Betanítási és tesztelési adatkészletek feltöltése egyéni beszédhez

Hang- vagy szöveges adatokra van szüksége a beszédfelismerés pontosságának teszteléséhez vagy az egyéni modellek betanításához. A modell teszteléséhez vagy betanításához támogatott adattípusokról további információt az adathalmazok betanítása és tesztelése című témakörben talál.

Adathalmazok feltöltése

Kövesse ezeket a lépéseket az egyéni beszédmodell betanításához (finomhangolásához) szükséges adathalmazok feltöltéséhez.

Fontos

Ismételje meg a teszt létrehozásakor később szükséges tesztelési adathalmazok (például csak hang) feltöltésének lépéseit. Több adatkészletet is feltölthet betanításra és tesztelésre.

Az új Microsoft Foundry-portálon közvetlenül a Modell finomhangolása varázslóban adja meg a betanító és érvényesítési adatkészleteket, amelyet akkor nyitott meg, amikor megkezdte az egyéni beszéd finomhangolását.

  1. A Betanítás adatpanelen csatlakoztassa az adatforrást, és válassza ki a betanításhoz használni kívánt adathalmazt. Ezután válassza a Tovább lehetőséget.
  2. Az Érvényesítési adatpanelen válassza ki azt az adatkészletet, amelyet a finomhangolt modell kiértékeléséhez szeretne használni. Ezután válassza a Tovább lehetőséget.

Tartsa nyitva a Modell finomhangolása panelt , és folytassa az egyéni beszédmodell betanításával a finomhangolási feladat elküldéséhez.

Ha saját adathalmazokat szeretne feltölteni a Speech Studióba, kövesse az alábbi lépéseket:

  1. Jelentkezzen be a Speech Studio-ba.

  2. Válassza a Egyéni beszéd> az Ön projektneve >Beszédadatkészletek>Adatok feltöltése lehetőséget.

  3. Válassza a Betanítási adatok vagy Az adatok tesztelése lapot.

  4. Válasszon egy adathalmaztípust, majd válassza a Tovább gombot.

  5. Adja meg az adathalmaz helyét, majd válassza a Tovább gombot. Választhat helyi fájlt, vagy megadhat egy távoli helyet, például az Azure Blob URL-címét. Ha távoli helyet választ, és nem használ megbízható Azure-szolgáltatások biztonsági mechanizmust, a távoli helynek egy olyan URL-címnek kell lennie, amely egy egyszerű névtelen GET-kéréssel kérhető le. Például egy SAS URL-címet vagy egy nyilvánosan elérhető URL-címet. Azok az URL-címek, amelyek további engedélyezést igényelnek, vagy felhasználói beavatkozásra számítanak, nem támogatottak.

    Megjegyzés

    Ha Azure Blob URL-címet használ, megbízható Azure-szolgáltatások biztonsági mechanizmusával biztosíthatja az adathalmazfájlok maximális biztonságát. Ugyanazokat a technikákat használja, mint a Batch transzkripció és az egyszerű tárfiók URL-címei az adathalmazfájlokhoz. Részletek itt.

  6. Adja meg az adathalmaz nevét és leírását, majd kattintson a Tovább gombra.

  7. Tekintse át a beállításokat, majd válassza a Mentés és bezárás lehetőséget.

Az adathalmaz feltöltése után lépjen az Egyéni modellek betanítása oldalra, hogy betanítson egy egyéni modellt.

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

A Speech CLI és a Speech to text REST API-val ellentétben a Microsoft Foundry portállal és a Speech Studióval nem választhatja ki, hogy az adathalmaz tesztelésre vagy betanításra alkalmas-e a feltöltéskor. Megadhatja, hogyan használja az adathalmazt egy modell betanításakor vagy teszt futtatásakor.

Bár nem jelzi, hogy az adathalmaz teszteléshez vagy betanításhoz készült-e, meg kell adnia az adathalmaz típusát. Az adathalmaz típusa határozza meg, hogy milyen típusú adathalmaz jön létre. Bizonyos esetekben az adathalmaz-típusokat csak teszteléshez vagy betanításhoz használják, de nem szabad attól függenie. A Speech CLI és a REST API kind értékei megfelelnek a Microsoft Foundry portálon és a Speech Studióban található beállításoknak az alábbi táblázatban ismertetett módon:

CLI és API-típus Portálbeállítások
Akusztikus Tanítási adatok: Hanganyag + emberek által címkézett átirat
Tesztelési adatok: Átirat (automatikus hangszintézis)
Tesztelési adatok: Audio + emberi címkével ellátott átirat
AudioFiles Tesztelési adatok: Hang
Nyelv Betanítási adatok: Egyszerű szöveg
LanguageMarkdown Betanítási adatok: Strukturált szöveg Markdown formátumban
Kiejtés Betanítási adatok: Kiejtés
KimenetiFormázás Betanítási adatok: Kimeneti formátum

Fontos

Nem használja a Speech CLI-t vagy a REST API-t közvetlenül adatfájlok feltöltéséhez. Először a betanítási vagy tesztelési adathalmazfájlokat egy URL-címen tárolja, amelyhez a Speech CLI vagy a REST API hozzáférhet. Az adatfájlok feltöltése után a Speech CLI vagy a REST API használatával létrehozhat egy adatkészletet egyéni beszédteszteléshez vagy betanításhoz.

