Kód áttelepítése a 2024-11-15-ös verzióról a 2025-10-15-ös verzióra

Használja a beszédből szöveggé alakító REST API-t gyors átíráshoz, kötegelt átíráshoz, és testreszabott beszédhez. Ez a cikk a 2024-11-15-ös verzióról a 2025-10-15-ös verzióra történő módosításokat ismerteti.

Fontos

A speech to text REST API-verzió 2025-10-15 az általánosan elérhető legújabb verzió.

  • A beszédfelolvasás REST API-verziója2024-05-15-preview a bejelentés napján megszűnik.
  • A Speech to text REST API v3.0, 3.2-preview.1, és 3.2-preview.2 2026. március 31-én visszavonásra került.

A frissítésről további információt a Speech to text REST API 3.0-ról 3.1-es verzióra, 3.1-ről 3.2-es verzióra és 3.2-es verzióról 2024-11-15-ös migrálási útmutatókra című témakörben talál.

A verzió változásainak összegzése:

  • A Transcribe API új funkciókkal bővített módot és kifejezéslistát tartalmaz.
  • A Projects API visszatér (a 2024-11-15-ös verzióban hiányzik), és néhány módosítást tartalmaz.

Az Átírási API változásai

Kérelemstruktúra

  • Új végpont: 
    POST <your_endpoint>/speechtotext/transcriptions:transcribe?api-version=2025-10-15
  • Fejlécek és űrlapadatok:
    • Content-Type: multipart/form-data
    • Ocp-Apim-Subscription-Key: $KEY
    • Űrlapmezők: definition, audio

Example:

curl --request POST \
  --url '<your_endpoint>/speechtotext/transcriptions:transcribe?api-version=2025-10-15' \
  --header 'Content-Type: multipart/form-data' \
  --header 'Ocp-Apim-Subscription-Key: $KEY' \
  --form 'definition=$DEFINITION' \
  --form 'audio=@C:\workspace\audios\test.wav'

Definícióobjektum frissítései

  • Eltávolított:
    • "models" szótár (már nincs a kérelemdefinícióban)
  • Hozzáadott:
    • "phraseList": Mostantól támogatja biasingWeight a felismerési torzítás finomhangolását
    • "enhancedMode" objektum tartalma:
      • enabled (logikai érték)
      • task (például "translate")
      • targetLanguage (például "ko")
      • prompt (utasítások vagy lexikális kiemelések tömbje)

Example:

{
  "locales": ["en-US"],
  "profanityFilterMode": "Masked",
  "diarization": {
    "enabled": true,
    "maxSpeakers": 6
  },
  "channels": [0],
  "enhancedMode": {
    "enabled": true,
    "task": "translate",
    "targetLanguage": "ko",
    "prompt": [
      "Provide lexical output",
      "Boost the terms: CONTOSO, AAZZ; Replace ‘50cents’ to ’50-Cents’"
    ]
  },
  "phraseList": {
    "phrases": ["Kenichi Kumatani", "John McDonough", "Bhiksha Raj"],
    "biasingWeight": 1.6
  }
}

Eredménystruktúra

  • Csatornaalapú kimenet:
    • Az eredmények csatornánként vannak rendszerezve
  • Kifejezésszegmentáció:
    • Minden kifejezés tartalmazza a csatorna, a kezdés és a befejezés időpontját, a beszélőt, a szöveget és a szószintű megbízhatóságot

A Projects API változásai

Új funkciók

  • Foundry-projekt neve:
    • Új tulajdonság: foundryProjectName a Create, Get, Update, List API-kban
  • A projekt létrehozása:
    • A projektek Azure Resource Manager (ARM) konvenciókon keresztül jönnek létre
    • A locale most már szükséges az egyéni beszédprojektekhez

Example:

POST {endpoint}/speechtotext/projects?api-version=2025-10-15
Headers:
  Ocp-Apim-Subscription-Key: <YOUR_SUBSCRIPTION_KEY>
  Content-Type: application/json
Body:
{
  "locale": "en-US",
  "displayName": "My speech project",
  "foundryProjectName": "MyFoundrySpeechProject"
}

Projektlista és szűrés

  • Szűrés Foundry-projektnév alapján: 
    GET {endpoint}/speechtotext/projects?filter=foundryProjectName eq 'MyFoundrySpeechProject'&api-version=2025-10-15

Következő lépések

  • Utolsó frissítés időpontja: