网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务
更新时间:2024-07-01 GMT+08:00
分享

华为语音识别

华为语言识别连接器基于华为云语音交互服务 SIS服务进行集成开发,包含“一句话识别”、“热词管理”、“录音文件识别”、“语音合成”等执行动作。

连接参数

华为语音识别连接器使用IAM认证,连接参数说明如表1所示。

表1 连接参数说明

名称

必填

说明

示例值/默认值

连接名称

设置连接名称。

华为语音识别的连接

描述

对于连接的信息描述说明。

description

租户名

IAM用户所属账号信息。了解账号与IAM用户的关系

domain

用户名

IAM用户名。

name

密码

IAM用户的登录密码。

-

项目ID

系统为用户自动生成的项目ID,单击“我的凭证 > API凭证”,根据项目获取。

e9993fc787************a340f9c0f4

站点

站点。

iam.cn-north-4.myhuaweicloud.com

一句话识别

用于短语音的同步识别。一次性上传1min以内音频,能快速返回识别结果。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一句话识别

  • 输入参数

    用户配置一句话识别执行动作,相关参数说明如表2所示。

    表2 一句话识别输入参数说明

    参数

    必填

    说明

    选择语音格式

    支持语音的格式,有下拉框和输入框模式。有多种语音格式供选择。

    选择语种_采样率_领域

    所使用的模型特征串,有下拉框和输入框模式,提供多种语言类型选择。

    识别结果允许使用标点

    是否在识别结果中添加标点,有下拉框和输入框模式,默认为“是”。

    识别结果输出分词

    是否在识别结果中输出分词结果信息,有下拉框和输入框模式,默认为“是”。

    语音数据

    语音数据Base64编码字符串。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表3

    表3 一句话识别输出参数说明

    参数

    说明

    内容

    内容。

    置信度

    置信度。

    word_info

    分词信息列表。

    起始时间

    识别动作的起始时间。

    结束时间

    识别动作的结束时间。

    分词

    显示文本分词。

热词管理

在一句话识别、录音文件识别、实时语音识别服务中,如果在您的业务领域有一些特有的词,默认识别效果差的时候可以考虑使用热词管理功能,将这些词添加到词表,改善识别效果。热词管理功能包括“创建热词表”、“查询热词表列表”、“查询热词表信息”、“更新热词表”和“删除热词表”五个执行动作。

接口功能及调用方法请参考热词管理

创建热词表

新建一个热词表, 每个用户限制创建10个热词表 。

接口功能及调用方法请参考热词管理

  • 输入参数

    用户配置创建热词表执行动作,相关参数说明如表4所示。

    表4 创建热词表输入参数说明

    参数

    必填

    说明

    热词表名

    输入热词表名。

    热词表描述

    对热词表进行描述。

    热词表语言类型

    输入热词表语言类型,目前仅支持汉语普通话。有下拉框和输入框模式。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表5

    表5 创建热词表输出参数说明

    参数

    说明

    热词表ID

    返回显示热词表ID。

查询热词表列表

查询用户所有热词表列表。

接口功能及调用方法请参考热词管理

  • 输入参数

    用户配置查询热词表列表执行动作,相关参数说明如表6所示。

    表6 查询热词表列表输入参数说明

    参数

    必填

    说明

    热词表名

    热词表的表名,用于筛选热词表表名。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表7

    表7 查询热词表列表输出参数说明

    参数

    说明

    热词表ID

    返回显示热词表ID。

    热词表语言类型

    对热词表的语言类型显示。

    热词表名

    热词表名显示。

    热词表描述

    热词表描述显示。

更新热词表

更新一个热词表

  • 输入参数

    用户配置更新热词表执行动作,相关参数说明如表8所示。

    表8 更新热词表输入参数说明

    参数

    必填

    说明

    待更新热词表ID

    待更新的热词表的表名,用于筛选热词表表名。

    热词表名

    更新后的热词表名。

    热词表语言类型

    热词表语言类型,目前仅支持汉语普通话。有下拉框和输入框模式。

    热词表描述

    对热词表信息描述。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表9

    表9 更新热词表输出参数说明

    参数

    说明

    热词表ID

    返回显示热词表ID。

查询热词表信息

通过热词表ID查询热词表的信息和内容 。

  • 输入参数

    用户配置查询热词表信息执行动作,相关参数说明如表10所示。

    表10 查询热词表信息输入参数说明

    参数

    必填

    说明

    热词表ID

    输入热词表ID。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表11

    表11 查询热词表信息输出参数说明

    参数

    说明

    热词表ID

    被更新的热词表的表名,用于筛选热词表表名。

    热词表名

    更新后的热词表名。

    热词表语言类型

    热词表语言类型。

    热词表描述

    对热词表信息描述。

    热词表列表

    热词表列表以数组显示。

删除热词表

通过热词表ID删除热词表 。

  • 输入参数

    用户配置删除热词表执行动作,相关参数说明如表12所示。

    表12 删除热词表输入参数说明

    参数

    必填

    说明

    热词表ID

    输入热词表ID。

  • 输出参数

    删除成功无输出显示。

录音文件识别

录音文件识别接口,用于识别长录音文件,录音文件放在OBS(对象存储服务)或公网可访问的服务器上。录音识别包括“提交录音文件识别任务”、“获取录音文件识别结果”、“录音文件识别极速版”三个执行动作。

接口功能及调用方法请参考录音文件识别

提交录音文件识别任务

录音文件识别接口,用于识别长录音文件,录音文件放在华为云OBS(对象存储服务)上,由于录音文件识别通常会需要较长的时间,因此识别是异步的,也即接口分为创建识别任务和查询任务状态两个接口,创建识别任务接口创建任务完成后返回,然后用户通过调用查询任务状态接口来获得转写状态和结果。

