Megosztás a következőn keresztül:

Az Azure AI Speech újdonságai

  • Cikk

Az Azure AI Speech folyamatosan frissül. Ha naprakész szeretne maradni a legújabb fejlesztésekkel kapcsolatban, ez a cikk információkat nyújt az új kiadásokról és funkciókról.

Legutóbbi kiemelések

Kibocsátási megjegyzések

Szolgáltatás vagy erőforrás kiválasztása

2024. novemberi kiadás

Az Azure AI Speech Toolkit bővítmény mostantól elérhető a Visual Studio Code felhasználói számára. Tartalmazza a beszéd gyorsindítási és forgatókönyv-mintáinak listáját, amelyek egyszerű kattintással egyszerűen felépíthetők és futtathatók. További információ: Azure AI Speech Toolkit in Visual Studio Code Marketplace.

Speech SDK 1.41.1: 2024–októberi kiadás

Új funkciók

  • Az Amazon Linux 2023 és az Azure Linux 3.0 támogatása hozzáadva.
  • Hozzáadta a nyilvános tulajdonság azonosítóját SpeechServiceConnection_ProxyHostBypass olyan gazdagépek megadásához, amelyekhez nem használ proxyt.
  • Új kifejezések szegmentálási stratégiáinak szabályozásához hozzáadott tulajdonságok.

Hibajavítások

Kompatibilitástörő változások

  • A Windows ARM 32 bites kulcsszófelismerési támogatása el lett távolítva, mert a szükséges ONNX-futtatókörnyezet ehhez a platformhoz nem érhető el.

Speech SDK 1.40: 2024–augusztusi kiadás

Feljegyzés

A Speech SDK 1.39.0-s verziója belső kiadás volt, és nem hiányzik.

Új funkciók

  • A tömörített hang átvitelének G.722 támogatása a beszédfelismerésben.
  • A beszédszintézisben a bemeneti szöveg streamelésében a hangmagasság, a sebesség és a hangerő beállítása is támogatott.
  • A beszédszintézis bevezetésével a személyes hangbemeneti szövegstreamelés PersonalVoiceSynthesisRequest támogatása is bővült. Ez az API előzetes verzióban érhető el, és a jövőbeli verziókban változhat.
  • A köztes eredmények diarizálásának támogatása használat esetén ConversationTranscriber .
  • A CentOS 7 EOL és az RHEL 7 karbantartási támogatásának vége miatt el lett távolítva a CentOS/RHEL 7 támogatás 2.
  • A beágyazott beszédmodellek használatához mostantól modellkulcs helyett modelllicencre van szükség. Ha Ön egy meglévő beágyazott beszédfelismerési ügyfél, és frissíteni szeretne, forduljon a Microsoft ügyfélszolgálatához a modellfrissítésekkel kapcsolatos részletekért.

Hibajavítások

Példák

  • A beágyazott beszédmintákat úgy frissítette, hogy kulcs helyett modelllicencet használjon.

Speech SDK 1.38.0: 2024–júniusi kiadás

Új funkciók

  • A Speech SDK Linux platformkövetelményei:
    • Az új minimális alapkonfiguráció az Ubuntu 20.04 LTS, vagy kompatibilis a 2.31 vagy újabb verzióval glibc .
    • A Linux x86 bináris fájljai az Ubuntu 20.04 platform támogatásának megfelelően törlődnek.
    • Vegye figyelembe, hogy az RHEL/CentOS 7 június 30-ig (a CentOS 7 végéig és az RHEL 7 karbantartási támogatásának 2 végéig) támogatott marad. A bináris fájlok a Speech SDK 1.39.0-s kiadásában lesznek eltávolítva.
  • Az OpenSSL 3 támogatása Linuxon.
  • A g722-16khz-64kbps hangkimeneti formátum támogatása beszédszintetizátor használatával.
  • Támogatás hozzáadása az üzenetek beszédszintetizátorsal való kapcsolati objektumon keresztüli küldéséhez.
  • Start/StopKeywordRecognition API-k hozzáadása Objective-C és Swift nyelven.
  • Api hozzáadása egyéni fordítási modell kategória kiválasztásához.
  • Frissítse a GStreamer használatát a beszédszintetizátor használatával.

Hibajavítások

  • A "Websocket üzenetmérete nem haladhatja meg a 65 536 bájtot" hiba kijavítása a Start/StopKeywordRecognition során.
  • Python-szegmentálási hiba javítása a beszédszintézis során.

Példák

  • Frissítse a C#-mintákat a .NET 6.0 alapértelmezett használatára.

Speech SDK 1.37.0: 2024- áprilisi kiadás

Új funkciók

  • Támogatja a bemeneti szövegstreamelést a beszédszintézisben.
  • Módosítsa az alapértelmezett beszédszintézis hangját en-US-AvaMultilingualNeural értékre.
  • Android-buildek frissítése az OpenSSL 3.x használatára.

Hibajavítások

Példák

  • Új funkciókkal frissítve.

Speech SDK 1.36.0: 2024. márciusi kiadás

Új funkciók

  • Nyelvi azonosítás támogatása többnyelvű fordításban v2-végpontokon az AutoDetectSourceLanguageConfig::FromOpenRange() paranccsal.

Hibajavítások

  • Javítsa ki a Nem aktivált SynthesisCanceled eseményt, ha a rendszer leállítást hív meg a SynthesisStarted esemény során.

  • A beágyazott beszédszintézis zajproblémáinak megoldása.

  • A beágyazott beszédfelismerés összeomlásának kijavítása több felismerő egyidejű futtatásakor.

  • Javítsa ki a kifejezésészlelési módot a v1/v2-végpontokon.

  • A Microsoft Audio Stack különböző problémáinak javítása.

Példák

  • Új funkciók frissítései.

Speech SDK 1.35.0: 2024. februári kiadás

Új funkciók

  • Módosítsa az alapértelmezett szöveget beszédhangra az en-US-JennyMultilingualNeuralról en-US-AvaNeural értékre.
  • Támogatja a beágyazott beszédfordítási eredmények szószintű részleteit a részletes kimeneti formátum használatával.

Hibajavítások

  • Javítsa ki az AudioDataStream pozíció getter API-t a Pythonban.
  • Beszédfordítás javítása v2-végpontok használatával nyelvfelismerés nélkül.
  • Kijavíthat egy véletlenszerű összeomlást, és duplikált szóhatáreseményeket beágyazott szövegben beszédre.
  • A WebSocket-kapcsolatok belső kiszolgálóhibájának helyes lemondási hibakódját adja vissza.
  • Kijavítottuk FPIEProcessor.dll kódtár betöltésének sikertelenségét, amikor a MAS-t C#-tal használják.

Példák

  • A Beágyazott felismerési minták kisebb formázási frissítései.

Speech SDK 1.34.1: 2024. januári kiadás

Kompatibilitástörő változások

  • Csak hibajavítások

Új funkciók

  • Csak hibajavítások

Hibajavítások

  • Kijavítottuk az 1.34.0-s verzióban bevezetett regressziót, ahol a szolgáltatásvégpont URL-címe hibás területi adatokkal lett létrehozva több kínai régió felhasználói számára.

Speech SDK 1.34.0: 2023. novemberi kiadás

Kompatibilitástörő változások

  • SpeechRecognizer alapértelmezés szerint egy új végpont használatára frissül (azaz ha nem ad meg explicit módon URL-címet), amely már nem támogatja a lekérdezési sztring paramétereit a legtöbb tulajdonság esetében. Ahelyett, hogy közvetlenül a ServicePropertyChannel.UriQueryParameter használatával állít be lekérdezési sztringparamétereket, használja a megfelelő API-függvényeket.

Új funkciók

  • Kompatibilitás a .NET 8-tal (Javítás a https://github.com/Azure-Samples/cognitive-services-speech-sdk/issues/2170 centos7-x64 figyelmeztetés kivételével)
  • A beágyazott beszédteljesítmény-metrikák támogatása, amelyek segítségével kiértékelhető, hogy az eszköz képes-e beágyazott beszédet futtatni.
  • A forrásnyelv-azonosítás támogatása beágyazott többnyelvű fordításban.
  • Az iOS-hez és a Swifthez/Objective-C-hez készült beágyazott beszédfelismerés, szövegfelolvasás és fordítás támogatása előzetes verzióban.
  • A beágyazott támogatást a MicrosoftCognitiveServicesSpeechEmbedded-iOS Cocoapod biztosítja.

Hibajavítások

  • Javítás az iOS SDK x2-szeres bináris méretének növekedéséhez · Probléma #2113 · Azure-Samples/cognitive-services-speech-sdk (github.com)
  • Kijavítottuk, hogy nem lehet szószintű időbélyegeket lekérni az Azure Speechből a szöveges API-ba · 2156- os probléma · Azure-Samples/cognitive-services-speech-sdk (github.com)
  • Javítás a DialogServiceConnector megsemmisítési fázisához az események megfelelő leválasztásához. Ez időnként összeomlásokat okozott.
  • A mas használata esetén a felismerő létrehozása során fellépő kivétel javítása.
  • FPIEProcessor.dll Windows UWP x64 és Arm64 rendszerhez készült Microsoft.CognitiveServices.Speech.Extension.MAS NuGet-csomagja függött a Natív C++-hoz készült VC futtatókörnyezeti kódtáraktól. A problémát kijavítottuk a függőség frissítésével a VC futtatókörnyezeti kódtárak (UWP) javítása érdekében.
  • Javítás a [MAS] A recognizeOnceAsync felé irányuló ismétlődő hívások SPXERR_ALREADY_INITIALIZED eredményeznek a MAS használatakor · 2124. szám · Azure-Samples/cognitive-services-speech-sdk (github.com)
  • A beágyazott beszédfelismerés összeomlásának javítása kifejezéslisták használatakor.

Példák

  • Beágyazott iOS-minták beszédfelolvasáshoz, szövegfelolvasáshoz és fordításhoz.

Speech CLI 1.34.0: 2023. novemberi kiadás

Új funkciók

  • Támogatja a szavak határeseteinek kimenetét a beszédszintézis során.

Hibajavítások

  • Frissített JMESPath-függőség a legújabb kiadásra, javítja a sztringek kiértékelését

Speech SDK 1.33.0: 2023. októberi kiadás

Kompatibilitástörő változásról szóló értesítés

  • A Microsoft Audio Stackhez (MAS) hozzáadott új NuGet-csomagot azoknak az alkalmazásoknak kell tartalmazniuk, amelyek MAS-t használnak a csomagkonfigurációs fájljaikban.

Új funkciók

  • Hozzá lett adva az új NuGet-csomag, a Microsoft.CognitiveServices.Speech.Extension.MAS.nupkg, amely továbbfejlesztett echo-lemondási teljesítményt nyújt a Microsoft Audio Stack használatakor
  • Kiejtési értékelés: a próza- és tartalomértékelés támogatása, amely próza, szókincs, nyelvhelyesség és témakör szempontjából értékelheti a beszélt beszédet.

Hibajavítások

Példák

Speech CLI 1.33.0: 2023. októberi kiadás

Új funkciók

  • Támogatja a szavak határeseteinek kimenetét a beszédszintézis során.

