华为语音识别

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。

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	是	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	否	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	否	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	否	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	否	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。

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 。

查询热词表列表

查询用户所有热词表列表。

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	是	待更新的热词表的表名，用于筛选热词表表名。
  热词表名	是	更新后的热词表名。
  热词表语言类型	是	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	否	对热词表信息描述。

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	是	输入热词表ID。

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	是	输入热词表ID。

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。

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	否	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	否	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	否	存放录音文件地址，推荐使用OBS地址。
  识别结果使用标点	否	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	否	是否输出分词结果信息，有下拉框和输入框模式，默认为“是”。

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	是	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	是	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	是	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	否	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	否	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	否	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	否	热词表ID。
  是否仅识别首个声道数据	否	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。