该接口用于提交录音文件识别任务,其中录音文件保存在用户的OBS桶中。用户开通录音识别服务时,需授权录音文件引擎读取用户OBS桶权限。录音时长不超过5小时,文件大小不超过300M,识别结果保存72小时(从识别完成的时间算起),72小时后如果再访问,将会返回错误 。当前仅支持识别中文普通话的录音文件。

  • 输入参数

    用户配置提交录音文件识别任务执行动作,相关参数说明如表13所示。

    表13 提交录音文件识别任务输入参数说明

    参数

    必填

    说明

    选择语音格式

    支持的语音格式。有下拉框和输入框模式,默认为自动判断。

    选择语种_采样率_领域

    所使用的模型特征串,有下拉框和输入框模式。默认为“采样率8k的中文普通话语音识别”。

    录音文件地址

    存放录音文件地址,推荐使用OBS地址。

    识别结果使用标点

    是否在识别结果中添加标点,有下拉框和输入框模式。默认为“是”。

    是否输出分词结果信息

    是否输出分词结果信息,有下拉框和输入框模式,默认为“是”。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表14

    表14 提交录音文件识别任务输出参数说明

    参数

    说明

    创建的任务标识

    显示录音文件识别任务标识符。

获取录音文件识别结果

该接口用于获取录音文件识别结果及识别状态

  • 输入参数

    用户配置获取录音文件识别结果执行动作,相关参数说明如表15所示。

    表15 获取录音文件识别结果输入参数说明

    参数

    必填

    说明

    录音文件识别任务ID

    录音文件识别任务标识符。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表16

    表16 提交录音文件识别任务输出参数说明

    参数

    说明

    当前识别状态

    当前识别状态。

    任务创建时间

    所使用的模型特征串,有下拉框和输入框模式。默认为“采样率8k的中文普通话语音识别”。

    开始识别时间

    存放录音文件地址,推荐使用OBS地址。

    识别完成时间

    是否在识别结果中添加标点,有下拉框和输入框模式。默认为“是”。

    segments

    识别结果。

    起始时间戳

    起始时间戳,ms。

    结束时间戳

    结束时间戳,ms。

    识别结果文本

    文本显示识别后的结果信息。

    word_info

    分词信息列表。

    起始时间

    识别动作的起始时间。

    结束时间

    识别动作的结束时间。

    分词

    显示文本分词。

    角色类型

    角色类型,目前仅支持。

    情绪类型

    情绪类型,目前仅支持NOMAL(正常),ANGRY(愤怒),UNKNOWN(未知)。

    语速类型

    语速信息单位是每秒字数。

录音文件识别极速版

极速版ASR(Restful API接口),适用于音频(文件大小<=100M,语音时长<=30分钟)文件的同步识别,此接口以POST方式一次性上传整个音频或从华为OBS中下载音频,识别结果将在请求响应中即刻返回,用于语音文件极速转写,质检分析的离线场景 。当前仅支持识别中文普通话的录音文件。

  • 输入参数

    用户配置录音文件识别极速版执行动作,相关参数说明如表17所示。

    表17 录音文件识别极速版输入参数说明

    参数

    必填

    说明

    选择模型特征串

    所使用的模型特征串,通常是“语种_采样率_领域”的形式,采样率需要与音频采样率保持一致,当前支持如下模型特征串:中文_采样率16k_通用领域。有下拉框和输入框两种模式。

    选择音频格式

    音频格式,audio_format取值范围:wav,mp3,m4a,aac,opus。有下拉框和输入框两种模式。

    是否使用标点符号

    是否加标点,可以为是,默认否。有下拉框和输入框两种模式。

    是否将音频中的数字使用阿拉伯数字的形式

    是否将音频中的数字使用阿拉伯数字的形式呈现,取值为是,否,默认为是。有下拉框和输入框两种模式。

    输出结果是否分词

    表示是否在识别结果中输出分词结果信息,取值为是,否,默认否。有下拉框和输入框两种模式。

    热词表ID

    热词表ID。

    是否仅识别首个声道数据

    表示是否在识别中只识别首个声道的音频数据,取值为“是”和“否”,默认为“否” 。有下拉框和输入框两种模式。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表18

    表18 录音文件识别极速版输出参数说明

    参数

    说明

    音频时长,单位毫秒

    音频时长,单位毫秒。

    flash_result

    识别结果。

    声道Id

    声道ID。

    sentences

    分句信息列表。

    开始时间

    开始时间。

    结束时间

    结束时间。

    内容

    内容。

    置信度

    置信度(0-1之间)。

    word_info

    分词信息列表。

    分词

    分词。

    起始时间

    起始时间。

    结束时间

    结束时间。

语音合成

将文本转换成逼真语音的服务。用户通过实时访问和调用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。是一种将文本转换成逼真语音的服务。用户通过实时访问和调用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。

    表19 语音合成输入参数说明

    参数

    必填

    说明

    待合成的文本

    待合成的文本,文本长度限制小于500字符。

    选择语音格式

    语音格式头:wav、mp3、pcm。默认:wav。有下拉框和输入框两种模式。

    选择采样率

    采样率:16000、8000,默认:8000。有下拉框和输入框两种模式。

    语速

    语速,取值范围:-500~500,默认值:0。

    音高

    音高,取值范围:-500~500,默认值:0。

    音量

    音量,取值范围:0~100,默认值:50。

  • 输出参数

    用户可以在之后的执行动作中调用该输出参数,输出参数说明请参考表20

    表20 语音合成输出参数说明

    参数

    说明

    语音合成数据Base64编码

    语音合成数据,以Base64编码格式返回。

相关文档