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。

查看更多 →

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。 音频采样率8KHz或者16KHz，采样位数8bit或者16bit。 支持中

查看更多 →

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。 支持pcm16k16bit、pcm8k16bit、ulaw16k8bit、

查看更多 →

该解决方案主要部署如下资源，不同产品的花费仅供参考，具体请参考华为云官网价格详情，实际收费以账单为准。 表1 资源和成本规划（按需计费） 华为云服务 配置示例 每月预估花费 语音合成 TTS 按需计费：2元/千次（大于10千次/月） 区域：华北-北京四 计费模式：按需计费 购买量：1 接口调用次数费用 函数工作流 FunctionGraph

查看更多 →

状态查询：GET /v1/{project_id}/asr/transcriber/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

查看更多 →

timeout） 为什么服务端返回OBS链接不可用（data url is unreachable） 语音合成的base64编码如何使用 录音文件识别多久可以返回结果 语音合成能不能支持返回立体音（双声道）格式的音频 如何解决“The silence time is too long

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 →

OBS：是一个基于对象的海量存储服务，为客户提供海量、安全、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

查看更多 →

约束与限制 实时语音识别 一句话识别 录音文件识别 语音合成 录音文件识别极速版

查看更多 →

音频流数据 功能介绍 分多段返回二进制语音数据流，如果用户未设置语音格式，则默认返回pcm格式语音。 父主题： 语音合成结果响应

查看更多 →

使用流程简介 用户通过调用SIS服务提供的API或SDK，进行语音转文本或语音合成任务，返回的结果需要您通过编码对接到业务系统中。 图1 使用流程

查看更多 →

支持哪些语言 录音文件识别、语音合成支持中文普通话。 一句话识别和实时语音识别支持中文普通话，带方言口音的普通话和方言（四川话、粤语和上海话）。 父主题： 产品咨询类

查看更多 →

应用示例 示例1：分身形象制作管理 示例2：声音制作任务管理 示例3：语音合成管理 示例4：视频制作 示例5：视频制作剧本管理 示例6：视频直播 示例7：视频直播对接实时音视频客户端SDK 示例8：资产管理 示例9：数字人名片制作 示例10：智能交互

查看更多 →

计费类 套餐包购买后是否支持退款 服务当前处于商用还是免费阶段 如何收费 如何续费 查看套餐用量明细、账单明细 账号中存在语音合成服务的套餐，但是为什么却收到了欠费的信息 欠费后充值账户，为什么调用SIS API仍返回'resource type is RESTRICTED' 欠费后套餐包能否继续使用

查看更多 →

直播控制RTSA Command命令说明 文本驱动SSML定义 系统资产标签定义 服务支持的字体 资源类型 使用Java代码生成文件内容的MD5值 查询语音合成WebSocket接口使用的音色ID 预置音色ID列表 查询预置音色ID

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。MetaStudio

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 →

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。 接口功能及调用方法请参考语音合成 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。

查看更多 →

时间戳数据 功能介绍 实时语音合成服务在生成音频流的同时，可以生成每个汉字/英文单词的时间戳信息。该信息可用于视频字幕和驱动数字人口型。 参数设置 设置请求参数subtitle为"word_level"或"phoneme_level"时，开启时间戳功能。 响应信息 表1 响应参数

查看更多 →

Interface，应用程序编程接口）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、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 →