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 在“华为模型”页签，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“基础版声音制作”，音频格式为WAV或MP3文件。需整段录制

查看更多 →

对接OCR识别图片中文字 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。 在

查看更多 →

购买声音套餐 第三方声音支持的语言类型 购买出门问问声音套餐 父主题： 声音制作

查看更多 →

声音制作限制 声音制作限制说明，如表1所示。 表1 声音制作限制 限制项 说明 用户限制 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 →

声音更新记录 2024年12月 表1 声音更新记录 发音人名称 性别 语言 TTS 版本 对话女生 女 中文 TTS V7 广告男声 男 中文 TTS V7 教育女声 女 中文 TTS V7 客服男声 男 中文 TTS V7 客服女声 女 中文 TTS V7 云景行 男 中文 TTS

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 →

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 →

据停顿做切割，自动识别文本内容。 音频文件命名无要求，可自定义，命名示例：Voice.wav。 进阶版 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（自研模型） 查看声音 声音模型制作耗时，如下所示：

查看更多 →

声音制作任务管理 查询用户配置的个性化音频时长 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 查询任务操作日志 获取语音文件上传地址 获取语音训练任务审核结果 设置任务批次 确认在线录音结果

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 →

OCR文字识别服务计费可以按照项目来分别计费吗 可以。 OCR支持通过企业项目管理（EPS）对不同用户组和用户的资源使用进行分账。 详情请参考API接口文档里的Enterprise-Project-Id参数。 父主题： 计费FAQ

查看更多 →

听别人声音小？ 先检查当前是扬声器还是听筒模式。 确认是否会议中所有人都听发言人声音比较小。 如果是，请发言人调大音量，如果还是不行，请反馈发言人日志。 如果不是，反馈本人日志。 可播放本地音频文件，测试本地扬声器设备是否正常。 父主题： 会议

查看更多 →

如需使用“出门问问声音制作”方式自定义声音，并用于视频制作，需要参考下述内容进行操作。出门问问自定义声音暂不支持用于智能交互和视频直播。其支持的语言类型，如第三方声音支持的语言类型所示。 购买出门问问小语种克隆套餐包：如果用户需要使用“出门问问声音制作”方式自定义生成声音，需要在云商店购买出门问问小语种克隆套餐包。

查看更多 →

客户声音制作案例 单击声音样例.zip，下载如表1所示的音频文件。 mos分是从音色相似度、情感表达效果和声音音质方面，进行整体效果综合评分的结果。 表1 音频文件 版本 类别 原音文件 合成音文件 版本差异 适用场景 基础版声音制作 女声 基础版媒体1.wav 基础版媒体2.wav

查看更多 →

声音录制指导文档下载 如需查看真人声音录制的的PDF文件，请单击声音制作录制指导下载文件。 父主题： 声音制作

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、广告等违规内容

查看更多 →

语种识别 功能介绍 语种识别是为了识别文本所属的语种。对于用户输入的文本，返回识别出的所属语种。 语种识别接口具体Endpoint请参见终端节点。 调用华为云NLP服务会产生费用，本API支持使用基础套餐包，购买时请在 自然语言处理 价格计算器中查看基础套餐包和领域套餐包支持的API范围。

查看更多 →

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（识别结果非空）或EXCEEDED_SILENCE（识别结果为空）事件并结束识别，在连续模式下将会断句并继续下一句的识别。 取值范围：[0, 3000]的整数，单位为ms，默认为500ms。

查看更多 →

场景识别 单帧识别 多帧识别 父主题： 智驾模型服务

查看更多 →

主体识别 功能介绍 用户传入图片通过后台算法判断图片主体，并返回主体坐标，具体识别的主体请参考应用场景。 前提条件 使用主体识别服务之前需要您完成服务申请和认证鉴权。 图像识别服务属于公有云服务，线上用户资源共享，如果需要多并发请求，请提前联系我们。 调试 您可以在API Exp

查看更多 →

名片识别 功能介绍 识别名片图片上的文字信息，并以JSON格式返回识别的结构化结果。支持对多种不同版式名片进行结构化信息提取。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OCR服务使用简介章节。 图1 名片示例图 约束与限制 只支持识别PNG、JPG、JPEG、BMP、TIFF格式图片。

查看更多 →