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。 游戏/社交语音 监测游戏APP / 社交APP中的聊天内容以及语音动态，降低业务违规风险。 场景优势如下： 准确率高：基于改进的深度学习算法，基于复杂环境语音审核准确率高。 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 →

声音制作 真人声音录制 创建声音制作任务（华为模型） 查看声音 文案样例（基础版） 文案样例（进阶版） 文案样例（高品质）

查看更多 →

查看声音 声音制作任务算法训练完成后，可以查看声音。 操作步骤 登录MetaStudio控制台。 在左侧导航栏中，单击“任务中心”。 选择“声音制作”，确认声音制作任务已训练完成。 在左侧导航栏中，单击“我的创作”。 选择“声音”，找到已生成的声音，将鼠标放在头像上面，展示试听图标，单击即可试听声音效果。

查看更多 →

登录MetaStudio控制台。 单击“声音制作”下方的“开始创建”，进入声音制作页面。 图1 定制声音 配置声音制作参数。 界面操作详情，如表1所示。 表1 界面操作说明 区域 说明 声音制作方式 选择声音制作方式“基础版声音制作”。 请完善声音信息 输入声音名称，示例：欢快女声。 请选择声音性别 选择声音的性别，示例：女生。

查看更多 →

什么是人脸识别 人脸识别服务（Face Recognition Service，简称FRS），是基于人的脸部特征信息，利用计算机对人脸图像进行处理、分析和理解，进行身份识别的一种智能服务。人脸识别以开放API（Application Programming Interface，应

查看更多 →

在AstroZero中，通过应用与OCR对接，可实现图片或扫描件中文字识别功能。例如，识别某用户上传到华为OBS上的身份证图片的全部信息。 前提条件 已申请身份证识别服务，具体操作请参见开通文字识别服务。 图1 已申请身份证识别服务 已获取AK（Access Key ID）、SK（Secret

查看更多 →

MRS 可以做什么？ 问： MapReduce Service（MRS）可以做什么？ 答： MapReduce服务 （MapReduce Service）为客户提供ClickHouse、Spark、Flink、Kafka、HBase等Hadoop生态的高性能大数据引擎，支持 数据湖 、数

查看更多 →

声音制作限制 MetaStudio不支持个人用户定制声音，仅支持企业用户。 定制声音时，从平台下载的授权书中有明确说明，定制音色需授权给公司使用。 父主题： 使用限制

查看更多 →

ModelArts AI识别可以单独针对一个标签识别吗？ 标注多个标签进行训练而成的模型，最后部署成在线服务之后也是对标注的多个标签去进行识别的。如果只需要快速识别一种标签，建议单独训练识别此标签的模型使用，并选择较大的部署上线的规格也可以提供识别速度。 父主题： 一般性问题

查看更多 →

基于领先的 语音识别 引擎、智能文本检测模型，精准识别出语音中涉黄、涉恐、辱骂等违规场景，极大提升产品用户体验。 内容审核-视频 基于先进的人工智能技术综合检测视频画面、声音、字幕等，精准高效识别各类涉黄、涉暴、广告等违规内容，提高平台内容治理质量和效率。 内容审核 -音频流 精准识别多场景下色情、辱骂、广告等违规

查看更多 →

为什么入会的时候没有声音？ 可能是由于以下原因导致： 入会前没有订阅。 服务端出现问题。 远端没有开启视频流。 父主题： 问题排查

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 →

为什么本端听筒能听到自己的声音？ 调用muteRemoteAudio时，参数设置为自己的uid就会发生此类情况。 父主题： SDK使用

查看更多 →

声音分类 准备数据 创建项目 数据标注 模型训练 部署上线 父主题： 自动学习（新版）

查看更多 →

高品质 制作声音模型 准备好音频文件后，就可以上传至MetaStudio控制台，进行声音训练。详细操作如下所示： 创建声音制作任务（华为模型） 查看声音 声音模型制作耗时，如下所示： 基础版：约1~3个工作日。 进阶版：约1~3个工作日。 高品质：约5个工作日。 自定义声音应用方式，如下所示：

查看更多 →

对接OCR实现图片上文字识别功能 背景信息 文字识别（Optical Character Recognition，简称OCR）以开放API的方式提供给用户，用户使用Python、Java等编程语言调用OCR服务API将图片识别成文字，帮助用户自动采集关键数据，打造智能化业务系统，提升业务效率。

查看更多 →

录音文件识别多久可以返回结果 音频转写时长受音频时长和排队任务数量影响，音频时长和理论返回时间可参见表 音频转写时长参考表。如果转写耗时比理论时延长，大概率表示当前时间段出现转写高峰，请耐心等待，我们承诺最大转写时长不超过6小时。 表1 音频转写时长参考表 音频时长 参考返回时间

查看更多 →

什么是图像识别 图像识别（Image Recognition），是指利用计算机对图像进行分析和理解，以识别各种不同模式的目标和对象的技术，包括媒资图像标签，名人识别，主体识别，翻拍识别、图像标签等。 图像识别以开放API（Application Programming Inter

查看更多 →

在左侧导航树中选择“个性化 > 告警声音”。 在“告警声音”页面中设置不同级别对应的提示声音。 单击可试听当前选择声音文件。 单击，在弹出的“自定义告警声音”对话框中，可上传、查看和删除自定义声音文件。 单击，选择“按告警名称发声”的告警，最多支持选择20个告警。 设置不同级别需要发出提示音的“监控状态”。

查看更多 →

声音分类 声音分类是对声音进行分类。 由于模型训练过程需要大量有标签的音频数据，因此在模型训练之前需对没有标签的音频添加标签。通过ModelArts您可对音频进行一键式批量添加标签，快速完成对音频的标注操作，也可以对已标注音频修改或删除标签进行重新标注。 音频标注涉及到的标注标签

查看更多 →

声音制作任务管理 创建基础版语音训练任务 创建进阶版语音训练任务 创建高级版语音训练任务 查询语音训练任务列表 提交语音训练任务 查询语音训练任务详情 删除语音训练任务 获取语音文件上传地址 获取语音训练任务审核结果 确认在线录音结果 获取在线录音确认结果

查看更多 →