語音交互 服務(wù)（Speech Interaction Service，簡稱SIS）是一種人機交互方式，以開放API（Application Programming Interface，應(yīng)用程序編程接口）的方式提供給用戶，用戶通過實時訪問和調(diào)用API獲取語音交互結(jié)果。目前語音交互服務(wù)僅支持中文識別與合成。
語音交互包括以下子服務(wù)：
定制 語音識別 （ASR Customization，ASRC）：基于深度學習技術(shù)，提供針對特定領(lǐng)域（如快遞行業(yè)）優(yōu)化的語音識別能力，并可自定義語言模型。定制語音識別包含 一句話識別 、錄音文件識別功能。支持熱詞定制。
實時語音轉(zhuǎn)寫（Real-time ASR，RASR）：將連續(xù)的音頻流實時轉(zhuǎn)換成文本，語音識別更快。
短語音識別（Automatic Speech Recognition，ASR）：將時長低于1min的口述音頻轉(zhuǎn)換為文本。
語音合成 （Text To Speech， TTS ）：是一種將文本轉(zhuǎn)換成逼真語音的服務(wù)。
定制語音合成（Text To Speech Customization，TTSC）：依托華為先進的語音技術(shù)，使用深度學習算法，將文本轉(zhuǎn)換為自然流暢的語音。
猜你喜歡