Hibajavítások

  • Nincs

Speech SDK 1.32.1: 2023. szeptemberi kiadás

Hibajavítások

  • Android-csomagok frissítései az OpenSSL1.1.1v legújabb biztonsági javításaival
  • JS – WebWorkerLoadType tulajdonság hozzáadva, amely lehetővé teszi az adat URL-terhelésének megkerülését az időtúllépési feldolgozó számára
  • JS – A beszélgetés fordításának megszakadásának javítása 10 perc után
  • JS – A Beszélgetés beszélgetésfordítási hitelesítési jogkivonata mostantól a Translation service-kapcsolatra propagálja

Példák

Speech SDK 1.31.0: 2023. augusztusi kiadás

Új funkciók

  • A valós idejű diarizálás támogatása nyilvános előzetes verzióban érhető el a Speech SDK 1.31.0-s verziójával. Ez a funkció a következő SDK-kban érhető el: C#, C++, Java, JavaScript, Python és Objective-C/Swift.

  • Szinkronizált beszédszintézis szóhatára és események megjelenítése hanglejátszással

Kompatibilitástörő változások

  • A korábbi "beszélgetés átírása" forgatókönyv neve "értekezlet-átírás". Például használja MeetingTranscriber a helyett ConversationTranscriber, és használja CreateMeetingAsync helyett CreateConversationAsync. Bár az SDK-objektumok és -metódusok neve megváltozott, az átnevezés nem változtatja meg magát a funkciót. Értekezlet-átírási objektumok használata az értekezletek átírásához felhasználói profilokkal és hangaláírásokkal. További információt az értekezlet átiratában talál. Ezek a módosítások nem érintik a "beszélgetés fordítása" objektumokat és metódusokat. Továbbra is használhatja az ConversationTranslator objektumot és annak metódusait az értekezletfordítási forgatókönyvekhez.
  • A valós idejű diarizáláshoz új ConversationTranscriber objektumot vezetünk be. Az új "beszélgetés átírása" objektummodell és hívásminták hasonlóak az SpeechRecognizer objektum folyamatos felismeréséhez. Lényeges különbség, hogy az ConversationTranscriber objektum olyan beszélgetési forgatókönyvben való használatra lett kialakítva, amelyben több hangszórót (diarizációt) szeretne megkülönböztetni. A felhasználói profilok és a hangaláírások nem alkalmazhatók. További információért tekintse meg a valós idejű diarizálási rövid útmutatót .

Ez a táblázat a valós idejű diarizálás és az értekezlet átírásának korábbi és új objektumnevét mutatja be. A forgatókönyv neve az első oszlopban, az előző objektumnevek a második oszlopban, az új objektumnevek pedig a harmadik oszlopban találhatók.
Forgatókönyv neve Előző objektumnevek Új objektumnevek
Valós idejű diarizálás n/a ConversationTranscriber
Értekezlet átírása ConversationTranscriber
ConversationTranscriptionEventArgs
ConversationTranscriptionCanceledEventArgs
ConversationTranscriptionResult
RemoteConversationTranscriptionResult
RemoteConversationTranscriptionClient
RemoteConversationTranscriptionResult
Participant1
ParticipantChangedReason1
User1		 MeetingTranscriber
MeetingTranscriptionEventArgs
MeetingTranscriptionCanceledEventArgs
MeetingTranscriptionResult
RemoteMeetingTranscriptionResult
RemoteMeetingTranscriptionClient
RemoteMeetingTranscriptionResult
Participant
ParticipantChangedReason
User
Meeting2

1 A Participant, ParticipantChangedReasonés az objektumok az értekezlet átírására és User az értekezletfordítási forgatókönyvekre egyaránt érvényesek.

2 Az Meeting objektum új, és az MeetingTranscriber objektummal együtt használatos.

Hibajavítások

Példák

Speech SDK 1.30.0: 2023. júliusi kiadás

Új funkciók

  • C++, C#, Java – Az Embedded Speech Recognition részletes eredményének DisplayWords támogatása.
  • Objective-C/Swift – Az Objective-C/Swift eseményeinek ConnectionMessageReceived támogatása.
  • Objective-C/Swift – Továbbfejlesztett kulcsszó-észlelési modellek iOS-hez. Ez a változás megnövelte bizonyos csomagok méretét, amelyek iOS bináris fájlokat tartalmaznak (például NuGet, XCFramework). Dolgozunk a jövőbeli kiadások méretének csökkentésén.

Hibajavítások

  • Kijavítottunk egy memóriaszivárgást, amikor beszédfelismerőt használt a PhraseListGrammar használatával az ügyfél által jelentett módon (GitHub-probléma).
  • Kijavítottunk egy holtpontot a szövegben a nyílt kapcsolati API-val való beszédhez.

További megjegyzések

  • Java – Egyes belsőleg használt Java public API-metódusok csomagra internalprotected vagy private. Ennek a változásnak nem szabad hatással lennie a fejlesztőkre, mivel nem várjuk, hogy az alkalmazások ezeket használják. Itt olvasható az átláthatóság.

Példák

Speech SDK 1.29.0: 2023. júniusi kiadás

Új funkciók

  • C++, C#, Java – Beágyazott beszédfordítási API-k előzetes verziója. Most már felhőalapú kapcsolat nélkül is végezhet beszédfordítást!
  • JavaScript – A folyamatos nyelvazonosítás (LID) mostantól engedélyezve van a beszédfordításhoz.
  • JavaScript – Közösségi hozzájárulás a tulajdonság osztályhoz való hozzáadásához LocaleName VoiceInfo . Köszönjük a GitHub-felhasználó shivsarthaknak a lekéréses kérelmet.
  • C++, C#, Java – Támogatja a beágyazott szöveg 16 kHz-ről 48 kHz-es mintasebességre történő újraszámítását a beszédkimenethez.
  • A területi beállítás támogatása az hi-IN Egyszerű mintaegyeztetéssel rendelkező Szándékfelismerőben.

Hibajavítások

  • Kijavítottunk egy összeomlást, amelyet egy versenyhelyzet okozott a Speech Recognizerben objektummegsemmisítés során, amint az androidos tesztek némelyikében látható
  • Kijavítottuk a lehetséges holtpontokat az Intent Recognizerben egyszerű mintaegyezővel

Példák

  • Új Beágyazott beszédfordítási minták

Speech SDK 1.28.0: 2023. májusi kiadás

Kompatibilitástörő változás

  • JavaScript SDK: Az online tanúsítványállapot-protokoll (OCSP) el lett távolítva. Ez lehetővé teszi, hogy az ügyfelek jobban megfeleljenek a tanúsítványkezelés böngésző- és csomópontszabványainak. Az 1.28-es és újabb verzió már nem tartalmazza az egyéni OCSP-modult.

Új funkciók

  • A beágyazott beszédfelismerés mostantól akkor ad vissza, NoMatchReason::EndSilenceTimeout ha egy beszédelem végén csendidő-időtúllépés történik. Ez megegyezik a valós idejű beszédszolgáltatással végzett felismerés viselkedésével.
  • JavaScript SDK: Tulajdonságok SpeechTranslationConfig beállítása számértékek használatával PropertyId .

Hibajavítások

  • C# a Windows rendszeren – A lehetséges versenyállapot/holtpont javítása a Windows hangkiterjesztésben. Azokban a forgatókönyvekben, amelyekben a hanglejátszó gyorsan el van helyezve, és a Synthesizer metódust is használják a beszéd leállításához, a mögöttes esemény nem állt vissza stop-ra, és a renderelő objektum soha nem szabadult fel, miközben globális zárolást lehetett tartani az ártalmatlanításhoz, a dotnet GC-szál befagyasztásával.

Példák

  • Beágyazott beszédmintát adott hozzá a MAUI-hoz.
  • Frissítette az Android Java beágyazott beszédmintáját, hogy szövegfelolvasást is tartalmazzon.

Speech SDK 1.27.0: 2023. áprilisi kiadás

Értesítés a közelgő változásokról

  • Az online tanúsítványállapot-protokoll (OCSP) eltávolítását a következő JavaScript SDK-kiadásban tervezzük eltávolítani. Ez lehetővé teszi, hogy az ügyfelek jobban megfeleljenek a tanúsítványkezelés böngésző- és csomópontszabványainak. Az 1.27-es verzió az utolsó kiadás, amely tartalmazza az egyéni OCSP-modult.

Új funkciók

  • JavaScript – A böngészőből származó mikrofonbemenet támogatása a Speaker Identification és Verification használatával.
  • Beágyazott beszédfelismerés – A beállítás támogatásának PropertyId::Speech_SegmentationSilenceTimeoutMs frissítése.

Hibajavítások

  • Általános – Megbízhatósági frissítések a szolgáltatás újracsatlakozási logikájában (a JavaScript kivételével minden programozási nyelv).
  • Általános – A windowsos memóriát kiszivárogtató sztringkonvertálások javítása (a JavaScript kivételével minden releváns programozási nyelv).
  • Beágyazott beszédfelismerés – Kijavíthatja a francia beszédfelismerés összeomlását bizonyos nyelvtani listaelemek használatakor.
  • Forráskód dokumentációja – Az SDK referenciadokumentációjának javítása a szolgáltatás hangnaplózásához kapcsolódó megjegyzésekhez.
  • Szándékfelismerés – A listaentitásokhoz kapcsolódó mintaegyesítő prioritások javítása.

Példák

  • A C# beszélgetési átírási (CTS) mintában szereplő hitelesítési hibák megfelelő kezelése.
  • Hozzáadtunk egy példát a streamelési kiejtés értékelésére Python, JavaScript, Objective-C és Swift esetén.

Speech SDK 1.26.0: 2023. márciusi kiadás

Kompatibilitástörő változások

  • A bitkód le lett tiltva az összes iOS-példányban az alábbi csomagokban: Cocoapod xcframework,NuGet (Xamarin és MAUI esetén) és Unity. A változás oka az, hogy az Apple elavulttá vált a bitkódok támogatásának az Xcode 14-ről és tovább. Ez a módosítás azt is jelenti, hogy ha Xcode 13-at használ, vagy kifejezetten engedélyezte a bitkódot az alkalmazásban a Speech SDK használatával, hibaüzenet jelenhet meg, amely szerint "a keretrendszer nem tartalmaz bitkódot, és újra kell építenie". A probléma megoldásához győződjön meg arról, hogy a célok bitkódja le van tiltva.
  • Ebben a kiadásban a minimális iOS-telepítési cél 11.0-ra frissül, ami azt jelenti, hogy az Armv7 HW már nem támogatott.

Új funkciók

  • A beágyazott (eszközön) beszédfelismerés mostantól támogatja a 8 és a 16 kHz-es mintavételezési sebesség bemeneti hangját is (mintánként 16 bites, mono PCM).
  • A beszédszintézis mostantól a kapcsolat, a hálózat és a szolgáltatás késéseit jelenti az eredményben, így segítve a végpontok közötti késés optimalizálását.
  • Új kötéstörő szabályok a szándékfelismeréshez egyszerű mintaegyeztetéssel. Minél több karakterbájt felel meg, az alacsonyabb karakterbővítménnyel rendelkező mintaegyezéseket fogja megnyerni. Példa: A "Select {something} in the top right" (A jobb felső sarokban található {something} kiválasztása) minta a "Select {something}" ({valami kiválasztása} lehetőség) elemet fogja megnyerni.

Hibajavítások

  • Beszédszintézis: Kijavítottunk egy hibát, amely miatt az emoji nem helyes a szavak határeseteiben.
  • Szándékfelismerés társalgási nyelvfelismeréssel (CLU):
    • A CLU Orchestrator munkafolyamat szándékai most már helyesen jelennek meg.
    • A JSON-eredmény a tulajdonságazonosítón LanguageUnderstandingServiceResponse_JsonResultkeresztül érhető el.
  • Beszédfelismerés kulcsszóaktiválással: A hiányzó ~150 ms hang kijavítása kulcsszófelismerés után.
  • Javítás a Speech SDK NuGet iOS MAUI kiadásának buildjéhez, amelyet az ügyfél jelentett (GitHub-probléma)

Példák

Speech SDK 1.25.0: 2023. januári kiadás

Kompatibilitástörő változások

  • A Language Identification (előzetes verzió) API-k egyszerűbbé lettek. Ha frissít a Speech SDK 1.25-ös verzióra, és buildszünetet lát, látogasson el a Language Identification (Nyelvazonosítás ) oldalra az új tulajdonság SpeechServiceConnection_LanguageIdModemegismeréséhez. Ez az egyetlen tulajdonság az előző SpeechServiceConnection_SingleLanguageIdPriority két tulajdonságot SpeechServiceConnection_ContinuousLanguageIdPriorityés a . A modell legújabb fejlesztései után már nincs szükség az alacsony késés és a nagy pontosság közötti rangsorolásra. Most már csak azt kell kiválasztania, hogy a folyamatos beszédfelismerés vagy fordítás során az indításkor vagy a folyamatos nyelvazonosítással kell-e futnia.

Új funkciók

  • C#/C++/Java: A Embedded Speech SDK mostantól nyilvános előzetes verzióban jelenik meg. Lásd az Embedded Speech (előzetes verzió) dokumentációját. Mostantól az eszközén is végezhet beszédet szöveggé és szövegfelolvasásra, ha a felhőbeli kapcsolat időszakos vagy nem érhető el. Android, Linux, macOS és Windows platformokon támogatott
  • C# MAUI: IOS- és Mac Catalyst-célok támogatása a Speech SDK NuGetben (ügyfélproblémák)
  • Unity: Android x86_64 architektúra hozzáadva a Unity csomaghoz (ügyfélproblémák)
  • Ugrás:
    • ALAW/MULAW közvetlen streamelési támogatás hozzáadva a beszédfelismeréshez (ügyfélproblémák)
    • A PhraseListGrammar támogatása hozzáadva. Köszönjük GitHub-felhasználó czkoko a közösség hozzájárulását!
  • C#/C++: Az Intent Recognizer mostantól támogatja a C++ és c# beszélgetési nyelvfelismerési modelleket a Microsoft szolgáltatás vezénylése mellett

Hibajavítások

  • Alkalmi lefagyás kijavítása a KeywordRecognizerben, amikor megpróbálják leállítani
  • Python:
    • Javítás a kiejtési értékelés eredményének beállításkor PronunciationAssessmentGranularity.FullText történő lekéréséhez (ügyfélproblémák)
    • A nemi tulajdonság javítása a nem lekért férfi hangok esetében a beszédszintézis hangjának lekérésekor
  • JavaScript
    • Javítás az iOS-eszközökön rögzített egyes WAV-fájlok elemzéséhez (ügyfélproblémák)
    • A JS SDK mostantól npm-force-resolutions (ügyfélproblémák) használata nélkül épül fel
    • A Beszélgetési fordító mostantól helyesen állítja be a szolgáltatásvégpontot a SpeechConfig.fromEndpoint() használatával létrehozott SpeechConfig-példány használatakor

Példák

Speech SDK 1.24.2: 2022. novemberi kiadás

Új funkciók

  • Nincsenek új funkciók, csak beágyazott motorjavítás az új modellfájlok támogatásához.

Hibajavítások

  • Minden programnyelv
    • Kijavítottunk egy hibát a beágyazott beszédfelismerési modellek titkosításával kapcsolatban.

Speech SDK 1.24.1: 2022. novemberi kiadás

Új funkciók

Hibajavítások

  • Minden programnyelv
    • Beágyazott TTS-összeomlás javítása, ha a hang betűtípusa nem támogatott
    • A stopSpeaking() javítása nem tudja leállítani a lejátszást Linuxon (#1686)
  • JavaScript SDK
    • Kijavítottuk a regressziót a beszélgetés-átíró hangjában.
  • Java
    • Ideiglenesen közzétett frissített POM- és Javadocs-fájlok a Maven Centralon, hogy a docs-folyamat frissíthesse az online referenciadokumentumokat.
  • Python
    • Javítsa ki a regressziót, ahol a Python speak_text(ssml) üres.

Speech SDK 1.24.0: 2022. októberi kiadás

Új funkciók

  • Minden programnyelv: AMR-WB (16khz) hozzáadva a szöveg és a beszéd hangkimeneti formátumok támogatott listájához
  • Python: A Linux Arm64-hez hozzáadott csomag támogatott Linux-disztribúciókhoz.
  • C#/C++/Java/Python: Az ALAW & MULAW közvetlen streamelésének támogatása a beszédszolgáltatásba (a meglévő PCM-stream mellett) a használatával AudioStreamWaveFormat.
  • C# MAUI: NuGet-csomag frissítve, hogy támogassa az Android-célokat a .NET MAUI-fejlesztők számára (ügyfélproblémák)
  • Mac: Külön XCframework-et adott hozzá Machez, amely nem tartalmaz iOS bináris fájlokat. Ez lehetőséget kínál azoknak a fejlesztőknek, akiknek csak Mac bináris fájlokra van szükségük egy kisebb XCframework-csomaggal.
  • Microsoft Audio Stack (MAS):
    • A gerendaalakítási szögek megadásakor a megadott tartományon kívülről származó hang jobban el lesz tiltva.
    • A Linux ARM32 és a Linux Arm64 méretének libMicrosoft.CognitiveServices.Speech.extension.mas.so körülbelül 70%-os csökkentése.
  • Szándékfelismerés mintaegyeztetés használatával:
    • Ortográfiai támogatás hozzáadása a nyelvekhezfr, de, , esjp
    • Előre összeállított egész szám támogatása hozzáadva a nyelvhez es.

Hibajavítások

  • iOS: Beszédszintézisi hiba javítása az iOS 16-on a tömörített hangkódolási hiba (ügyfélproblémák) miatt.
  • JavaScript:
    • Kijavíthatja, hogy a hitelesítési jogkivonat nem működik a beszédszintézis hanglistájának lekérésekor (ügyfélproblémák).
    • Adat URL-címének használata a feldolgozó betöltéséhez (ügyfélproblémák).
    • Csak akkor hozzon létre hangfeldolgozó munkafájlt, ha az AudioWorklet támogatott a böngészőben (ügyfélproblémák). Ez William Wong közösségi közreműködése volt. Köszönöm William!
    • Kijavíthatja a felismert visszahívást, ha a LUIS-válasz connectionMessage üres (ügyfélproblémák).
    • A beszédszegmentálás időtúllépésének megfelelő beállítása.
  • Szándékfelismerés mintaegyeztetés használatával:
    • A modelleken belüli nem json karakterek most már megfelelően betöltenek.
    • A folyamatos felismerés során meghívott függő problémák recognizeOnceAsync(text) kijavítása.

Speech SDK 1.23.0: 2022. júliusi kiadás

Új funkciók

  • C#, C++, Java: Támogatott nyelvek zh-cn és zh-hk szándékfelismerés mintaegyeztetéssel.
  • C#: További támogatás .NET-keretrendszer AnyCPU buildekhez

Hibajavítások

  • Android: A CVE-2022-2068 OpenSSL biztonsági résének kijavítása az OpenSSL 1.1.1q-ra való frissítésével
  • Python: Összeomlás javítása a PushAudioInputStream használatakor
  • iOS: Az iOS-en jelentett "EXC_BAD_ACCESS: Null mutató elhalasztására tett kísérlet" javítása (GitHub-probléma)

Speech SDK 1.22.0: 2022. júniusi kiadás

Új funkciók

  • Java: IntentRecognitionResult API getEntities(), applyLanguageModels() és recognizeOnceAsync(text) hozzáadva az "egyszerű mintaegyeztetés" motor támogatásához.
  • Unity: A Unity-csomaghoz tartozó Mac M1 (Apple Silicon) támogatása (GitHub-probléma)
  • C#: A Xamarin Android x86_64 támogatása (GitHub-probléma)
  • C#: Az SDK C# csomaghoz készült 4.6.2-es verzióra frissített .NET-keretrendszer minimális verziója, mivel a 4.6.1-es verzió ki lett állítva (lásd: Microsoft .NET-keretrendszer Component Lifecycle Policy)
  • Linux: A Debian 11 és az Ubuntu 22.04 LTS támogatása hozzáadva. Az Ubuntu 22.04 LTS-hez a libssl1.1 manuális telepítése szükséges bináris csomagként (például az x64-hez libssl1.1_1.1.1l-1ubuntu1.3_amd64.deb vagy újabb), vagy forrásokból történő fordítással.

Hibajavítások

  • UWP: Az OpenSSL-függőség el lett távolítva az UWP-kódtárakból, és winRT websocketre és HTTP API-ra cserélve a biztonsági megfelelőség és a kisebb bináris lábnyom érdekében.
  • Mac: Kijavítottuk a "MicrosoftCognitiveServicesSpeech module Not Found" hibát a macOS platformot célzó Swift-projektek használatakor
  • Windows, Mac: Kijavítottunk egy platformspecifikus hibát, amely miatt a tulajdonságokon keresztül valós idejű streamelésre konfigurált hangforrások néha lemaradtak, és végül túllépték a kapacitást

Minták (GitHub)

  • C#: .NET-keretrendszerminták frissítve a 4.6.2-s verzió használatára
  • Unity: Virtual-Assistant-minta javítva androidos és UWP-hez
  • Unity: Unity-minták frissítve a Unity 2020 LTS-verzióhoz

Speech SDK 1.21.0: 2022. áprilisi kiadás

Új funkciók

  • Java > JavaScript: A SpeechRecognizer objektum használatakor a folyamatos nyelvazonosítás támogatása
  • JavaScript: Diagnosztikai API-k hozzáadása a konzolnaplózási szint és (csak csomópontok) fájlnaplózásának engedélyezéséhez, hogy segítsen a Microsoftnak az ügyfél által jelentett problémák elhárításában
  • Python: A beszélgetés átiratának támogatása hozzáadva
  • Ugrás: A Speaker Recognition támogatása hozzáadva
  • C++ > C#: A szándékfelismerőben (egyszerű mintaegyeztetés) egy szükséges szócsoport támogatása hozzáadva. Például: "(set|start|begin) egy időzítő", ahol a "set", a "start" vagy a "start" értéknek jelen kell lennie a felismerni kívánt szándékhoz.
  • Minden programozási nyelv, Beszédszintézis: Az időtartam tulajdonság hozzáadva a szavak határeseteihez. Az írásjelek és a mondathatárok támogatása hozzáadva
  • Objective-C/Swift/Java: Szószintű eredményeket adott hozzá a Kiejtésértékelés eredményobjektumhoz (a C#-hoz hasonlóan). Az alkalmazásnak már nem kell elemeznie egy JSON-eredménysztringet a szószintű információk lekéréséhez (GitHub-probléma)
  • iOS-platform: Kísérleti támogatás az ARMv7 architektúrához

