Egyéni beszédmodell betanítása

Ebből a cikkből megtudhatja, hogyan taníthat be egyéni modelleket az Microsoft alapmodellből származó felismerési pontosság javítása érdekében. Az egyéni beszédmodellek beszédfelismerési pontossága és minősége konzisztens marad, még akkor is, ha új alapmodellt ad ki.

Megjegyzés

Az egyéni beszédmodellek használatáért és a végpontok üzemeltetéséért fizetnie kell. Ha az alapmodell 2023. október 1-jén és később jött létre, az egyéni beszédmodell betanításáért is díjat számítunk fel. A betanításért nem kell fizetnie, ha az alapmodell 2023 októbere előtt lett létrehozva. További információ: Azure Speech in Foundry Tools díjszabása és az alkalmazkodási díj szakasz a beszédről szövegre 3.2 migrálási útmutatóban.

A modellek betanítása általában iteratív folyamat. Először válasszon ki egy alapmodellt, amely egy új modell kiindulópontja. Betanít egy modellt adathalmazokkal, amelyek tartalmazhatnak szöveget és hangot, majd teszteli. Ha a felismerés minősége vagy pontossága nem felel meg a követelményeknek, létrehozhat egy új modellt több vagy módosított betanítási adattal, majd újra tesztelheti.

Az egyéni modellt a betanítása után korlátozott ideig használhatja. A jobb pontosság és minőség érdekében rendszeresen újra létre kell hoznia és át kell igazítania az egyéni modellt a legújabb alapmodellből. További információ: Modell és végpont életciklusa.

Fontos

Ha hangadatokkal tanít be egyéni modellt, válasszon ki egy szolgáltatáserőforrást egy olyan régióban, amely dedikált hardverrel rendelkezik a hangadatok betanításához. A modell betanítása után szükség szerint átmásolhatja azt egy Foundry-erőforrásba a Speech számára egy másik régióban.

Az egyéni beszédtanításhoz dedikált hardverrel rendelkező régiókban a Speech szolgáltatás legfeljebb 100 órányi hangbetanítási adatot fog használni, és naponta körülbelül 10 órányi adatot képes feldolgozni. További információkért tekintse meg a Régiók táblában található lábjegyzeteket.

Modell létrehozása

Jótanács

Hozza el egyéni beszédmodelljeit a Speech Studióból a Microsoft Foundry portálra. A Microsoft Foundry portálon a meglévő Beszéd-erőforráshoz való csatlakozással ott folytathatja, ahol abbahagyta. A meglévő Speech-erőforráshoz való csatlakozásról további információt a Csatlakozás meglévő Speech-erőforráshoz című témakörben talál.

Öntöde (új)
Öntöde (klasszikus)

Az új Microsoft Foundry portálon a A modell finomhangolása varázslóban küldi be a finomhangolási feladatot, amelyet akkor nyitott meg, amikor megkezdte az egyéni beszéd finomhangolását.

A Véleményezés panelen tekintse át a beállításokat, és nyugtázza a díjakat.
Válassza a Küldés lehetőséget a finomhangolási feladat elindításához.
Várjon, amíg a betanítás befejeződik. Amikor a betanítás befejeződik, válassza ki az egyéni modellt a részletek oldalának megnyitásához.

A betanítási adathalmazok feltöltése után kövesse az alábbi utasításokat a modell betanításának megkezdéséhez:

Jelentkezzen be a Speech Studióba.
Egyéni beszédA projekt neve >>egyéni modellek betanítása.
Válassza az Új modell betanítása lehetőséget.
Az Alapmodell kiválasztása lapon válasszon ki egy alapmodellt, majd válassza a Tovább lehetőséget. Ha nem biztos benne, válassza ki a legújabb modellt a lista tetején. Az alapmodell neve YYYYMMDD formátumban való kiadásának dátumának felel meg. Az alapmodell testreszabási képességei zárójelben jelennek meg a Speech Studióban a modell neve után.

Fontos

Jegyezze fel az alkalmazkodási dátum lejáratát. Ez az utolsó dátum, amikor az alapmodellt használhatja a betanításhoz. További információ: Modell és végpont életciklusa.
Az Adatok kiválasztása lapon válasszon ki egy vagy több adatkészletet, amelyet betanításhoz szeretne használni. Ha nincs elérhető adathalmaz, szakítsa meg a beállítást, majd lépjen a Speech adathalmazok menübe az adathalmazok feltöltéséhez.
Adja meg az egyéni modell nevét és leírását, majd válassza a Tovább gombot.
Opcionálisan, a következő lépésben jelölje be a Teszt hozzáadása jelölőnégyzetet. Ha kihagyja ezt a lépést, később ugyanazokat a teszteket futtathatja. További információért lásd: A felismerési minőség tesztelése és A modell kvantitatív tesztelése.
Válassza a Mentés és bezárás lehetőséget a build elindításához az egyéni modellhez.
Térjen vissza az egyéni modellek tanítása oldalra.

