subtitle_file_state String 字幕文件生成状态。 GENERATING：字幕文件生成中。 GENERATE_SUCCEED：字幕文件生成成功。 GENERATE_FAILED：字幕文件生成失败。 subtitle_file_download_url String 字幕文件下载链接。 sub

查看更多 →

如何查看实时 语音识别 的中间结果 实时语音识别分为开始识别、发送音频数据、结束识别，断开连接四个阶段。在使用API或SDK时，可以通过将interim_results参数设置为yes，将识别过程的中间结果返回。如果设置为no，则会等每句话完毕才会返回识别结果。详细参数说明请见实时语音识别。

查看更多 →

。 图1 文本内容审核 示意图 内容审核 -音频 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。

查看更多 →

如何使用Websocket调用实时语音识别 解决方案 1. 下载Java SDK 或 Python SDK，参考《SDK参考》中获取SDK章节。 2. 配置SDK环境，参考《SDK参考》中配置Java环境。 3. 使用SDK里的demo进行调用。参考Java SDK和Python

查看更多 →

AI多模态会议纪要和实时字幕翻译怎么实现？ 只有行业专款enterprise具备该功能，但同时需要配套入驻式会议系统和AI 服务器 实现，具体方案可咨询当地视讯SA或者产品经理获取。 父主题： AI

查看更多 →

如何在流程中配置语音识别错误次数？ 问题描述 流程在进行语音识别交互时，对话流程提供了默认的错误次数控制，具体处理机制为： IVR识别超时，则记录一次timeout。 IVR识别错误以及意图模板拒识则记录一次 nomatch。 OIAP会进行次数累加，超时和拒识是重叠计数的，累计

查看更多 →

订阅语音识别结果接口通用返回结果码 结果码 说明 0 调用配置接口成功 107-000 缓存登录信息失效，需要重新登录鉴权 107-001 调用配置接口抛了异常 107-002 输入参数不合法，必填字段为空 107-003 配置管理员密码错误，重试多次后锁定账号 107-004 无效配置管理员账号

查看更多 →

源FFmpeg的添加字幕功能，以硬字幕的方式帮助用户将字幕文件合入视频中。当用户上传视频文件以及配套字幕文件到 对象存储服务 OBS桶中，会自动触发函数添加字幕，并将合成后的视频文件存储到OBS中。适用于如下场景：视频教学、视频广告、视频社交媒体等需要添加字幕的场景。 方案架构 该解决方案基于华为云 函数工作流

查看更多 →

随着全球化的发展，字幕翻译已经成为了跨越语言和文化的重要工具。该解决方案基于华为云函数工作流 FunctionGraph无服务器架构，集成 自然语言处理 NLP文本翻译功能，帮助用户完成从源语言到目标语言的字幕文件多语言翻译。支持.srt、.ass、.ssa及.vtt格式的字幕文件，适用于教育、媒体等需要翻译视频字幕的行业。

查看更多 →

单击第三轨道“”，会自动解析添加字幕，如下图： 图23 解析添加字幕 解析成功后，选中下方字幕进度条，双击可修改字幕，如下图： 图24 修改字幕 拖动字幕条，可修改字幕长度，添加新字幕，如下图： 图25 添加新字幕 双击页面字幕框，或者单击右侧“字幕”可打开设置字幕属性，可设置字体、颜色、粗心、间距等属性，如下图：

查看更多 →

检查源文件路径是否正确。 源文件不存在 源文件不存在。 检查源文件是否存在。 无法获取字幕文件 转码过程中，获取字幕文件失败。 检查字幕格式是否符合要求（SRT）。 检查字幕路径是否正确。 检查字幕文件是否存在。 源文件打开异常，请检查 源视频帧率错误。 检查源文件的帧率是否符合要求：目前支持帧率为23

查看更多 →

string 必填 字幕字体大小，建议根据视频高宽比来定。如果您的字幕文件中包含字体大小相关设置（中文字体默认思源黑体，以实际输出样式为准），请设置None。取值范围：1-100，或None。 16 font_color string 必填 字幕字体颜色十六进制代码，如果您的字幕文件中包含

查看更多 →

urce（实际桶名称以部署指定参数为准），上传字幕文件。 暂不支持OBS上传KMS加密的文件和压缩包。 支持srt、ass、ssa、vtt四种字幕文件格式。 默认API调用最大并发为20（表示1秒内最多请求20次）。 图2 上传字幕文件 根据文件大小等待时间不同，选择该解决方案创建的带有“-result”后缀的桶

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 →

subtitle_upload_urls Array of strings 字幕上传地址，用于上传字幕。 说明： 您可以使用PUT请求向“subtitle_upload_urls”中上传字幕文件。其中，“Content-Type”需要根据上传的字幕文件类型进行设置，如下所示：字幕文件：application/octet-stream。

查看更多 →

OBS桶名称，全局唯一。该解决方案会创建两个OBS桶，命名方式为{obs_bucket_name}-source（用于上传需要翻译的字幕文件）、{obs_bucket_name}-result（用于存放翻译后的字幕文件）。取值范围：1-56个字符，以字母或数字开头，仅支持小写字母、数字、中划线（-）、英文句号（.）。

查看更多 →

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 →

添加字幕 您可以为音视频文件添加格式为“SRT”，文字编码为“UTF-8”的字幕文件。字幕文件上传成功后，需要对音视频进行转码才能在音视频中压制对应字幕。 单击音视频所在行的“管理”，在“基本信息”页签单击“编辑”，进入基本信息编辑状态。 单击“上传字幕”，选择本地字幕文件上传。

查看更多 →

，沟通更便捷。 字幕/字幕翻译 桌面端（Windows、Mac），在主持人、与会者进入会议时，可开启字幕/字幕翻译功能，带来更好的观看体验。 开启字幕：将主持人、与会者的语音（普通话）转为实时中文字幕并显示，帮助会中成员加深理解会议内容。 字幕翻译：支持中文字幕实时翻译成英文，对英文与会者友好。

查看更多 →

05kHz、32kHz、44.1kHz、48kHz、96kHz。 声道 单音轨时支持5.1声道、立体声、单声道。 多音轨时支持单声道。 字幕 字幕 嵌入式字幕，独立字幕（SRT）。 父主题： 转码问题

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 →