Dokumentation zur Spracherkennung

Die Spracherkennung des Speech-Diensts (auch als Sprache-zu-Text bezeichnet) ermöglicht die Echtzeit- und Batch-Transkription von Audiostreams in Text. Bei zusätzlicher Referenztexteingabe ermöglicht sie auch die Echtzeitbewertung der Aussprache und gibt Sprechern Feedback zur Richtigkeit und Flüssigkeit des gesprochenen Texts.

Informationen zur Spracherkennung

Überblick

• Was ist die Echtzeit-Spracherkennung?
• Was ist die Batch-Spracherkennung?
• Was ist Custom Speech?
• Verwenden der Speech CLI für Spracherkennung ohne Code

Schnellstart

• Erste Schritte mit der Spracherkennung
• Echtzeit-Diarisierung ausprobieren

Entwickeln mit Spracherkennung

Schrittanleitung

• Verwenden der API für schnelle Transkription
• Erstellen eines Custom Speech-Projekts
• Trainieren eines Modells für Custom Speech
• Verwenden komprimierter Audioeingabeformate

Konzept

• Whisper-Modell von OpenAI
• Verbessern der Genauigkeit mithilfe von Custom Speech
• Anzeigen der Textformatierung

Verweis

Referenz

• Sprachunterstützung
• Häufig gestellte Fragen zur Spracherkennung
• Preise für die Spracherkennung

Hilfe und Feedback

Referenz

• Support- und Hilfeoptionen