接口说明 实时 语音识别 接口基于Websocket协议实现。分别提供了“流式一句话”、“实时语音识别连续模式”、“实时语音识别单句模式”三种模式。 三种模式的握手请求wss-URI不同，基于Websocket承载的实时语音识别请求和响应的消息格式相同。 开发者可以使用java、py

查看更多 →

实时语音识别多人同时使用，如何区分各自识别结果 每个用户独立建立websocket连接，不可共用一个websocket连接。 父主题： API使用类

查看更多 →

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、粤语和上海话）的识别。适用

查看更多 →

Websocket握手请求 流式一句话 实时语音识别连续模式 实时语音识别单句模式 父主题： 实时语音识别接口

查看更多 →

如果设置为0，表示不检测“长时间静音”情况。 取值范围：[0, 60000]的整数，单位为ms，默认为10000ms，即10s。 vad_tail 否 Integer 音频的结尾中的静音时间，正常情况下不应设成很小的值。 如果检测语音结尾的静音时长大于等于此值时，在实时语音识别单句模式下将返回VOICE_END（识别

查看更多 →

获取录音文件识别结果API支持返回提交音频的时长。 CPP SDK上线。 2022-06-08 新增： 实时 语音合成 支持温柔女声、朝气男声精品发音人。 2022-05-31 新增： 语音合成新增朝气男声发音人。 2022-02-15 新增： 录音文件识别输入参数兼容公网访问的url。 2021-08-28

查看更多 →

基于WebSocket协议进行实时语音识别。 关闭WebSocket连接。 其中，基于WebSocket协议进行实时语音识别时，需要客户端首先发送转写开始消息，然后持续发送语音数据至服务端，最后发送结束消息，在此期间客户端会持续收到服务端发送的转写结果或事件，客户端根据所收到的响应消息做对应处理

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。 录音文件识别 对于录制的长语音进行识别，转写成文字，提供不同领域模型，具备良好的可扩展性，支持热词定制。 产品优势 高识别率 基于深度学习技术，对特定领域场景的语音识别进行优化，识别率达到业界领先。

查看更多 →

获取录音文件识别结果API支持返回提交音频的时长。 2022-06 新增： 实时语音合成支持温柔女声、朝气男声精品发音人。 2022-05 新增： 语音合成新增朝气男声发音人。 2022-02 新增： 录音文件识别约束，增加音频转写时长参考，输入参数兼容公网访问的url。 2022-01 ios

查看更多 →

recognized”？ 可能原因 实时语音识别的初始静默时间过长无法识别。 解决方案 方法一：将参数设置中静默时间的参数vad_head 的值设置大一些，详细请参见API参考的实时语音识别的请求参数。 方法二：处理音频文件，将识别文件初始的静默音频剪切掉。 父主题： API使用类

查看更多 →

为什么录音文件识别出现重复转写结果 调用语音交互的API显示auth failed 调用语音交互的API超时怎么处理（connect 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

查看更多 →

一句话识别 一句话识别接口，用于短语音的同步识别。一次性上传整个音频，响应中即返回识别结果。 表3 录音文件识别接口说明 接口类型 说明 录音文件识别 录音文件识别接口，用于转写不超过5小时的音频。由于录音文件转写需要较长的时间，因此转写是异步的。 表4 语音合成接口说明 接口类型

查看更多 →

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

查看更多 →

错误码定义 CC-Gateway返回结果码 订阅语音识别结果接口通用返回结果码 CTI返回通用错误码 CTI返回VDN配置接口错误码 CTI返回系统配置接口错误码 UAP返回错误码 父主题： 订阅语音识别结果接口

查看更多 →

语音识别是强制绑定使用OBS进行录音文件存储吗 不是，只有录音文件识别需要使用OBS服务，语音交互服务对用户存储在OBS的数据，具有只读权限，没有修改和删除的权限。所以用户是否删除上传至OBS服务的数据，需要用户根据自己的obs桶的使用情况或者容量大小确认，并在OBS服务上执行。

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、pcm8k16

查看更多 →

语音交互服务的区域如何选择 不同区域的资源之间内网不互通。为保证网络的连通性，降低网络时延、提高访问速度，请选择靠近您客户的区域，当前语音服务支持北京和上海区域，后续会陆续上线其他区域，当前支持的区域请参见地区与终端节点。 华北-北京四，为推荐的区域，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。

查看更多 →

ChatBotRespContent 语音识别匹配到的意图返回的答复信息，包括槽位和响应中配置的答复。 TOC.ChatBotScenarioName 语音识别执行后匹配到的意图模板的名称，字符串类型。 例如如下场景您可以设置为TOC.ChatBotScenarioName = “答复座位类型”

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 →

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/{project_id}/rasr/short-stream 实时语音识别连续模式 WSS /v1/{project_id}/rasr/continue-stream 实时语音识别单句模式

查看更多 →

应。 trace_id String 服务内部的令牌，可用于在日志中追溯具体流程。 event String 具体的事件，详细参数可参见event取值范围及其说明。 timestamp Integer 保留字段。将来会用于此事件发生的具体时间，以会话开始作为0点，单位为ms。 event取值范围及其说明

查看更多 →