Az adathalmaz létrehozásához és egy meglévő projekthez való csatlakoztatásához használja a spx csr dataset create parancsot. A kérelemparamétereket az alábbi utasítások szerint hozhatja létre:

  • Állítsa a project tulajdonságot egy meglévő projekt azonosítójára. project A tulajdonság használatával az egyéni beszéd finomhangolását is kezelheti a Microsoft Foundry portálon. A projektazonosító lekéréséhez tekintse meg a REST API dokumentációjának projektazonosítóját .

  • Állítsa be a szükséges kind tulajdonságot. A betanító adatkészlet típusának lehetséges értékei a következők: Acoustic, AudioFiles, Language, LanguageMarkdown és Pronunciation.

  • Állítsa be a szükséges contentUrl tulajdonságot. Ez a paraméter az adathalmaz helye. Ha nem használ megbízható Azure-szolgáltatások biztonsági mechanizmust (lásd a következő megjegyzést), akkor a contentUrl tulajdonságnak olyan URL-címnek kell lennie, amely egy egyszerű névtelen GET-kéréssel kérhető le. Például egy SAS URL-címet vagy egy nyilvánosan elérhető URL-címet. Azok az URL-címek, amelyek további engedélyezést igényelnek, vagy a felhasználói beavatkozásra számítanak, nem támogatottak.

    Megjegyzés

    Ha Azure Blob URL-címet használ, megbízható Azure-szolgáltatások biztonsági mechanizmusával biztosíthatja az adathalmazfájlok maximális biztonságát. Ugyanazokat a technikákat használja, mint a Batch transzkripció és az egyszerű tárfiók URL-címei az adathalmazfájlokhoz. Részletek itt.

  • 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.

Íme egy példa Speech CLI-parancsra, amely létrehoz egy adathalmazt, és egy meglévő projekthez csatlakoztatja:

spx csr dataset create --api-version v3.2 --kind "Acoustic" --name "My Acoustic Dataset" --description "My Acoustic Dataset Description" --project YourProjectId --content YourContentUrl --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.

A válasz törzse a következő formátumban érkezik:

{
  "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/datasets/aaaabbbb-0000-cccc-1111-dddd2222eeee",
  "kind": "Acoustic",
  "links": {
    "files": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/datasets/23b6554d-21f9-4df1-89cb-f84510ac8d23/files"
  },
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/bbbbcccc-1111-dddd-2222-eeee3333ffff"
  },
  "properties": {
    "textNormalizationKind": "Default",
    "acceptedLineCount": 2,
    "rejectedLineCount": 0,
    "duration": "PT59S"
  },
  "lastActionDateTime": "2024-07-14T17:36:30Z",
  "status": "Succeeded",
  "createdDateTime": "2024-07-14T17:36:14Z",
  "locale": "en-US",
  "displayName": "My Acoustic Dataset",
  "description": "My Acoustic Dataset Description",
  "customProperties": {
    "PortalAPIVersion": "3"
  }
}

A válasz törzsének legfelső szintű self tulajdonsága az adathalmaz URI-ja. Ezzel az URI-val részletes információkat kaphat az adathalmaz projektjéről és fájljairól. Ezzel az URI-val is frissíthet vagy törölhet egy adathalmazt.

A Speech CLI adatkészletekkel kapcsolatos súgójához futtassa a következő parancsot:

spx help csr dataset

A Speech CLI és a Speech to text REST API-val ellentétben a Microsoft Foundry portállal és a Speech Studióval nem választhatja ki, hogy az adathalmaz tesztelésre vagy betanításra alkalmas-e a feltöltéskor. Megadhatja, hogyan használja az adathalmazt egy modell betanításakor vagy teszt futtatásakor.