Fontos

Jegyezze fel a lejárati dátumot. Ez az utolsó dátum, amikor az egyéni modellt használhatja a beszédfelismeréshez. További információ: Modell és végpont életciklusa.

A folytatás előtt győződjön meg arról, hogy telepítette és konfigurálta a Speech CLI-t .

Ha betanításhoz adatkészleteket tartalmazó modellt szeretne létrehozni, használja a spx csr model create parancsot. A kérelemparamétereket az alábbi utasítások szerint hozhatja létre:

Állítsa a project tulajdonságot egy meglévő projekt azonosítójára. A project tulajdonság használata ajánlott, hogy az egyéni beszéd finomhangolását a Microsoft Foundry portálon is felügyelhesse. A projektazonosító lekéréséhez tekintse meg a REST API dokumentációjának projektazonosítóját .
Állítsa a szükséges dataset tulajdonságot egy betanításhoz használni kívánt adathalmaz azonosítójára. Több adathalmaz megadásához állítsa be a datasets (többes szám) paramétert, és válassza el az azonosítókat pontosvesszővel.
Állítsa be a szükséges language tulajdonságot. Az adathalmaz területi beállításának meg kell egyeznie a projekt területi beállításával. A területi beállítás később nem módosítható. A Speech CLI language tulajdonság megfelel a locale JSON-kérés és -válasz tulajdonságának.
Állítsa be a szükséges name tulajdonságot. Ez a paraméter a Microsoft Foundry portálon megjelenő név. A Speech CLI name tulajdonság megfelel a displayName JSON-kérés és -válasz tulajdonságának.
Igény szerint beállíthatja a tulajdonságot base . Például: --base bbbbcccc-1111-dddd-2222-eeee3333ffff Ha nem adja meg a basebeállítást, a rendszer az alapértelmezett alapmodellt használja a területi beállításhoz. A Speech CLI base tulajdonság megfelel a baseModel JSON-kérés és -válasz tulajdonságának.

Íme egy példa Speech CLI-parancsra, amely egy modellt hoz létre adatkészletekkel a betanításhoz:

spx csr model create --api-version v3.2 --project YourProjectId --name "My Model" --description "My Model Description" --dataset YourDatasetId --language "en-US"

Fontos

Be kell állítania a kívánt értéket --api-version v3.2. A Speech CLI a REST API-t használja, de később még nem támogatja a verziókat v3.2.

Következő formátumban kell megérkeznie a válasznak:

{
  "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/aaaabbbb-0000-cccc-1111-dddd2222eeee",
  "baseModel": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/base/bbbbcccc-1111-dddd-2222-eeee3333ffff"
  },
  "datasets": [
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/datasets/ccccdddd-2222-eeee-3333-ffff4444aaaa"
    }
  ],
  "links": {
    "manifest": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/9e240dc1-3d2d-4ac9-98ec-1be05ba0e9dd/manifest",
    "copy": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/9e240dc1-3d2d-4ac9-98ec-1be05ba0e9dd:copy",
    "files": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/9e240dc1-3d2d-4ac9-98ec-1be05ba0e9dd/files"
  },
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/ddddeeee-3333-ffff-4444-aaaa5555bbbb"
  },
  "properties": {
    "deprecationDates": {
      "transcriptionDateTime": "2026-07-15T00:00:00Z"
    },
    "customModelWeightPercent": 30,
    "features": {
      "supportsTranscriptions": true,
      "supportsEndpoints": true,
      "supportsTranscriptionsOnSpeechContainers": false,
      "supportedOutputFormats": [
        "Display",
        "Lexical"
      ]
    }
  },
  "lastActionDateTime": "2024-07-14T21:38:40Z",
  "status": "Running",
  "createdDateTime": "2024-07-14T21:38:40Z",
  "locale": "en-US",
  "displayName": "My Model",
  "description": "My Model Description"
}

Fontos

Vegye figyelembe a dátumot a adaptationDateTime tulajdonságban. Ez az utolsó dátum, amikor az alapmodellt használhatja a betanításhoz. További információ: Modell és végpont életciklusa.