Hibajavítások

  • iOS-platform: Javítás a cél "Bármely iOS-eszköz" létrehozásához a CocoaPod használatakor (GitHub-probléma)
  • Android-platform: Az OpenSSL verziója az 1.1.1n-es verzióra frissült a CVE-2022-0778 biztonsági rés javítása érdekében
  • JavaScript: Kijavítottuk azt a hibát, amely miatt a wav fejléce nem lett frissítve fájlmérettel (GitHub-probléma)
  • JavaScript: Kérésazonosító-deszinkronizálási problémák elhárítása fordítási forgatókönyvek feltörése esetén (GitHub-probléma)
  • JavaScript: A SpeakerAudioDestination stream nélküli példányosításával kapcsolatos probléma megoldása (GitHub-probléma]
  • C++: C++ fejlécek javítása a C++17 vagy újabb verziók fordításakor megjelenő figyelmeztetés eltávolításához

Minták GitHub

  • Új Java-minták a beszédfelismeréshez nyelvazonosítással
  • Új Python - és Java-minták a beszélgetés átiratához
  • New Go-minta a Speaker Recognitionhez
  • Új C++ és C# eszköz a Windowshoz, amely felsorolja az összes hangrögzítési és renderelési eszközt az eszközazonosítójuk megtalálásához. Erre az azonosítóra a Speech SDK-nak van szüksége, ha nem megfelelő eszközről szeretne hangokat rögzíteni vagy renderelni.

Speech SDK 1.20.0: 2022. januári kiadás

Új funkciók

  • Objective-C, Swift és Python: A Voice-Assistant-forgatókönyvekhez használt DialogServiceConnector támogatása hozzáadva.
  • Python: A Python 3.10 támogatása hozzáadva. A Python 3.6 támogatása el lett távolítva, a Python 3.6-os élettartamának végéig.
  • Unity: A Speech SDK mostantól támogatott a Linuxon futó Unity-alkalmazásokhoz.
  • C++, C#: A mintaegyezést használó IntentRecognizer mostantól támogatott a C#-ban. Emellett az egyéni entitásokkal, választható csoportokkal és entitásszerepkörökkel rendelkező forgatókönyvek mostantól támogatottak a C++ és a C# nyelven is.
  • C++, C#: Továbbfejlesztett diagnosztikai nyomkövetési naplózás a FileLogger, a MemoryLogger és az EventLogger új osztályával. Az SDK-naplók fontos eszközök a Microsoft számára az ügyfelek által jelentett problémák diagnosztizálásához. Ezek az új osztályok megkönnyítik az ügyfelek számára a Speech SDK-naplók saját naplózási rendszerbe való integrálását.
  • Az összes programozási nyelv: A PronunciationAssessmentConfig mostantól rendelkezik a kívánt fonetikai ábécé (IPA vagy SAPI) és az N-Best Phoneme Count beállításához (elkerülve, hogy a GitHub 1284-beli problémájának megfelelően létre kell hoznia egy konfigurációs JSON-t). A szótagszintű kimenet is támogatott.
  • Android, iOS és macOS (az összes programozási nyelv): A GStreamerre már nincs szükség a korlátozott sávszélességű hálózatok támogatásához. A SpeechSynthesizer mostantól az operációs rendszer hangdekódolási képességeivel dekódolja a szövegből a speech service-be streamelt tömörített hangokat.
  • Minden programozási nyelv: A SpeechSynthesizer mostantól három új nyers kimeneti Opus-formátumot támogat (tároló nélkül), amelyeket széles körben használnak élő streamelési forgatókönyvekben.
  • JavaScript: GetVoicesAsync() API hozzáadva a SpeechSynthesizerhez a támogatott szintézishangok listájának lekéréséhez (GitHub 1350-es probléma)
  • JavaScript: GetWaveFormat() API hozzáadva az AudioStreamFormathoz a nem PCM hullámformátumok támogatásához (GitHub 452-es probléma)
  • JavaScript: A SpeakerAudioDestination-hez hozzáadott kötetleíró/setter és némítás()/unmute() API-k (GitHub 463-ra vonatkozó probléma)

Hibajavítások

  • C++, C#, Java, JavaScript, Objective-C és Swift: Javítás a 10 másodperces késleltetés eltávolításához, miközben leállítja a PushAudioInputStreamet használó beszédfelismerőt. Ez arra az esetre vonatkozik, ha a StopContinuousRecognition meghívása után nem küld be új hangot (GitHub-problémák : 1318, 331)
  • Unity androidos és UWP rendszeren: A Unity metafájljait kijavítottuk az UWP, az Android Arm64 és a Android rendszerhez készült Windows-alrendszer (WSA) Arm64 esetében (GitHub 1360-as probléma)
  • iOS: A Speech SDK-alkalmazás összeállítása bármely iOS-eszközön a CocoaPods használatakor már javítva van (GitHub 1320-ra vonatkozó probléma)
  • iOS: Ha a SpeechSynthesizer úgy van konfigurálva, hogy közvetlenül a hangszórónak adja ki a hangot, a lejátszás ritka körülmények között az elején leállt. Ezt kijavítottuk.
  • JavaScript: Használjon szkriptprocesszor-tartalékot a mikrofon bemenetéhez, ha nem található hangfájl (GitHub 455-ös probléma)
  • JavaScript: Protokoll hozzáadása az ügynökhöz a Sentry-integrációval észlelt hibák elhárításához (GitHub 465-ös probléma)

Minták GitHub

  • C++, C#, Python és Java minták, amelyek bemutatják, hogyan kaphat részletes felismerési eredményeket. A részletek közé tartoznak az alternatív felismerési eredmények, a megbízhatósági pontszám, a lexikális űrlap, a normalizált űrlap, a maszkolt normalizált űrlap, az egyes szavak szintű időzítéssel.
  • Az AVFoundation használatával külső hangforrásként hozzáadott iOS-minta .
  • Java-minta hozzáadva, amely bemutatja, hogyan szerezheti be az SRT (SubRip Text) formátumot a WordBoundary esemény használatával.
  • Android-minták a kiejtési értékeléshez.
  • C++, C# az új diagnosztikai naplózási osztályok használatát mutatja.

Speech SDK 1.19.0: 2021-nov kiadás

Legfontosabb tudnivalók

  • A Speaker Recognition szolgáltatás jelenleg általánosan elérhető (GA). A Speech SDK API-k c++, C#, Java és JavaScript nyelven érhetők el. A Speaker Recognition segítségével pontosan ellenőrizheti és azonosíthatja a beszélőket egyedi hangtulajdonságuk alapján. A témakörről további információt a dokumentációban talál.

  • Megszüntettük az Ubuntu 16.04 támogatását az Azure DevOps és a GitHub használatával együtt. Az Ubuntu 16.04 2021 áprilisában érte el az élet végét. Migrálja az Ubuntu 16.04-munkafolyamatokat az Ubuntu 18.04-be vagy újabb verzióba.

  • Az OpenSSL-csatolás Linux bináris fájlokban dinamikusra változott. A Linux bináris mérete körülbelül 50%-kal csökkent.

  • Mac M1 ARM-alapú szilícium támogatás hozzáadva.

Új funkciók

  • C++/C#/Java: Új API-k hozzáadva a beszédbemenet hangfeldolgozási támogatásának engedélyezéséhez a Microsoft Audio Stack használatával. Dokumentáció itt.

  • C++: Új API-k a szándékfelismeréshez a fejlettebb mintaegyezés megkönnyítése érdekében. Ez magában foglalja a lista- és előre összeállított egész szám entitásokat, valamint a szándékok és entitások modellként való csoportosításának támogatását (a dokumentáció, a frissítések és a minták fejlesztés alatt állnak, és a közeljövőben közzé lesznek téve).

  • Mac: Az Arm64 (M1) alapú szilícium támogatása a GitHub 1244-hez kapcsolódó CocoaPod-, Python-, Java- és NuGet-csomagjaihoz.

  • iOS/Mac: Az iOS és a macOS bináris fájlok mostantól xcframework-be vannak csomagolva a GitHub 919-hez kapcsolódó problémájával kapcsolatban.

  • iOS/Mac: A GitHub 1171-hez kapcsolódó mac katalizátorának támogatása.

  • Linux: Új tar csomag hozzáadva a CentOS7-hez a Speech SDK-ról. A Linux .tar csomag már tartalmaz bizonyos kódtárakat az RHEL/CentOS 7 lib/centos7-x64rendszerben. A lib/x64-ben található Speech SDK-kódtárak továbbra is érvényesek az összes többi támogatott Linux x64-disztribúcióra (beleértve az RHEL/CentOS 8-at is), és nem működnek az RHEL/CentOS 7-en.

  • JavaScript: VoiceProfile &SpeakerRecognizer API-k aszinkron/várhatóvá tették.

  • JavaScript: Az USA kormányzati Azure-régióinak támogatása.

  • Windows: Támogatás hozzáadva a Univerzális Windows-platform (UWP) lejátszásához.

Hibajavítások

  • Android: OpenSSL biztonsági frissítés (1.1.1l-es verzióra frissítve) Android-csomagokhoz.

  • Python: Megoldottuk azt a hibát, amely miatt a beszélőeszköz kiválasztása a Pythonon sikertelen volt.

  • Alapvető: Automatikus újracsatlakozás, ha egy kapcsolati kísérlet meghiúsul.

  • iOS: A hangtömörítés le van tiltva az iOS-csomagokban a GStreamer használatakor az instabilitás és a bitkód buildelési problémái miatt. A részletek a GitHub 1209-ik számán keresztül érhetők el.

Minták GitHub

  • Mac/iOS: Frissített minták és rövid útmutatók az xcframework csomag használatához.

  • .NET: A .NET Core 3.1-es verziójára frissített minták.

  • JavaScript: Hozzáadott minta a Voice Assistantshez.

Speech SDK 1.18.0: 2021– júliusi kiadás

Megjegyzés: Itt ismerkedhet meg a Speech SDK-val.

Kiemelések összegzése

  • Az Ubuntu 16.04 2021 áprilisában véget ért. Az Azure DevOps és a GitHub segítségével 2021 szeptemberében megszüntetjük a 16.04-es támogatást. Migrálja az ubuntu-16.04-munkafolyamatokat az ubuntu-18.04 vagy újabb verzióba.

Új funkciók

  • C++: Az szándékfelismerővel egyező egyszerű nyelvi minta megkönnyíti az egyszerű szándékfelismerési forgatókönyvek implementálását.
  • C++/C#/Java: Új API-t adtunk hozzá az VoiceProfileClient osztályhoz, GetActivationPhrasesAsync() amely az érvényes aktiválási kifejezések listáját kapja a Speaker Recognition regisztrációs fázisában a független felismerési forgatókönyvek esetében.
    • Fontos: A Speaker Recognition funkció előzetes verzióban érhető el. Az előzetes verzióban létrehozott hangprofilok 90 nappal azután megszűnnek, hogy a Speaker Recognition funkció ki van helyezve az előzetes verzióból az általános rendelkezésre állásba. Ekkor az előzetes verziójú hangprofilok működése leáll.
  • Python: A meglévő SpeechRecognizer és TranslationRecognizer az objektumok folyamatos nyelvazonosításának (LID) támogatása.
  • Python: Hozzáadott egy új Python-objektumot , amely SourceLanguageRecognizer egyszeri vagy folyamatos LID-műveletet tesz lehetővé (felismerés vagy fordítás nélkül).
  • JavaScript: getActivationPhrasesAsync Api hozzáadva az osztályhoz VoiceProfileClient , hogy megkapja az érvényes aktiválási kifejezések listáját a Speaker Recognition regisztrációs fázisában a független felismerési forgatókönyvek esetében.
  • A JavaScript VoiceProfileClientAPI-ja enrollProfileAsync mostantól aszinkron módon várható. Tekintse meg ezt a független azonosító kódot, például a használatot.

Fejlesztések

  • Java: AutoCloseable támogatás hozzáadva számos Java-objektumhoz. Most az erőforrásokkal való kipróbálási modell támogatott az erőforrások felszabadításához. Tekintse meg ezt a mintát, amely az erőforrásokkal való kipróbáláson van. A minta megismeréséhez tekintse meg a The try-with-resources Utasítás oracle Java dokumentációs oktatóanyagát is.
  • A lemez lábnyoma számos platform és architektúra esetében jelentősen csökkent. Példák a Microsoft.CognitiveServices.Speech.core bináris: x64 Linux 475 KB kisebb (8,0%-os csökkentés); Arm64 Windows UWP 464 KB kisebb (11,5%-os csökkentés); x86 Windows 343 KB kisebb (17,5%-os csökkentés); és x64 Windows 451 KB kisebb (19,4%-os csökkentés).

Hibajavítások

  • Java: Kijavítottuk a szintézishibát, ha a szintézisszöveg helyettesítő karaktereket tartalmaz. Részletek itt.
  • JavaScript: A böngésző mikrofonjának hangfeldolgozása mostantól elavult helyett ScriptProcessorNodehasználAudioWorkletNode. Részletek itt.
  • JavaScript: A beszélgetések megfelelő életben tartása a hosszú ideig futó beszélgetésfordítási forgatókönyvek során. Részletek itt.
  • JavaScript: Kijavítottuk azt a hibát, amely miatt a felismerő a folyamatos felismerés során újracsatlakozott egy médiastreamhez. Részletek itt.
  • JavaScript: Kijavítottuk azt a hibát, amely miatt a felismerő újracsatlakozott egy pushStreamhez a folyamatos felismerés során. Részletek itt.
  • JavaScript: Javított szószintű eltolás számítása részletes felismerési eredményekben. Részletek itt.

Példák

  • Az itt frissített Java-gyorsútmutató-minták.
  • JavaScript Speaker Recognition-minták frissítve az új használat enrollProfileAsync()megjelenítéséhez. Tekintse meg a mintákat itt.

Speech SDK 1.17.0: 2021. májusi kiadás

Feljegyzés

Itt ismerkedhet meg a Speech SDK-val.

Kiemelések összegzése

  • Kisebb lábnyom – továbbra is csökkentjük a Speech SDK és összetevői memória- és lemezigényét.
  • Az új önálló Language Identification API lehetővé teszi, hogy felismerje a beszélt nyelvet.
  • Beszédbarát vegyes valóság és játékalkalmazások fejlesztése a Unity használatával macOS rendszeren.
  • Mostantól a Go programozási nyelv beszédfelismerése mellett a Szöveg használatával is beszédet végezhet.
  • A GitHubon számos hibajavítás van megjelölve az Ön, értékes ügyfeleink által tapasztalt problémák megoldásához! KÖSZÖNÖM! Folyamatosan érkeznek a visszajelzések!

Új funkciók

  • C++/C#: Új önálló at-start és folyamatos nyelvfelismerés az SourceLanguageRecognizer API-n keresztül. Ha csak a hangtartalmakban beszélt nyelv(ek)et szeretné észlelni, ezt az API-t kell elvégeznie. További információ a C++ és a C# nyelvről.
  • C++/C#: A beszédfelismerés és a fordításfelismerés mostantól támogatja az indításkor és a folyamatos nyelvi azonosítást is, így programozott módon meghatározhatja, hogy mely nyelv(ek)et beszélik az átírás vagy fordítás előtt. A Speech Recognition és a Speech Translation dokumentációját itt találja.
  • C#: A Unity támogatása hozzáadva a macOS -hez (x64). Ez feloldja a beszédfelismerést és a beszédszintézis használatát a vegyes valóságban és a játékban!
  • Ugrás: A Beszédszintézis szövegének támogatása a Go programozási nyelvhez hozzáadva a beszédszintézist még több használati esetben elérhetővé tesszük. Tekintse meg rövid útmutatónkat vagy referenciadokumentációnkat.
  • C++/C#/Java/Python/Objective-C/Go: A beszédszintetizátor mostantól támogatja az connection objektumot. Ez segít a Speech szolgáltatással való kapcsolat kezelésében és monitorozásában, és különösen hasznos, ha előre csatlakozik a késés csökkentése érdekében. A dokumentációt itt találja.
  • C++/C#/Java/Python/Objective-C/Go: Mostantól közzé tesszük a késést és az aláfutási időt, hogy segítsünk a beszédszintézis késésével kapcsolatos problémák monitorozásában SpeechSynthesisResult és diagnosztizálásában. A C++, a C#, a Java, a Python, az Objective-C és a Go részleteinek megtekintése.
  • C++/C#/Java/Python/Objective-C: A beszédhez használt szöveg alapértelmezés szerint neurális hangokat használ, ha nem ad meg használandó hangot. Ez alapértelmezés szerint magasabb hűségkimenetet biztosít, de az alapértelmezett árat is növeli. Az alapértelmezett beállítás módosításához megadhatja a több mint 70 szabványos vagy több mint 130 neurális hang bármelyikét.
  • C++/C#/Java/Python/Objective-C/Go: Hozzáadtunk egy Gender tulajdonságot a szintézis hanginformációihoz, hogy megkönnyítsük a nemek szerinti hangok kiválasztását. Ez a GitHub 1055-ös problémájával foglalkozik.
  • C++, C#, Java, JavaScript: Mostantól támogatjuk retrieveEnrollmentResultAsync, getAuthorizationPhrasesAsyncés getAllProfilesAsync() a Speaker Recognitionben is, hogy megkönnyítsük egy adott fiók összes hangprofiljának felhasználói felügyeletét. A C++, C#, Java, JavaScript dokumentációját lásd. Ez a GitHub 338. problémájával foglalkozik.
  • JavaScript: Újrapróbálkoztunk olyan csatlakozási hibák esetén, amelyek robusztusabbá teszik a JavaScript-alapú beszédalkalmazásokat.

Fejlesztések

  • Linux és Android Speech SDK bináris fájlokat frissítettünk az OpenSSL legújabb verziójának használatára (1.1.1k)
  • Kódméret-fejlesztések:
    • A Language Understanding mostantól külön "lu" kódtárra oszlik.
    • A Windows x64 mag bináris mérete 14,4%-kal csökkent.
    • Az Android Arm64 mag bináris mérete 13,7%-kal csökkent.
    • más összetevők mérete is csökkent.

Hibajavítások

  • Minden: Kijavítottuk a GitHub 842-et a ServiceTimeout-hoz. Mostantól átírhatja a hosszú hangfájlokat a Speech SDK használatával anélkül, hogy a szolgáltatáshoz való csatlakozás megszakadna ezzel a hibával. Azonban továbbra is azt javasoljuk, hogy használjon kötegelt átírást a hosszú fájlokhoz.
  • C#: Kijavítottuk a GitHub #947-et , amely miatt a beszédbemenet nem tudta rossz állapotban hagyni az alkalmazást.
  • Java: Kijavítottuk a GitHub #997-et , amely miatt a Java 1.16 Speech SDK összeomlik, amikor a DialogServiceConnectort hálózati kapcsolat vagy érvénytelen előfizetési kulcs nélkül használja.
  • Kijavítottunk egy összeomlást, amikor hirtelen leállt a beszédfelismerés (például a CTRL+C használata a konzolalkalmazásban).
  • Java: Kijavítottunk egy javítást az ideiglenes fájlok windowsos törléséhez a Java Speech SDK használatakor.
  • Java: Kijavítottuk a GitHub #994-et , amely miatt a hívás DialogServiceConnector.stopListeningAsync hibát okozhat.
  • Java: Kijavítottunk egy ügyfélproblémát a virtuális asszisztens rövid útmutatójában.
  • JavaScript: Kijavítottuk a GitHub #366-os hibáját, amely ConversationTranslator "ez.cancelSpeech nem függvény" hibaüzenetet jelzett.
  • JavaScript: Kijavítottuk a GitHub 298-as hibáját, amely miatt a "Get result as a-memory stream" (Eredmény lekérése memórián belüli streamként) minta hangosan lejátszódott.
  • JavaScript: Kijavítottuk a GitHub #350-et , amely miatt a hívás AudioConfig "ReferenceError: MediaStream nincs definiálva".
  • JavaScript: Kijavítottunk egy nem kezeltPromiseRejection figyelmeztetést Node.js a hosszú ideig futó munkamenetekhez.

Példák

  • Frissítettük a Unity-minták dokumentációját a macOS-hez.
  • Az Azure AI Speech recognition szolgáltatáshoz készült React Natív minta már elérhető itt.

Speech SDK 1.16.0: 2021. márciusi kiadás

Feljegyzés

A Windows Speech SDK a Visual Studio 2015, 2017 és 2019 megosztott Microsoft Visual C++ terjeszthető szolgáltatásától függ. Töltse le ide.

Új funkciók

  • C++/C#/Java/Python: Átkerült a GStreamer legújabb verziójára (1.18.3), hogy támogatást nyújtsunk bármilyen médiaformátum windowsos, linuxos és androidos átviteléhez. A dokumentációt itt találja.
  • C++/C#/Java/Objective-C/Python: A tömörített TTS/szintetizált hang SDK-ra való dekódolásának támogatása. Ha a kimeneti hangformátumot PCM-re állítja be, és a GStreamer elérhető a rendszeren, az SDK automatikusan tömörített hangot kér a szolgáltatástól a sávszélesség megtakarítása és a hang dekódolása érdekében az ügyfélen. SpeechServiceConnection_SynthEnableCompressedAudioTransmission Beállíthatja, hogy false letiltsa ezt a funkciót. A C++, C#, Java, Objective-C, Python részletei.
  • JavaScript: Node.js felhasználók most már használhatják az API-tAudioConfig.fromWavFileInput. Ez a GitHub 252. problémájával foglalkozik.
  • C++/C#/Java/Objective-C/Python: A TTS-hez hozzáadott GetVoicesAsync() módszer az összes elérhető szintézishang visszaadásához. A C++, a C#, a Java, az Objective-C és a Python részletei.
  • C++/C#/Java/JavaScript/Objective-C/Python: TTS-/beszédszintézishez hozzáadott VisemeReceived esemény a szinkron viseme animáció visszaadásához. A dokumentációt itt találja.
  • C++/C#/Java/JavaScript/Objective-C/Python: TTS-hez hozzáadott BookmarkReached esemény. Beállíthatja a könyvjelzőket a bemeneti SSML-ben, és lekérheti az egyes könyvjelzők hangeltolásait. A dokumentációt itt találja.
  • Java: A Speaker Recognition API-k támogatása hozzáadva. Részletek itt.
  • C++/C#/Java/JavaScript/Objective-C/Python: Két új kimeneti hangformátumot adott hozzá a TTS WebM-tárolójával (Webm16Khz16BitMonoOpus és Webm24Khz16BitMonoOpus). Ezek jobb formátumok az Opus-kodek hangjának streameléséhez. A C++, C#, Java, JavaScript, Objective-C, Python részletei.
  • C++/C#/Java: A hangszóró-felismerési forgatókönyv hangprofiljának lekéréséhez hozzáadott támogatás. A C++, a C# és a Java részletei.
  • C++/C#/Java/Objective-C/Python: A hangmikrofon és a hangszóró vezérléséhez külön megosztott kódtár is támogatott. Ez lehetővé teszi a fejlesztő számára, hogy az SDK-t olyan környezetekben használja, amelyek nem rendelkeznek szükséges hangtár-függőségekkel.
  • Objective-C/Swift: Az esernyőfejlécet tartalmazó modul-keretrendszer támogatása. Ez lehetővé teszi, hogy a fejlesztő modulként importálja a Speech SDK-t az iOS/Mac Objective-C/Swift alkalmazásokban. Ez a GitHub 452. problémáját kezeli.
  • Python: A Python 3.9 támogatása hozzáadva, és a Python 3.5 támogatása megszakadt a Python 3.5-ös verziójának élettartamánként a 3.5-ös verzió esetében.

Ismert problémák

  • C++/C#/Java: DialogServiceConnector nem tud egyéni CustomCommandsConfig parancsokkal hozzáférni az egyéni parancsokhoz, és ehelyett csatlakozási hibát fog tapasztalni. Ezt úgy lehet megkerülni, hogy manuálisan hozzáadja az alkalmazásazonosítót a kéréshez a következővel config.SetServiceProperty("X-CommandsAppId", "your-application-id", ServicePropertyChannel.UriQueryParameter): . A várt viselkedés CustomCommandsConfig a következő kiadásban lesz visszaállítva.

Fejlesztések

  • A Speech SDK memóriahasználatának és lemezigényének csökkentésére irányuló több kiadású erőfeszítésünk részeként az Android bináris fájlok mostantól 3%-kal 5%-kal kisebbek.
  • A C# referenciadokumentációjának jobb pontossága, olvashatósága és további részei.

Hibajavítások

  • JavaScript: A nagyméretű WAV-fájlfejlécek most már megfelelően vannak elemezve (a fejlécszeletet 512 bájtra növeli). Ez a GitHub 962- ik számának problémájával foglalkozik.
  • JavaScript: Kijavítottuk a mikrofon időzítési problémáját, ha a mikrofon streamje a felismerés leállítása előtt véget ér, és elhárítottunk egy hibát, amely miatt a Firefoxban nem működik a Beszédfelismerés.
  • JavaScript: Most már megfelelően kezeljük az inicializálási ígéretet, amikor a böngésző kényszeríti a mikrofon kikapcsolását, mielőtt a TurnOn befejeződik.
  • JavaScript: Az URL-függőséget URL-elemzésre cseréltük. Ez a GitHub 264. problémájával foglalkozik.
  • Android: Kijavítottuk, hogy a visszahívások nem működnek, ha minifyEnabled igaz értékre van állítva.
  • C++/C#/Java/Objective-C/Python: TCP_NODELAY megfelelően lesz beállítva a TTS mögöttes szoftvercsatornájának IO-ja a késés csökkentése érdekében.
  • C++/C#/Java/Python/Objective-C/Go: Kijavítottunk egy alkalmi összeomlást, amikor a felismerőt a felismerés elindítása után megsemmisítették.
  • C++/C#/Java: Kijavítottunk egy alkalmi összeomlást a hangszóró-felismerő megsemmisítése során.

Példák

Speech SDK 1.15.0: 2021–januári kiadás

Feljegyzés

A Windows Speech SDK a Visual Studio 2015, 2017 és 2019 megosztott Microsoft Visual C++ terjeszthető szolgáltatásától függ. Töltse le ide.

Kiemelések összegzése

  • Kisebb memória- és lemezigény, ami hatékonyabbá teszi az SDK-t.
  • Magasabb hűségkimeneti formátumok érhetők el az egyéni neurális hang privát előzetes verziójához.
  • A Szándékfelismerő mostantól többet tud visszaadni, mint a legfelső szándék, így külön értékelést készíthet az ügyfél szándékáról.
  • A hangsegédek és a robotok mostantól egyszerűbben beállíthatók, így azonnal leállíthatja a figyeléseket, és nagyobb mértékben szabályozhatja, hogyan reagál a hibákra.
  • Az eszköz teljesítményének javítása a tömörítés opcionálissá tételével.
  • Használja a Speech SDK-t Windows ARM/Arm64 rendszeren.
  • Továbbfejlesztett, alacsony szintű hibakeresés.
  • A kiejtésértékelési funkció most már szélesebb körben érhető el.
  • A GitHubon számos hibajavítás van megjelölve az Ön, értékes ügyfeleink által tapasztalt problémák megoldásához! KÖSZÖNÖM! Folyamatosan érkeznek a visszajelzések!

Fejlesztések

  • A Speech SDK mostantól hatékonyabb és egyszerűbb. Több kiadást is elindítottunk a Speech SDK memóriahasználatának és lemezigényének csökkentése érdekében. Első lépésként jelentős fájlméret-csökkentést hajtottunk végre a megosztott kódtárakban a legtöbb platformon. Az 1.14-es kiadáshoz képest:
    • A 64 bites UWP-kompatibilis Windows-kódtárak körülbelül 30%-kal kisebbek.
    • A 32 bites Windows-kódtárak mérete még nem javul.
    • A Linux-kódtárak 20-25%-kal kisebbek.
    • Az Android-kódtárak 3-5%-kal kisebbek.

Új funkciók

  • Minden: Új 48 KHz-es kimeneti formátumok érhetők el az egyéni neurális hang privát előzetes verziójához a TTS beszédszintézis API-n keresztül: Audio48Khz192KBitRateMonoMp3, audio-48khz-192kbitrate-mono-mp3, Audio48Khz96KBitRateMonoMp3, audio-48khz-96kbitrate-mono-mp3, Raw48Khz16BitMonoPcm, raw-48khz-16bit-mono-pcm, Riff48Khz16BitMonoPcm, riff-48khz-16bit-mono-pcm.
  • Minden: Az egyéni hang használata is egyszerűbb. Új támogatás az egyéni hang EndpointId beállításához (C++, C#, Java, JavaScript, Objective-C, Python). A módosítás előtt az egyéni hangfelhasználóknak be kellett állítaniuk a végpont URL-címét a FromEndpoint módszerrel. Az ügyfelek most már ugyanúgy használhatják a metódust, mint az FromSubscription előre összeállított hangokat, majd a beállítással EndpointIdmegadhatja az üzembehelyezési azonosítót. Ez leegyszerűsíti az egyéni hangok beállítását.
  • C++/C#/Java/Objective-C/Python: Több mint a legfelső szándék.IntentRecognizer Mostantól támogatja az összes szándékot tartalmazó JSON-eredmény konfigurálását, és nem csak a legfelső pontozási szándékot metóduson keresztül LanguageUnderstandingModel FromEndpoint az uri paraméter használatával verbose=true . Ez a GitHub 880- os problémájával foglalkozik. A frissített dokumentációt itt találja.
  • C++/C#/Java: Hangsegéd vagy robot azonnali leállítása. DialogServiceConnector (C++, C#, Java) most már van egy StopListeningAsync() módszer, amelyet követni ListenOnceAsync()kell. Ez azonnal leállítja a hangrögzítést, és kecsesen várja meg az eredményt, így tökéletes a "stop now" gombnyomásos forgatókönyvekhez.
  • C++/C#/Java/JavaScript: Hangsegédje vagy robotja jobban reagálhat a mögöttes rendszerhibákra. DialogServiceConnector(C++, C#, Java, JavaScript) mostantól új TurnStatusReceived eseménykezelővel rendelkezik. Ezek az opcionális események megfelelnek a robot minden ITurnContext megoldásának, és a direct line speech és a robot közötti, nem kezelt kivétel, időtúllépés vagy hálózati visszaesés következtében bekövetkező végrehajtási hibákat jelentik. TurnStatusReceived megkönnyíti a hibákra való reagálást. Ha például egy robot túl sokáig tart egy háttéradatbázis-lekérdezésen (például egy termék keresésekor), TurnStatusReceived lehetővé teszi az ügyfél számára, hogy tudja, hogy "sajnáljuk, nem egészen értem, kipróbálhatja újra" vagy valami hasonlót.
  • C++/C#: A Speech SDK használata több platformon. A Speech SDK NuGet csomag mostantól támogatja a Windows ARM/Arm64 asztali natív bináris fájljait (az UWP már támogatott), hogy a Speech SDK több géptípus esetében is hasznosabb legyen.
  • Java: DialogServiceConnector most már rendelkezik egy setSpeechActivityTemplate() olyan metódussal, amelyet korábban véletlenül kizártak a nyelvből. Ez egyenértékű a Conversation_Speech_Activity_Template tulajdonság beállításával, és kérni fogja, hogy a Direct Line Speech szolgáltatásból származó minden jövőbeli Bot Framework-tevékenység egyesítse a megadott tartalmat a JSON hasznos adataikkal.
  • Java: Továbbfejlesztett, alacsony szintű hibakeresés. Az Connection osztálynak már van egy MessageReceived eseménye, amely hasonló a többi programozási nyelvhez (C++, C#). Ez az esemény alacsony szintű hozzáférést biztosít a szolgáltatásból érkező bejövő adatokhoz, és diagnosztikához és hibakereséshez hasznos lehet.
  • JavaScript: Egyszerűbb beállítás a Voice Assistants és a robotok számáraBotFrameworkConfig, amelyek mostantól olyan gyári és fromEndpoint() gyári módszerekkel rendelkeznekfromHost(), amelyek leegyszerűsítik az egyéni szolgáltatáshelyek használatát a tulajdonságok manuális beállításával szemben. Szabványosítottuk botId azt is, hogy nem alapértelmezett robotot használjunk a konfigurációs gyárakban.
  • JavaScript: A websocket-tömörítéshez hozzáadott sztringvezérlő tulajdonság révén javult az eszköz teljesítménye. Teljesítménybeli okokból alapértelmezés szerint letiltottuk a websocket-tömörítést. Ez kis sávszélességű forgatókönyvek esetén újra szerkeszthető. További részleteket itt talál. Ez a GitHub 242. problémáját kezeli.
  • JavaScript: Az lPronunciation Assessment támogatása a beszédpronunciáció kiértékelésének engedélyezéséhez. A rövid útmutatót itt tekintheti meg.

