要较长的时间，因此转写是异步的。 表4 语音合成接口说明 接口类型 说明 语音合成/实时语音合成 语音合成，依托先进的语音技术，使用深度学习算法，将文本转换为自然流畅的语音。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、

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 →

产品咨询类 什么是语音交互服务 支持哪些语言 语音合成后输出的音频格式是什么 是否支持离线使用 语音合成后能否返回播放时长 是否支持aac格式的语音文件转文字 如何查看当前接口是否免费调用

查看更多 →

功能体验与试用 语音交互服务（Speech Interaction Service，SIS）支持语音识别、语音合成功能。适用语音客服质检、会议记录、语音短消息、有声读物、电话回访等场景。 在使用服务前，请先使用SIS体验中心体验服务功能。该方式无需编程，只需在网页端上传文字或音频，即可体验合成效果。

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 →

针对专业词汇，支持上传至热词表，增加专业词汇的识别准确率。 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 →

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，取值范围-500到+500。精品发音人不支持调节音高。

查看更多 →

语音合成的base64编码如何使用 问题现象 用户在使用语音合成获取响应体的base64编码，不了解应该如何进一步使用。 解决方案 1. 建议用户使用Java或Python SDK，可参考SDK简介。 2. 使用html网页播放，新建一个html文件，如下填写内容，即可在浏览器播放。

查看更多 →

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（四川话、粤

查看更多 →

文本驱动SSML定义 MetaStudio语音驱动采用语音合成标记语言（SSML，Speech Synthesis Markup Language）来控制数字人的行为，包括动作、情绪以及 TTS 语音合成的多音字、停顿等。 SSML基础定义可参考语音合成标记语言版本 1.0。MetaStu

查看更多 →

Explorer。 登录后，“X-Auth-Token”和“project_id”参数会自动填充，无需填写。 填写待合成文字。 在text中输入待合成的文本，其中config参数为合成音频的音色、语速、格式等设置项，可使用默认值。 单击“调试”按钮，获取识别结果。 父主题： 调用API或SDK

查看更多 →

可以把录好的声音上传到数字人系统来代替文案内容的文字编辑。 其它配置：基于上述主题的确定，其它配置包括了其它声音模型、图片素材、视频素材、背景音乐、是否需要字幕等配置。 一键合成：以上所有选择及配置完成之后，即可进行一键合成，合成之后可以把视频导出使用或者提供链接的方式使用。 具体过程介绍如下

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 →

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 →

可查看视频合成任务的进度，直至合成成功。 单击“合成成功”状态右侧的图标，进入视频详情页面，如图3所示。 单击“预览”，可以看到合成的视频。预览过程中，可全屏播放，或下载视频到本地。 图3 视频详情 如果用户对合成的视频不满意，可以参考下述步骤，进行二次制作，重新合成。 在左侧导航栏中，选择“工作台”。

查看更多 →

开始合成响应 功能介绍 语音合成引擎收到实时语音合成请求时，首先向客户端发送合成开始响应，表示开始处理语音合成请求。 响应消息 表1 响应参数 名称 参数类型 说明 resp_type String 响应类型。参数值为START，表示开始语音合成。 trace_id String

查看更多 →

ISO镜像合成 在Dism++中，将已安装VMTools驱动的ISO文件导出至本地，即另存为iso格式。 按下图1、2、3、4、5顺序进行操作。 1：单击“工具箱”。 2：选择“ISO生成器”，弹出对话框。 3：选择原始ISO解压后的路径。 4：选择新生成ISO的路径。 5：单击“确定”，等待合成结束。

查看更多 →

本地调用 本章节以语音合成为例，介绍如何使用SIS Python SDK在本地进行开发。 该SDK可以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，实现个性化音频的生成。 前提条件 注册华为账号 并开通华为云，并完成实名认证，账号不能处于欠费、冻结、被注销等异常状态。

查看更多 →

输入参数 用户配置语音合成执行动作，相关参数说明如表19所示。 表19 语音合成输入参数说明 参数 必填 说明 待合成的文本 是 待合成的文本，文本长度限制小于500字符。 选择语音格式 否 语音格式头：wav、mp3、pcm。默认：wav。有下拉框和输入框两种模式。 选择采样率 否 采

查看更多 →

购买出门问问语音合成套餐包 在云商店购买语音合成套餐包，用于激活和使用出门问问提供的第三方声音。 访问云商店语音合成商品页面，进入云商店商品“语音合成”的购买页面。 用户可以在界面下方查看商品详情，确定要购买的商品规格。 支持购买下述套餐： 语音合成体验套餐 语音合成小型套餐 语音合成中型套餐

查看更多 →