Bár nem jelzi, hogy az adathalmaz teszteléshez vagy betanításhoz készült-e, meg kell adnia az adathalmaz típusát. Az adathalmaz típusa határozza meg, hogy milyen típusú adathalmaz jön létre. Bizonyos esetekben az adathalmaz-típusokat csak teszteléshez vagy betanításhoz használják, de nem szabad attól függenie. A Speech CLI és a REST API kind értékei megfelelnek a Microsoft Foundry portálon és a Speech Studióban található beállításoknak az alábbi táblázatban ismertetett módon:

CLI és API-típus Portálbeállítások
Akusztikus Tanítási adatok: Hanganyag + emberek által címkézett átirat
Tesztelési adatok: Átirat (automatikus hangszintézis)
Tesztelési adatok: Audio + emberi címkével ellátott átirat
AudioFiles Tesztelési adatok: Hang
Nyelv Betanítási adatok: Egyszerű szöveg
LanguageMarkdown Betanítási adatok: Strukturált szöveg Markdown formátumban
Kiejtés Betanítási adatok: Kiejtés
KimenetiFormázás Betanítási adatok: Kimeneti formátum

Fontos

Nem használja a Speech CLI-t vagy a REST API-t közvetlenül adatfájlok feltöltéséhez. Először a betanítási vagy tesztelési adathalmazfájlokat egy URL-címen tárolja, amelyhez a Speech CLI vagy a REST API hozzáférhet. Az adatfájlok feltöltése után a Speech CLI vagy a REST API használatával létrehozhat egy adatkészletet egyéni beszédteszteléshez vagy betanításhoz.

Adathalmaz létrehozásához és meglévő projekthez való csatlakoztatásához használja a Speech to text REST API Datasets_Create műveletét. A kérelem törzsének összeállítása az alábbi utasítások szerint:

  • Állítsa a project tulajdonságot egy meglévő projekt azonosítójára. project A tulajdonság használatával az egyéni beszéd finomhangolását is kezelheti a Microsoft Foundry portálon. A projektazonosító lekéréséhez tekintse meg a REST API dokumentációjának projektazonosítóját .

  • Állítsa be a szükséges kind tulajdonságot. A betanító adatkészlet típusának lehetséges értékei a következők: Acoustic, AudioFiles, Language, LanguageMarkdown és Pronunciation.

  • Állítsa be a szükséges contentUrl tulajdonságot. Ez a tulajdonság az adatkészlet helye. Ha nem használ megbízható Azure-szolgáltatások biztonsági mechanizmust (lásd a következő megjegyzést), akkor a contentUrl tulajdonságnak olyan URL-címnek kell lennie, amely egy egyszerű névtelen GET-kéréssel kérhető le. Például egy SAS URL-címet vagy egy nyilvánosan elérhető URL-címet. Azok az URL-címek, amelyek további engedélyezést igényelnek, vagy a felhasználói beavatkozásra számítanak, nem támogatottak.

    Megjegyzés

    Ha Azure Blob URL-címet használ, megbízható Azure-szolgáltatások biztonsági mechanizmusával biztosíthatja az adathalmazfájlok maximális biztonságát. Ugyanazokat a technikákat használja, mint a Batch transzkripció és az egyszerű tárfiók URL-címei az adathalmazfájlokhoz. Részletek itt.

  • Állítsa be a szükséges locale tulajdonságot. Az adathalmaz területi beállításának meg kell egyeznie a projekt területi beállításával. A területi beállítás később nem módosítható.

  • Állítsa be a szükséges displayName tulajdonságot. A tulajdonság neve, amely megjelenik a Microsoft Foundry portálon.

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 '{
  "kind": "Acoustic",
  "displayName": "My Acoustic Dataset",
  "description": "My Acoustic Dataset Description",
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/bbbbcccc-1111-dddd-2222-eeee3333ffff"
  },
  "contentUrl": "https://contoso.com/mydatasetlocation",
  "locale": "en-US",
}'  "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/datasets"

A válasz törzse a következő formátumban érkezik:

{
  "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/datasets/aaaabbbb-0000-cccc-1111-dddd2222eeee",
  "kind": "Acoustic",
  "links": {
    "files": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/datasets/23b6554d-21f9-4df1-89cb-f84510ac8d23/files"
  },
  "project": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/projects/bbbbcccc-1111-dddd-2222-eeee3333ffff"
  },
  "properties": {
    "textNormalizationKind": "Default",
    "acceptedLineCount": 2,
    "rejectedLineCount": 0,
    "duration": "PT59S"
  },
  "lastActionDateTime": "2024-07-14T17:36:30Z",
  "status": "Succeeded",
  "createdDateTime": "2024-07-14T17:36:14Z",
  "locale": "en-US",
  "displayName": "My Acoustic Dataset",
  "description": "My Acoustic Dataset Description",
  "customProperties": {
    "PortalAPIVersion": "3"
  }
}

A válasz törzsének legfelső szintű self tulajdonsága az adathalmaz URI-ja. Ezzel az URI-val részletes információkat kaphat az adathalmaz projektjéről és fájljairól. Ezzel az URI-val is frissítheti vagy törölheti az adathalmazt.

Fontos

Nem kell adathalmazt csatlakoztatnia egy egyéni beszédprojekthez, hogy betanítsa és tesztelje az egyéni modelleket a REST API vagy a Speech CLI használatával. Ha azonban nem csatlakoztatja az adathalmazt egy projekthez, a Microsoft Foundry portálon nem választhatja ki betanításra vagy tesztelésre.

Következő lépések

  • Utolsó frissítés időpontja: