Transcriptions - Transcribe

Servicio:

Azure AI Services

Versión de la API:

2024-05-15-preview

Transcribe la secuencia de audio proporcionada.

POST {endpoint}/speechtotext/transcriptions:transcribe?api-version=2024-05-15-preview

Parámetros de identificador URI

Nombre	En	Requerido	Tipo	Description
audio	formData	True	file binary	Audio como una secuencia de bytes.
definition	formData	True	string	Metadatos para una solicitud de transcripción rápida. Este campo contiene un objeto serializado por JSON de tipo TranscribeDefinition.
endpoint	path	True	string	Puntos de conexión de Cognitive Services admitidos (protocolo y nombre de host, por ejemplo: https://westus.api.cognitive.microsoft.com).
api-version	query	True	string	Versión de api solicitada.

Respuestas

Nombre	Tipo	Description
200 OK	TranscribeResult	De acuerdo

Seguridad

Ocp-Apim-Subscription-Key

Proporcione aquí la clave de la cuenta de Cognitive Services.

Tipo: apiKey
En: header

Authorization

Proporcione un token de acceso del JWT devuelto por el STS de esta región. Asegúrese de agregar el ámbito de administración al token agregando la siguiente cadena de consulta a la dirección URL de STS: ?scope=speechservicesmanagement

Tipo: apiKey
En: header

Ejemplos

Transcribe an audio file

Solicitud de ejemplo

HTTP

POST {endpoint}/speechtotext/transcriptions:transcribe?api-version=2024-05-15-preview

Respuesta de muestra

status code:

200

{
  "duration": 2000,
  "combinedPhrases": [
    {
      "text": "Weather"
    }
  ],
  "phrases": [
    {
      "offset": 40,
      "duration": 240,
      "text": "Weather",
      "words": [
        {
          "text": "Weather",
          "offset": 40,
          "duration": 240
        }
      ],
      "locale": "en-US",
      "confidence": 0.7881154
    }
  ]
}

Definiciones

Nombre	Description
CombinedPhrases
Phrase	Frase transcrita.
TranscribeResult	Resultado de la operación de transcripción.
Word	Palabra con marca de tiempo en el formulario de presentación.

CombinedPhrases

Nombre	Tipo	Description
channel	integer	Índice de canal basado en 0. Solo está presente si la separación de canales está habilitada.
text	string	Texto transcrito completo para el canal.

Phrase

Frase transcrita.

Nombre	Tipo	Description
channel	integer	Índice de canal basado en 0. Solo está presente si la separación de canales está habilitada.
confidence	number	Valor de confianza de la frase.
duration	integer	Duración de la frase en milisegundos.
locale	string	Configuración regional de la frase.
offset	integer	Desplazamiento inicial de la frase en milisegundos.
speaker	integer	Número del hablante. Solo está presente si la diarización del hablante está habilitada.
text	string	Texto transcrito de la frase.
words	Word[]	Las palabras que componen la frase. Solo está presente si las marcas de tiempo de nivel de palabra están habilitadas.

TranscribeResult

Resultado de la operación de transcripción.

Nombre	Tipo	Description
combinedPhrases	CombinedPhrases[]	Resultados de transcripción combinados para cada canal.
duration	integer	Duración del audio en milisegundos.
phrases	Phrase[]	Los resultados de la transcripción se segmentan en frases.

Word

Palabra con marca de tiempo en el formulario de presentación.

Nombre	Tipo	Description
duration	integer	Duración de la palabra en milisegundos.
offset	integer	Desplazamiento inicial de la palabra en milisegundos.
text	string	Palabra reconocida, incluida la puntuación.