应用示例 示例1：上传资产 示例2：资产管理 示例3：分身形象制作管理 示例4：声音制作任务管理 示例5： 语音合成 管理 示例6：语音同步合成WebSocket接口（Android SDK） 示例7：语音同步合成WebSocket接口（iOS SDK） 示例8：视频制作 示例9：视频制作剧本管理

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 →

问和调用API获取语音交互结果。支持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。 SDK概述 优先推荐使用

查看更多 →

2025-02-20 第十五次正式发布 本次变更如下： 下线3D数字人相关的全量接口组。 2024-12-30 第十四次正式发布 本次变更如下： 语音合成管理接口组，新增接口：设置 TTS 租户级自定义读法配置、获取TTS租户级自定义读法配置、删除TTS租户级自定义读法配置、修改TTS租户级自定义读法配置。

查看更多 →

Explorer在线调试工具提供API的检索、调试、代码示例生成功能。同时， 集成开发环境 CloudIDE，可完成代码的构建、调试、运行。 本章节以语音合成为例，介绍如何使用 API Explorer 调试API。 前提条件 注册华为账号 并开通华为云，并完成实名认证，账号不能处于欠费、冻结、被注销等异常状态。

查看更多 →

对话框中，勾选同意协议。单击“确定”，开通按需计费。开通后的效果如图1所示。 如需使用第三方声音进行语音合成，请购买出门问问声音套餐。 图1 声音合成 功能介绍 该接口用于TTS流式合成音频，用于文本转化为语音，并实时返回合成的音频数据。 调用方法 构造请求 请求URL：wss://metastudio-api

查看更多 →

"error_msg": "wait voice timeout" } 状态码 状态码请参见状态码。 错误码 错误码请参见错误码。 父主题： 实时语音合成响应

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。 语音合成 语音合成支持多种音色，可调节语调，语速，音量。 产品优势 多语种多音色 中文普通话、男声、女声、童声自由切换，可以调整音量，语速。 效果出色

查看更多 →

本地调用 本章节以语音合成为例，介绍如何使用SIS Python SDK在本地进行开发。 该SDK可以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，实现个性化音频的生成。 前提条件 注册华为账号并开通华为云，并完成实名认证，账号不能处于欠费、冻结、被注销等异常状态。

查看更多 →

互方式，用户通过实时访问和调用API获取语音交互结果。例如用户通过语音识别功能，将口述音频或者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。

查看更多 →

如何查看当前接口是否免费调用 计费项 一句话识别 、语音合成按调用次数计费； 实时语音识别 、录音文件识别按音频时长计费；录音文件识别极速版按照“音频时长×需要识别的音频声道数“计费，时长计算精确到秒。 按音频时长计费的，累加每次调用的音频时长。 按调用次数计费的，返回失败的调用不计入次数。

查看更多 →

T-SoVITS是一个开源语音克隆项目，支持中文、英文、日文，并提供语音分离、语音分段和文本转语音 (TTS) 等功能。适用于语音克隆、语音合成、跨语言语音处理等多种场景。 方案架构 该解决方案部署架构如下图所示： 图1 方案架构图 该解决方案会部署如下资源： 创建一台Linux

查看更多 →

每个单场景中所有段落输入文字的总量需大于200字。 每个段落的文本字符数量需小于2000，如果包含语音合成标记语言SSML标签，需小于3000。 整个直播间所有段落的文本总字符数，如果包含语音合成标记语言SSML标签时，需小于30万。 音频驱动 每个单场景上传音频的时长需大于1分钟，大小不超过100M。

查看更多 →

智能助手平台接口鉴权方式。 3 text string True 待合成的文本内容,必须使用UTF-8编码。 4 config Object True 语音合成的配置信息。 该对象的参数说明请参见表2。 表2 config参数说明 序号 参数名 参数类型 是否必选 说明 4.1 voiceName

查看更多 →

、ogg-opus、AMR。 因 函数工作流 超时时间限制，上传的录音时长不应超过20min。 本解决方案提供的测试样例由华为云语音交互服务语音合成服务生成，仅用于demo演示。 卸载解决方案前，请先确保OBS桶中无数据，否则解决方案将卸载失败。

查看更多 →

、ogg-opus、AMR。 因函数工作流超时时间限制，上传的录音时长不应超过20min。 本解决方案提供的测试样例由华为云语音交互服务语音合成服务生成，仅用于demo演示。 卸载解决方案前，请先确保OBS桶中无数据，否则解决方案将卸载失败。

查看更多 →

用户上传一段文本作为输入文本内容，由系统自动审核。 输入文本使用数字人声音模型推理生成数字人语音。 算法应用场景 分身数字人声音制作算法可以应用于数字人语音合成。在新闻播报、课件制作等场景模拟真人配音，提升数字内容生产效率。 算法目的意图 可以通过有授权的真人语音音频，在预训练模型基础上微调生成

查看更多 →

关知识 图像处理实验 介绍图像数据预处理，图像识别、 内容审核 、 文字识别 、 人脸识别 、视频分析、 图像搜索 服务 语音处理实验 介绍语音预处理，语音合成、语音识别服务 自然语言处理实验 介绍中文文本分词、TF-IDF特征处理、Word2Vec、Doc2Vec，自然语言处理和 对话机器人服务

查看更多 →

。建议是数据集中的音频，推荐5秒时长，填写参考音频的文本。输入需要转语音的文本，单击“Start inference”开始进行语音合成。 图33 语音合成参数配置 语音生成完成后，如下所示。 图34 文本生成语音 父主题： 实施步骤

查看更多 →