Rozhraní REST API pro převod řeči na text
Rozhraní REST API pro převod řeči na text se používá k dávkovému přepisu a vlastní řeči.
Důležité
Rozhraní REST API pro převod řeči na text verze 3.2 je k dispozici ve verzi Preview. Rozhraní REST API pro převod řeči na text verze 3.1 je obecně dostupné. Rozhraní REST API pro převod řeči na text verze 3.0 bude vyřazeno 1. dubna 2026. Další informace najdete v průvodcích migrací rozhraní REST API pro převod řeči na text v3.0 na verzi 3.1 a v3.1 do verze 3.2 .
Použití služby Speech k textovému rozhraní REST API pro:
- Vlastní řeč: Pomocí vlastní řeči můžete nahrát vlastní data, otestovat a vytrénovat vlastní model, porovnat přesnost mezi modely a nasadit model do vlastního koncového bodu. Pokud chcete, aby kolegové měli přístup k vytvořenému modelu nebo pokud chcete model nasadit do více než jedné oblasti, zkopírujte modely do jiných předplatných.
- Dávkový přepis: Přepis zvukových souborů jako dávky z několika adres URL nebo kontejneru Azure.
Rozhraní REST API pro převod řeči na text zahrnuje například tyto funkce:
- Pokud jsou pro tento koncový bod požadovány protokoly, získejte protokoly pro každý koncový bod.
- Požádejte manifest modelů, které vytvoříte, a nastavte místní kontejnery.
- Nahrajte data z účtů úložiště Azure pomocí identifikátoru URI sdíleného přístupového podpisu (SAS).
- Přineste si vlastní úložiště. Pro protokoly, soubory přepisu a další data použijte vlastní účty úložiště.
- Některé operace podporují oznámení webhooků. Můžete zaregistrovat webhooky, kde se odesílají oznámení.
Dávkový přepis
Pro dávkový přepis platí následující skupiny operací.
| Skupina operací | Popis |
|---|---|
| Modely | K přepisu zvukových souborů použijte základní modely nebo vlastní modely. Modely můžete používat s vlastní řečí a dávkovým přepisem. K přepisu zvukových souborů můžete například použít model natrénovaný s konkrétní datovou sadou. Příklady trénování a správy vlastních modelů řeči najdete v tématu Trénování modelu a životního cyklu vlastního modelu řeči. |
| Přepisy | Přepisy slouží k přepisu velkého množství zvuku v úložišti. Při použití dávkového přepisu odešlete více souborů na požadavek nebo nasměrujete do kontejneru služby Azure Blob Storage se zvukovými soubory, které se mají přepisovat. Příklady vytvoření přepisu z více zvukových souborů najdete v tématu Vytvoření přepisu . |
| Webhooky | Pomocí webhooků můžete dostávat oznámení o událostech vytváření, zpracování, dokončování a odstraňování. Webhooky můžete používat s vlastní řečí a dávkovým přepisem. Webové hooky se vztahují na datové sady, koncové body, vyhodnocení, modely a přepisy. |
Vlastní řeč
Následující skupiny operací platí pro vlastní řeč.
| Skupina operací | Popis |
|---|---|
| Datové sady | Pomocí datových sad můžete trénovat a testovat vlastní modely řeči. Můžete například porovnat výkon vlastní řeči natrénované s konkrétní datovou sadou s výkonem základního modelu nebo vlastního speech modelu natrénovaného s jinou datovou sadou. Příklady nahrávání datových sad najdete v tématu Nahrání trénovacích a testovacích datových sad. |
| Koncové body | Nasaďte vlastní modely řeči do koncových bodů. Pokud chcete použít vlastní model řeči , musíte nasadit vlastní koncový bod. Příklady správy koncových bodů nasazení najdete v tématu Nasazení modelu . |
| Hodnocení | Pomocí vyhodnocení můžete porovnat výkon různých modelů. Můžete například porovnat výkon vlastního modelu řeči natrénovaného s konkrétní datovou sadou s výkonem základního modelu nebo vlastního modelu natrénovaného s jinou datovou sadou. Příklady, jak testovat a vyhodnotit vlastní modely řeči, najdete v tématu o kvalitě rozpoznávání testů a přesnosti testů. |
| Modely | K přepisu zvukových souborů použijte základní modely nebo vlastní modely. Modely můžete používat s vlastní řečí a dávkovým přepisem. K přepisu zvukových souborů můžete například použít model natrénovaný s konkrétní datovou sadou. Příklady trénování a správy vlastních modelů řeči najdete v tématu Trénování modelu a životního cyklu vlastního modelu řeči. |
| Projekty | Pomocí projektů můžete spravovat vlastní modely řeči, trénovací a testovací datové sady a koncové body nasazení. Vlastní projekty řeči obsahují modely, trénovací a testovací datové sady a koncové body nasazení. Každý projekt je specifický pro národní prostředí. Můžete například vytvořit projekt pro angličtinu v USA. Příklady vytvoření projektů najdete v tématu Vytvoření projektu . |
| Webhooky | Pomocí webhooků můžete dostávat oznámení o událostech vytváření, zpracování, dokončování a odstraňování. Webhooky můžete používat s vlastní řečí a dávkovým přepisem. Webové hooky se vztahují na datové sady, koncové body, vyhodnocení, modely a přepisy. |
Stav služeb
Stav služby poskytuje přehled o celkovém stavu služby a dílčích součástech. Další informace najdete v tématu Service Health .