位分别代表放音\识别\按键的支持情况： 100：只播放。 101：按键打断播放， 不支持识别。 110：识别打断播放， 不支持按键。 120：识别不打断播放， 不支持按键。 122：按键+识别，不打断播放。 111：按键+识别，打断播放。 102：按键不打断播放， 不支持识别。 紧接着

查看更多 →

模板类型，由7位数字组成，前三位分别代表放音\识别\按键的支持情况： 100：只播放。 101：按键打断播放， 不支持识别。 110：识别打断播放， 不支持按键。 120：识别不打断播放， 不支持按键。 122：按键+识别，不打断播放。 111：按键+识别，打断播放。 102：按键不打断播放， 不支持识别。紧接着两

查看更多 →

是 String 表示客户端结束识别请求，参数值设置为END。 cancel 否 Boolen 是否取消返回识别结果。 true：表示取消识别，也即丢弃识别中和未识别的语音数据并结束，不返回剩余的识别结果。 false：表示继续处理识别中和未识别的语音数据直到处理完所有之前发送的数据。

查看更多 →

模板类型，由7位数字组成，前三位分别代表放音\识别\按键的支持情况： 100：只播放。 101：按键打断播放， 不支持识别。 110：识别打断播放， 不支持按键。 120：识别不打断播放， 不支持按键。 122：按键+识别，不打断播放。 111：按键+识别，打断播放。 102：按键不打断播放， 不支持识别。紧接着两

查看更多 →

模板类型，由7位数字组成，前三位分别代表放音\识别\按键的支持情况： 100：只播放。 101：按键打断播放， 不支持识别。 110：识别打断播放， 不支持按键。 120：识别不打断播放， 不支持按键。 122：按键+识别，不打断播放。 111：按键+识别，打断播放。 102：按键不打断播放， 不支持识别。紧接着两

查看更多 →

String body False 用户标识。（语音导航、语音外呼场景传入用户号码，其他交互场景传入用户id） 不超过64位 call_dst_id String body True 接入标识 1、语音导航场景传入流程接入码； 2、语音外呼问卷场景时为流程接入码； 3、其他交互场景时传入接入标识。

查看更多 →

SIS.0601 短语音识别或语音合成输入参数不合法。 请检查请求参数是否正确和完整。 SIS.0602 短语音识别语音格式不支持。 请检查提交的语音编码格式是否在支持的范围内。 SIS.0604 短语音识别文件大小不符合要求或语音合成字数超过上限。 请尝试减小语音文件的大小或减少请

查看更多 →

费用。 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音等提升用

查看更多 →

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。

查看更多 →

调用SDK实现通用表格识别 文字识别服务软件开发工具包（OCR SDK）是对文字识别服务提供的REST API进行的封装，以简化用户的开发工作。 本章节以通用表格识别API为例，介绍如何使用OCR Python SDK。 使用OCR SDK的详细步骤如下所示： 步骤1：开通服务 步骤2：安装SDK

查看更多 →

iOS SDK 一句话识别 实时语音识别连续模式

查看更多 →

展。云联络中心凭借建设周期短、投入成本低、部署灵活、方便管理四大优势，成为目前企业建立联络中心的重要选项。 智能云联络中心已到来 无人化（人工智能）、远程化（视频通话）业务办理和咨询服务的普及正在改变人们的日常生活，也正在改变联络中心。智能语音导航（语音导航代替按键导航）、智能外

查看更多 →