Vegye figyelembe a dátumot a transcriptionDateTime tulajdonságban. Ez az utolsó dátum, amikor az egyéni modellt használhatja a beszédfelismeréshez. További információ: Modell és végpont életciklusa.

A válasz törzsének legfelső szintű self tulajdonsága a modell URI-ja. Ezzel az URI-val részletes információkat kaphat a modell projektjéről, leírásáról és elavulásának időpontjairól. Ezzel az URI-val is frissíthet vagy törölhet egy modellt.

A Speech CLI modellekkel kapcsolatos súgójához futtassa a következő parancsot:

spx help csr model

Ha adatkészleteket tartalmazó modellt szeretne létrehozni a betanításhoz, használja a Speech to text REST API Models_Create műveletét. A kérelem törzsének összeállítása az alábbi utasítások szerint:

Állítsa a project tulajdonságot egy meglévő projekt URI-jára. Ez a tulajdonság azért ajánlott, hogy a modellt a Microsoft Foundry portálon is megtekintheti és kezelheti. A projektazonosító lekéréséhez tekintse meg a REST API dokumentációjának projektazonosítóját .
Állítsa be a szükséges datasets tulajdonságot a betanításhoz használni kívánt adathalmazok URI-jára.
Állítsa be a szükséges locale tulajdonságot. A modell területi beállításának meg kell egyeznie a projekt és az alapmodell területi beállításával. A területi beállítás később nem módosítható.
Állítsa be a szükséges displayName tulajdonságot. Az ezen tulajdonságként megadott név jelenik meg a Microsoft Foundry portálon.
Igény szerint beállíthatja a tulajdonságot baseModel . Például: "baseModel": {"self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/base/bbbbcccc-1111-dddd-2222-eeee3333ffff"} Ha nem adja meg a baseModelbeállítást, a rendszer az alapértelmezett alapmodellt használja a területi beállításhoz.

Http POST-kérés létrehozása az URI használatával az alábbi példában látható módon. Cserélje le a(z) YourSpeechResoureKey elemet a Speech-erőforráskulcsra, cserélje le a(z) YourResourceName elemet a Speech-erőforrás nevére, és állítsa be a kérelem törzsének tulajdonságait a korábban leírtak szerint.

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/ddddeeee-3333-ffff-4444-aaaa5555bbbb"
  },
  "displayName": "My Model",
  "description": "My Model Description",
  "baseModel": null,
  "datasets": [
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/datasets/ccccdddd-2222-eeee-3333-ffff4444aaaa"
    }
  ],
  "locale": "en-US"
}'  "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models"

Megjegyzés

Ebben a példában nincs beállítva a baseModel beállítás, ezért a területi beállítás alapértelmezett alapmodellje lesz használva. A válaszban az alapmodell URI-ja lesz visszaadva.

Következő formátumban kell megérkeznie a válasznak:

{
  "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/aaaabbbb-0000-cccc-1111-dddd2222eeee",
  "baseModel": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/base/bbbbcccc-1111-dddd-2222-eeee3333ffff"
  },
  "datasets": [
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/datasets/ccccdddd-2222-eeee-3333-ffff4444aaaa"
    }
  ],
  "links": {
    "manifest": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/9e240dc1-3d2d-4ac9-98ec-1be05ba0e9dd/manifest",
    "copy": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/9e240dc1-3d2d-4ac9-98ec-1be05ba0e9dd:copy",
    "files": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/9e240dc1-3d2d-4ac9-98ec-1be05ba0e9dd/files"
  },
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/ddddeeee-3333-ffff-4444-aaaa5555bbbb"
  },
  "properties": {
    "deprecationDates": {
      "transcriptionDateTime": "2026-07-15T00:00:00Z"
    },
    "customModelWeightPercent": 30,
    "features": {
      "supportsTranscriptions": true,
      "supportsEndpoints": true,
      "supportsTranscriptionsOnSpeechContainers": false,
      "supportedOutputFormats": [
        "Display",
        "Lexical"
      ]
    }
  },
  "lastActionDateTime": "2024-07-14T21:38:40Z",
  "status": "Running",
  "createdDateTime": "2024-07-14T21:38:40Z",
  "locale": "en-US",
  "displayName": "My Model",
  "description": "My Model Description"
}

Fontos

A válasz törzsének legfelső szintű self tulajdonsága a modell URI-ja. Ezzel az URI-val részletes információkat kaphat a modell projektje, jegyzéke és elavulási dátumai kapcsán. Ezzel az URI-val is frissítheti vagy törölheti a modellt.

