# 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](https://support.huaweicloud.com/api-sis/sis_03_0094.html)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 | 是 | 设置连接名称。 | 华为语音识别的连接 | | 描述 | 否 | 对于连接的信息描述说明。 | description | | 租户名 | 是 | IAM用户所属账号信息。了解[账号与IAM用户的关系](https://support.huaweicloud.com/productdesc-iam/iam_01_0023.html#section2)。 | domain | | 用户名 | 是 | IAM用户名。 | name | | 密码 | 是 | IAM用户的登录密码。 | - | | 项目ID | 是 | 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 | 是 | 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](https://support.huaweicloud.com/productdesc-sis/sis_01_0011.html)，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](https://support.huaweicloud.com/api-sis/sis_03_0094.html)。 - 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。 接口功能及调用方法请参考[热词管理](https://support.huaweicloud.com/api-sis/sis_03_0071.html)。 #### 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](https://support.huaweicloud.com/api-sis/sis_03_0071.html)。 - 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 | 是 | 输入热词表名。 | | 热词表描述 | 否 | 对热词表进行描述。 | | 热词表语言类型 | 是 | 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](https://support.huaweicloud.com/api-sis/sis_03_0071.html)。 - 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 | 否 | 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 | 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。 | - 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 | 是 | 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 | 是 | 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](https://support.huaweicloud.com/api-sis/sis_03_0092.html)。 #### 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"。 | - 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 | 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。 接口功能及调用方法请参考[语音合成](https://support.huaweicloud.com/api-sis/sis_03_0111.html) - 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 | 是 | 待合成的文本，文本长度限制小于500字符。 | | 选择语音格式 | 否 | 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 | 否 | 采样率：16000、8000，默认：8000。有下拉框和输入框两种模式。 | | 语速 | 否 | 语速，取值范围：-500\~500，默认值：0。 | | 音高 | 否 | 音高，取值范围：-500\~500，默认值：0。 | | 音量 | 否 | 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。 |