Modell másolása

A modellt átmásolhatja egy másik projektbe, amely ugyanazt a területi beállításokat használja. Ha például egy modell hangadatokkal van betanítve egy olyan régióban , amely dedikált hardverrel rendelkezik a betanításhoz, szükség szerint átmásolhatja azokat egy Másik régióban lévő Speech-öntödei erőforrásba.

Az alábbi utasításokat követve másolhat egy modellt egy másik régióban lévő projektbe:

Jelentkezzen be a Speech Studióba.
Egyéni beszédA projekt neve >>egyéni modellek betanítása.
Válassza a Másolás ide.
A Beszédmodell másolása lapon válassza ki azt a célrégiót, ahová a modellt át szeretné másolni.
Válasszon ki egy Foundry-erőforrást a Speech számára a célrégióban, vagy hozzon létre egy új Speech-erőforrást.
Jelölje ki azt a projektet, amelybe a modellt át szeretné másolni, vagy hozzon létre egy új projektet.
Válassza a Másolás lehetőséget.

A modell sikeres másolása után értesítést kap, és megtekintheti azt a célprojektben.

A folytatás előtt győződjön meg arról, hogy telepítette és konfigurálta a Speech CLI-t .

A Speech CLI támogatja a spx csr model copy modell másolására szolgáló parancsot. A parancssori felület azonban még nem tartalmaz engedélyezési másolási parancsot. A teljes másolási folyamat végrehajtásához használja a Speech to text REST API vagy a Microsoft Foundry portált.

A Speech CLI modellmásolással kapcsolatos súgójához futtassa a következő parancsot:

spx help csr model copy

Ha egy modellt egy másik Speech-erőforrásba másol a Speech to text REST API 3.2-es verzióval, két lépésre van szükség:

Engedélyezze a másolatot a cél beszédfelismerési erőforráson.
Másolja a modellt aforrás Speech-erőforrásból.

1. lépés: A másolat engedélyezése

Hívja meg a Models_AuthorizeCopy műveletet a cél Beszéd erőforráson. A kérelem törzsében állítsa a sourceResourceId tulajdonságot a source Speech erőforrás Azure erőforrás-azonosítójára, ahol a modell jelenleg található.

Cserélje le YourTargetSpeechResourceKey a célerőforrás-kulcsra és YourTargetResourceName a célerőforrás nevére.

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourTargetSpeechResourceKey" -H "Content-Type: application/json" -d '{
  "sourceResourceId": "/subscriptions/YourSourceSubscriptionId/resourceGroups/YourSourceResourceGroup/providers/Microsoft.CognitiveServices/accounts/YourSourceSpeechResourceName"
}'  "https://YourTargetResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models:authorizecopy"

A válasz a következő formátumban érkezik ModelCopyAuthorization :

{
  "targetResourceRegion": "westus2",
  "targetResourceId": "/subscriptions/targetSubscriptionId/resourceGroups/targetResourceGroupName/providers/Microsoft.CognitiveServices/accounts/targetSpeechResourceName",
  "targetResourceEndpoint": "https://YourTargetResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models",
  "sourceResourceId": "/subscriptions/sourceSubscriptionId/resourceGroups/sourceResourceGroupName/providers/Microsoft.CognitiveServices/accounts/sourceSpeechResourceName",
  "expirationDateTime": "2025-01-07T11:34:12Z",
  "id": "d61573c6-788b-4eff-b3f5-38a1c7a9585b"
}

Mentse a teljes választörzset. A következő lépésben a kérés tartalmaként adja át.

2. lépés: A modell másolása

Hívja meg a Models_Copy műveletet a forrás Speech-erőforráson. Adja meg az 1. lépésben kapott teljes ModelCopyAuthorization választ a kérelem törzseként.

Cserélje le YourModelId a modellazonosítót, YourSourceSpeechResourceKey a forrás erőforráskulcsot és YourSourceResourceName a forráserőforrás nevét.

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSourceSpeechResourceKey" -H "Content-Type: application/json" -d '{
  "targetResourceRegion": "westus2",
  "targetResourceId": "/subscriptions/targetSubscriptionId/resourceGroups/targetResourceGroupName/providers/Microsoft.CognitiveServices/accounts/targetSpeechResourceName",
  "targetResourceEndpoint": "https://YourTargetResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models",
  "sourceResourceId": "/subscriptions/sourceSubscriptionId/resourceGroups/sourceResourceGroupName/providers/Microsoft.CognitiveServices/accounts/sourceSpeechResourceName",
  "expirationDateTime": "2025-01-07T11:34:12Z",
  "id": "d61573c6-788b-4eff-b3f5-38a1c7a9585b"
}'  "https://YourSourceResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/YourModelId:copy"

Az 202 Accepted választ egy fejlécet tartalmaz, amellyel nyomon követheti a másolás állapotát.Operation-Location A válasz törzse tartalmazza a művelet részleteit:

{
  "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/operations/models/copy/e30f6a27-82be-4cca-9258-0399c70489ff",
  "createdDateTime": "2025-01-07T11:34:12Z",
  "lastActionDateTime": "2025-01-07T11:34:12Z",
  "status": "NotStarted",
  "id": "e30f6a27-82be-4cca-9258-0399c70489ff"
}

Megjegyzés

A másolási engedély csak az expirationDateTime 1. lépésben visszaadottig érvényes. Indítsa el a másolatot az engedélyezés lejárta előtt.

Modell csatlakoztatása

Előfordulhat, hogy a modelleket a Speech CLI vagy a REST API használatával másolták át egy projektből anélkül, hogy egy másik projekthez csatlakoztak volna. A modell csatlakoztatása a modellnek a projektre való hivatkozással történő frissítésével kapcsolatos.

Ha a Speech Studióban kéri a rendszer, a Csatlakozás gombra kattintva csatlakoztathatja őket.

Képernyőkép a csatlakozás betanítási oldaláról, amelyen az aktuális projekthez csatlakoztatható modellek láthatók.

A folytatás előtt győződjön meg arról, hogy telepítette és konfigurálta a Speech CLI-t .

Ha egy modellt egy projekthez szeretne csatlakoztatni, használja a spx csr model update parancsot. A kérelemparamétereket az alábbi utasítások szerint hozhatja létre:

Állítsa a project tulajdonságot egy meglévő projekt azonosítójára. A project tulajdonság használata ajánlott, hogy az egyéni beszéd finomhangolását a Microsoft Foundry portálon is felügyelhesse. A projektazonosító lekéréséhez tekintse meg a REST API dokumentációjának projektazonosítóját .
Állítsa be a szükséges modelId tulajdonságot annak a modellnek az azonosítójára, amelyhez csatlakozni szeretne a projekthez.

Íme egy példa a Speech CLI-parancsra, amely egy modellt csatlakoztat egy projekthez:

spx csr model update --api-version v3.2 --model YourModelId --project YourProjectId

Fontos

Be kell állítania a kívánt értéket --api-version v3.2. A Speech CLI a REST API-t használja, de később még nem támogatja a verziókat v3.2.

Következő formátumban kell megérkeznie a válasznak:

{
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/ddddeeee-3333-ffff-4444-aaaa5555bbbb"
  },
}

A Speech CLI modellekkel kapcsolatos súgójához futtassa a következő parancsot:

spx help csr model

Ha új modellt szeretne kapcsolni ahhoz a projektnek a Speech-erőforrásához, ahol a modellt másolták, használja a Models_Update műveletet a Speech to text REST API-n belül. A kérelem törzsének összeállítása az alábbi utasítások szerint:

Állítsa be a szükséges project tulajdonságot egy meglévő projekt URI-jára. Ez a tulajdonság azért ajánlott, hogy a modellt a Microsoft Foundry portálon is megtekintheti és kezelheti. A projektazonosító lekéréséhez tekintse meg a REST API dokumentációjának projektazonosítóját .

Hozzon létre egy HTTP PATCH-kérést az URI használatával az alábbi példában látható módon. Használja az új modell URI-ját. Az új modellazonosítót a Models_Copy választörzs tulajdonságából selfszerezheti be. Cserélje le a(z) YourSpeechResoureKey elemet a Speech-erőforráskulcsra, cserélje le a(z) YourResourceName elemet a Speech-erőforrás nevére, és állítsa be a kérelem törzsének tulajdonságait a korábban leírtak szerint.

curl -v -X PATCH -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/ddddeeee-3333-ffff-4444-aaaa5555bbbb"
  },
}'  "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models"

Következő formátumban kell megérkeznie a válasznak:

{
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/ddddeeee-3333-ffff-4444-aaaa5555bbbb"
  },
}

Következő lépések

Visszajelzés

Hasznosnak találta ezt az oldalt?

Utolsó frissítés időpontja: 2026-06-03

Egyéni beszédmodell betanítása

Modell létrehozása

Modell másolása

1. lépés: A másolat engedélyezése

2. lépés: A modell másolása

Modell csatlakoztatása

Következő lépések

Visszajelzés

További források