Hibajavítások

  • Minden (a JavaScript kivételével): Kijavítottunk egy regressziót az 1.14-es verzióban, amelyben túl sok memóriát foglalt le a felismerő.
  • C++: Kijavítottunk egy szemétgyűjtési DialogServiceConnectorproblémát a GitHub 794-et érintő problémájával kapcsolatban.
  • C#: Kijavítottunk egy olyan hibát a szálleállítással kapcsolatban, amely miatt az objektumok körülbelül egy másodpercig blokkolódtak az ártalmatlanításkor.
  • C++/C#/Java: Kijavítottunk egy kivételt, amely megakadályozta, hogy egy alkalmazás többször is beállítsa a beszédengedélyezési jogkivonatot vagy tevékenységsablont egy DialogServiceConnector.
  • C++/C#/Java: Kijavítottunk egy felismerő összeomlást egy versenyhelyzet miatt a szakadás során.
  • JavaScript: DialogServiceConnector korábban nem tisztelte meg a gyárakban BotFrameworkConfigmegadott opcionális botId paramétert. Ez szükségessé tette a lekérdezési sztring botId paraméter manuális beállítását egy nem alapértelmezett robot használatához. A hibát kijavítottuk, és botId a gyáraknak BotFrameworkConfigmegadott értékeket tiszteletben tartjuk és felhasználjuk, beleértve az újakat fromHost() és fromEndpoint() a kiegészítéseket is. Ez a paraméterre CustomCommandsConfigis vonatkozik.applicationId
  • JavaScript: Kijavítottuk a GitHub #881-et, amely lehetővé teszi a felismerő objektum újrahasználatát.
  • JavaScript: Kijavítottunk egy hibát, amely miatt az SKD többször is küldött speech.config egy TTS-munkamenetben, és a sávszélességet is felhasználta.
  • JavaScript: Egyszerűsített hibakezelés a mikrofon engedélyezésével, amely lehetővé teszi a leíróbb üzenetek felbuborzását, ha a felhasználó nem engedélyezte a mikrofon bemenetét a böngészőben.
  • JavaScript: Kijavítottuk a GitHub 249-es hibáját, amely során típushibák lépnek fel ConversationTranslator , és ConversationTranscriber fordítási hibát okoztak a TypeScript-felhasználók számára.
  • Objective-C: Kijavítottunk egy hibát, amely miatt a GStreamer buildelése nem sikerült az iOS-hez az Xcode 11.4-en, és a GitHub 911-et érintő problémáját oldotta meg.
  • Python: Kijavítottuk a GitHub 870-ik számú problémáját, és eltávolítottuk a "DeprecationWarning: the imp module is elavult az importlib javára".

Példák

Speech SDK 1.14.0: 2020. októberi kiadás

Feljegyzés

A Windows Speech SDK a Visual Studio 2015, 2017 és 2019 megosztott Microsoft Visual C++ terjeszthető szolgáltatásától függ. Töltse le ide.

Új funkciók

  • Linux: A Debian 10 és az Ubuntu 20.04 LTS támogatása hozzáadva.
  • Python/Objective-C: Az API támogatása KeywordRecognizer hozzáadva. A dokumentáció itt lesz.
  • C++/Java/C#: Hozzáadott támogatás a kulcs/érték beállításáhozHttpHeader.ServicePropertyChannel::HttpHeader
  • JavaScript: Az API támogatása ConversationTranscriber hozzáadva. A dokumentációt itt olvashatja el.
  • C++/C#: Új AudioDataStream FromWavFileInput metódust adott hozzá (az olvasáshoz. WAV-fájlok) itt (C++) és itt (C#).
  • C++/C#/Java/Python/Objective-C/Swift: Hozzáadott egy stopSpeakingAsync() módszert a szöveg beszédszintézishez való leállításához. A referenciadokumentációt itt (C++), itt (C#), itt (Java), itt (Python) és itt (Objective-C/Swift) találja.
  • C#, C++, Java: Hozzáadtunk egy függvényt FromDialogServiceConnector() az Connection osztályhoz, amely a kapcsolat és a kapcsolat bontási DialogServiceConnectoreseményeinek figyelésére használható. A referenciadokumentációt itt (C#), itt (C++) és itt (Java) találja.
  • C++/C#/Java/Python/Objective-C/Swift: A kiejtési értékelés támogatása, amely kiértékeli a beszéd kiejtését, és visszajelzést ad a beszélőknek a beszélt hang pontosságáról és folyékonyságáról. A dokumentációt itt olvashatja el.

Kompatibilitástörő változás

  • JavaScript: A PullAudioOutputStream.read() visszatérési típusa belső ígéretről natív JavaScript-ígéretre változik.

Hibajavítások

  • Minden: Rögzített 1,13 regresszió SetServiceProperty , ahol bizonyos speciális karaktereket tartalmazó értékeket figyelmen kívül hagytak.
  • C#: Kijavítottuk a Windows-konzolmintákat a Visual Studio 2019-ben, és nem sikerült natív DLL-eket találni.
  • C#: Kijavítottuk a memóriakezelés összeomlását, ha a streamet bemenetként KeywordRecognizer használják.
  • ObjectiveC/Swift: Kijavítottuk a memóriakezelés összeomlását, ha a streamet felismerő bemenetként használják.
  • Windows: Kijavítottuk a BT HFP/A2DP együttes használatát az UWP-n.
  • JavaScript: A munkamenet-azonosítók rögzített leképezése a naplózás és a belső hibakeresési/szolgáltatás-korrelációk javítására.
  • JavaScript: Javítás hozzáadva a DialogServiceConnector hívások letiltásához ListenOnce az első hívás után.
  • JavaScript: Kijavítottuk azt a hibát, amely miatt az eredménykimenet mindig "egyszerű" volt.
  • JavaScript: Kijavítottuk a folyamatos felismerési problémát a Safariban macOS rendszeren.
  • JavaScript: A processzorterhelés csökkentése a nagy kérések átviteli sebességének forgatókönyvéhez.
  • JavaScript: Hozzáférés engedélyezése a hangprofil-regisztráció eredményének részleteihez.
  • JavaScript: Javítás hozzáadva a folyamatos felismeréshez a következőben IntentRecognizer: .
  • C++/C#/Java/Python/Swift/ObjectiveC: Az australiaeast és a brazilsouth helytelen URL-címét javítottuk a következőben IntentRecognizer: .
  • C++/C#: Argumentumként hozzáadva VoiceProfileType objektum VoiceProfile létrehozásakor.
  • C++/C#/Java/Python/Swift/ObjectiveC: Kijavítottuk a lehetőséget SPX_INVALID_ARG , amikor egy adott pozícióból próbálunk olvasni AudioDataStream .
  • IOS: Kijavítottuk az összeomlást a Unity beszédfelismerésével

Példák

  • ObjectiveC: Itt hozzáadott minta a kulcsszófelismeréshez.
  • C#/JavaScript: Rövid útmutatót adott hozzá a beszélgetés átírásához itt (C#) és itt (JavaScript).
  • C++/C#/Java/Python/Swift/ObjectiveC: Itt hozzáadott minta a kiejtési értékeléshez

Ismert probléma

  • A DigiCert Global Root G2-tanúsítvány alapértelmezés szerint nem támogatott a HoloLens 2-ben és az Android 4.4-ben (KitKat), és hozzá kell adni a rendszerhez a Speech SDK működéséhez. A tanúsítvány a közeljövőben bekerül a HoloLens 2 operációsrendszer-rendszerképekbe. Az Android 4.4-ügyfeleknek hozzá kell adniuk a frissített tanúsítványt a rendszerhez.

A COVID-19 rövidített tesztelése

Mivel az elmúlt hetekben távolról dolgoztunk, nem tudtunk annyi manuális ellenőrzést végezni, mint általában. Nem végeztünk olyan módosítást, amely szerintünk bármit is tönkretett volna, és az automatizált tesztjeink mind átmentek. Abban a valószínűtlen esetben, ha elmulasztottunk valamit, kérjük, tudassa velünk a GitHubon.
Maradjon egészséges!

Speech SDK 1.13.0: 2020. júliusi kiadás

Feljegyzés

A Windows Speech SDK a Visual Studio 2015, 2017 és 2019 megosztott Microsoft Visual C++ terjeszthető szolgáltatásától függ. Töltse le és telepítse innen.

Új funkciók

  • C#: Az aszinkron beszélgetés átírásának támogatása hozzáadva. A dokumentációt itt találja.
  • JavaScript: A Speaker Recognition támogatása a böngészőben és a Node.js is támogatott.
  • JavaScript: A nyelvazonosítás/nyelvazonosító támogatása hozzáadva. A dokumentációt itt találja.
  • Objective-C: A többeszközes beszélgetés és a beszélgetés átírásának támogatása.
  • Python: Tömörített hangtámogatást adtunk hozzá a Pythonhoz Windowson és Linuxon. A dokumentációt itt találja.

Hibajavítások

  • Minden: Kijavítottunk egy hibát, amely miatt a KeywordRecognizer nem lépte át a streameket a felismerés után.
  • Minden: Kijavítottunk egy hibát, amely miatt a KeywordRecognitionResult szolgáltatásból beszerzett stream nem tartalmazza a kulcsszót.
  • Minden: Kijavítottunk egy hibát, amely miatt a SendMessageAsync nem igazán küldte el az üzenetet a vezetéken keresztül, miután a felhasználók befejezték a várakozást.
  • Minden: Kijavítottunk egy összeomlást a Speaker Recognition API-kban, amikor a felhasználók többször is felhívták a VoiceProfileClient::SpeakerRecEnrollProfileAsync metódust, és nem vártak a hívások befejezésére.
  • Minden: Kijavítva a fájlnaplózás engedélyezése a VoiceProfileClient és a SpeakerRecognizer osztályokban.
  • JavaScript: Kijavítottunk egy hibát , amely miatt a böngésző minimálisra csökkent.
  • JavaScript: Kijavítottunk egy hibát , amely miatt memóriavesztés történt a streameken.
  • JavaScript: A NodeJS-ből érkező OCSP-válaszok gyorsítótárazása hozzáadva.
  • Java: Kijavítottunk egy hibát, amely miatt a BigInteger mezők mindig 0 értéket adnak vissza.
  • iOS: Kijavítottunk egy hibát a Speech SDK-alapú alkalmazások iOS App Store-ban való közzétételével kapcsolatban .

Példák

  • C++: Itt hozzáadott mintakódot a Speaker Recognitionhez.

A COVID-19 rövidített tesztelése

Mivel az elmúlt hetekben távolról dolgoztunk, nem tudtunk annyi manuális ellenőrzést végezni, mint általában. Nem végeztünk olyan módosítást, amely szerintünk bármit is tönkretett volna, és az automatizált tesztjeink mind átmentek. Abban a valószínűtlen esetben, ha elmulasztottunk valamit, kérjük, tudassa velünk a GitHubon.
Maradjon egészséges!

Speech SDK 1.12.1: 2020–júniusi kiadás

Új funkciók

  • C#, C++: Speaker Recognition Preview: Ez a funkció lehetővé teszi a beszélő azonosítását (ki beszél?) és a beszélő ellenőrzését (az a beszélő, akiről azt állítják, hogy ő?). Tekintse meg az áttekintési dokumentációt.

Hibajavítások

  • C#, C++: A rögzített mikrofonfelvétel nem működött az 1.12-ben a Speaker Recognitionben.
  • JavaScript: Javítások szövegfelolvasáshoz a Firefoxban és a Safariban macOS és iOS rendszeren.
  • Kijavítottuk, hogy a Windows-alkalmazások hozzáférés-ellenőrzői hozzáférés-megsértése összeomlik a beszélgetés átírása során nyolccsatornás stream használatakor.
  • Kijavítottuk a Windows-alkalmazások hozzáférés-ellenőrzői hozzáférés-megsértésének összeomlását a többeszközes beszélgetés fordítása esetén.

Példák

A COVID-19 rövidített tesztelése

Mivel az elmúlt hetekben távolról dolgoztunk, nem tudtunk annyi manuális ellenőrzést végezni, mint általában. Nem végeztünk olyan módosítást, amely szerintünk bármit is tönkretett volna, és az automatizált tesztjeink mind átmentek. Abban a valószínűtlen esetben, ha elmulasztottunk valamit, kérjük, tudassa velünk a GitHubon.
Maradjon egészséges!

Speech SDK 1.12.0: 2020. májusi kiadás

Új funkciók

  • Ugrás: Új go nyelv támogatása a Beszédfelismeréshez és az egyéni hangsegédhez. Itt állíthatja be a fejlesztői környezetet. A mintakódért tekintse meg az alábbi Minták szakaszt.
  • JavaScript: A böngésző támogatja a szöveg beszédhez való használatát. A dokumentációt itt találja.
  • C++, C#, Java: Windows, Android, Linux és iOS platformokon támogatott új KeywordRecognizer objektumok és API-k. A dokumentációt itt olvashatja el. A mintakódért tekintse meg az alábbi Minták szakaszt.
  • Java: Többeszközes beszélgetés hozzáadva a fordítási támogatással. A referencia-dokumentumot itt találja.

Fejlesztések és optimalizálás

  • JavaScript: Optimalizált böngészőmikrofon implementáció, amely javítja a beszédfelismerés pontosságát.
  • Java: A közvetlen JNI-implementációt használó kötések újrabontása SWIG nélkül. Ez a változás 10-szeresére csökkenti a Kötések méretét a Windows, Android, Linux és Mac rendszerhez használt összes Java-csomaghoz, és megkönnyíti a Speech SDK Java implementációjának további fejlesztését.
  • Linux: Frissített támogatási dokumentáció az RHEL 7 legújabb konkrét megjegyzéseivel.
  • Továbbfejlesztett kapcsolatlogika, amellyel szolgáltatás- és hálózati hibák esetén többször is megkísérelhet csatlakozni.
  • Frissítette a portal.azure.com Speech rövid útmutatóját, amely segít a fejlesztőknek az Azure AI Speech folyamatának következő lépésében.

Hibajavítások

  • C#, Java: Kijavítottunk egy hibát az SDK-kódtárak Linux ARM-en való betöltésével kapcsolatban (32 bites és 64 bites).
  • C#: Kijavítottuk a TranslationRecognizer, az IntentRecognizer és a Connection objektumok natív leíróinak explicit eltávolítását.
  • C#: Rögzített hangbemeneti élettartam-kezelés a ConversationTranscriber objektumhoz.
  • Kijavítottunk egy hibát, amely IntentRecognizer miatt az eredmény oka nem lett megfelelően beállítva az egyszerű kifejezésekből származó szándékok felismerésekor.
  • Kijavítottunk egy hibát, amely SpeechRecognitionEventArgs miatt az eredményeltolás nem lett megfelelően beállítva.
  • Kijavítottunk egy versenyhelyzetet, amely miatt az SDK hálózati üzenetet próbált küldeni a websocket-kapcsolat megnyitása előtt. A résztvevők hozzáadása közben reprodukálható TranslationRecognizer volt.
  • Kijavítottuk a memóriaszivárgást a kulcsszó-felismerő motorban.

Példák

A COVID-19 rövidített tesztelése

Mivel az elmúlt hetekben távolról dolgoztunk, nem tudtunk annyi manuális ellenőrzést végezni, mint általában. Nem végeztünk olyan módosítást, amely szerintünk bármit is tönkretett volna, és az automatizált tesztjeink mind átmentek. Ha elmulasztottunk valamit, kérjük, tudassa velünk a GitHubon.
Maradjon egészséges!

Speech SDK 1.11.0: 2020. márciusi kiadás

Új funkciók

  • Linux: Támogatott a Red Hat Enterprise Linux (RHEL)/CentOS 7 x64.
  • Linux: A .NET Core C# támogatása hozzáadva Linux ARM32-n és Arm64-en. További tudnivalók itt.
  • C#, C++: Konzisztens UtteranceId ConversationTranscriptionResultazonosító az összes köztes és a végső beszédfelismerési eredmény között. C#, C++.
  • Python: Támogatott a Language ID. Lásd: speech_sample.py a GitHub-adattárban.
  • Windows: A windowsos platformon hozzáadott tömörített hangbemeneti formátum minden win32-konzolalkalmazáshoz támogatott. Részletek itt.
  • JavaScript: Beszédszintézis támogatása (szövegről beszédre) a NodeJS-ben. További tájékoztatást itt olvashat.
  • JavaScript: Új API-k hozzáadása az összes elküldött és fogadott üzenet ellenőrzésének engedélyezéséhez. További tájékoztatást itt olvashat.

Hibajavítások

  • C#, C++: Kijavítottunk egy hibát, ezért SendMessageAsync bináris típusú bináris üzenetet küldünk. C#, C++.
  • C#, C++: Kijavítottunk egy hibát, amely miatt az esemény használata Connection MessageReceived összeomlást okozhat, ha Recognizer az objektum előtt Connection van megsemmisítve. C#, C++.
  • Android: A mikrofon hangpuffermérete 800 ms-ról 100 ms-ra csökkent a késés javítása érdekében.
  • Android: Kijavítottunk egy x86-os Android emulátorsal kapcsolatos hibát az Android Studióban.
  • JavaScript: Az API-val bővült a fromSubscription kínai régiók támogatása. Részletek itt.
  • JavaScript: További hibainformációk hozzáadása a NodeJS kapcsolati hibáihoz.

Példák

  • Unity: A szándékfelismerő nyilvános minta kijavítva, ahol a LUIS json importálása meghiúsult. Részletek itt.
  • Python: Minta hozzáadva a következőhöz Language ID: . Részletek itt.

A Covid19 rövidített tesztelése: Mivel az elmúlt hetekben távolról dolgoztunk, nem tudtunk annyi manuális eszközellenőrzési tesztet végezni, mint általában. Például nem tudtuk tesztelni a mikrofon bemenetét és a hangszóró kimenetét Linux, iOS és macOS rendszeren. Nem végeztünk olyan módosítást, amely szerintünk bármit is tönkretett volna ezeken a platformokon, és az automatizált tesztjeink mind sikeresek. Abban a valószínűtlen esetben, amikor elmulasztottunk valamit, tudassa velünk a GitHubon.
Köszönjük, hogy továbbra is támogatja. Mint mindig, kérjük, tegyen fel kérdéseket vagy visszajelzést a GitHubon vagy a Stack Overflow-on.
Maradjon egészséges!

Speech SDK 1.10.0: 2020– februári kiadás

Új funkciók

  • Python-csomagokat adtunk hozzá a Python új 3.8-ás kiadásának támogatásához.
  • Red Hat Enterprise Linux (RHEL)/CentOS 8 x64-támogatás (C++, C#, Java, Python).

    Feljegyzés

    Az ügyfeleknek ezeknek az utasításoknak megfelelően kell konfigurálnia az OpenSSL-t.

  • Linux ARM32-támogatás a Debianhoz és az Ubuntuhoz.
  • A DialogServiceConnector mostantól támogatja a BotFrameworkConfig opcionális "robotazonosító" paraméterét. Ez a paraméter több Direct Line Speech-robot használatát teszi lehetővé egyetlen Speech-erőforrással. A megadott paraméter nélkül a rendszer az alapértelmezett robotot használja (a Direct Line Speech-csatorna konfigurációs oldalán meghatározottak szerint).
  • A DialogServiceConnector mostantól SpeechActivityTemplate tulajdonsággal rendelkezik. Ennek a JSON-sztringnek a tartalmát a Direct Line Speech a támogatott mezők széles körének előretöltésére fogja használni minden olyan tevékenységben, amely eléri a Direct Line Speech robotot, beleértve a beszédfelismeréshez hasonló eseményekre válaszul automatikusan generált tevékenységeket is.
  • A TTS mostantól az előfizetési kulcsot használja a hitelesítéshez, és csökkenti az első szintézis eredményének első bájt késését a szintetizátor létrehozása után.
  • Frissített beszédfelismerési modellek 19 területi beállításhoz a szavak átlagos hibaarányának 18,6%-os csökkentéséhez (es-ES, es-MX, fr-CA, fr-FR, it-IT, ja-JP, ko-KR, pt-BR, zh-CN, zh-HK, nb-NO, fi-FL, ru-RU, pl-PL, ca-ES, zh-TW, th-TH, pt-PT, tr-TR). Az új modellek jelentős fejlesztéseket tesznek elérhetővé több tartományban, például a Diktálás, a Call-Center átirata és a videoindexelési forgatókönyvek esetében.

Hibajavítások

  • Kijavítottuk azt a hibát, amely miatt a beszélgetés-átíró nem várt megfelelően a JAVA API-kban
  • Android x86 emulátor javítás xamarin GitHub-problémához
  • Hiányzó hozzáadása (Get|Set)Property methods to AudioConfig
  • Kijavítottunk egy TTS-hibát, amely miatt a audioDataStream nem állítható le, ha a kapcsolat megszakad
  • Ha régió nélküli végpontot használ, az USP-hibákat okozna a beszélgetési fordító számára
  • Az univerzális Windows-alkalmazások azonosító-generálása mostantól egy megfelelően egyedi GUID-algoritmust használ; korábban és akaratlanul alapértelmezettként egy csonkolt implementációhoz, amely gyakran ütközéseket eredményezett nagy interakciók során.

Példák

  • Unity-minta a Speech SDK unity mikrofonnal és leküldéses módú streamelt verziójához

Egyéb módosítások

Speech SDK 1.9.0: 2020. januári kiadás

Új funkciók

  • Többeszközes beszélgetés: több eszközt csatlakoztathat ugyanahhoz a beszéd- vagy szövegalapú beszélgetéshez, és igény szerint lefordíthatja a közöttük küldött üzeneteket. További információ ebben a cikkben.
  • Az Android-csomaghoz .aar hozzáadott kulcsszófelismerési támogatás és az x86- és x64-ízek támogatása.
  • Objective-C: SendMessage és SetMessageProperty az objektumhoz Connection hozzáadott metódusok. A dokumentációt itt találja.
  • A TTS C++ api mostantól támogatja std::wstring a szintézis szövegbevitelét, így nem kell sztringgé alakítania a wstringet, mielőtt átadaná azt az SDK-nak. Részletek itt.
  • C#: A nyelvi azonosító és a forrásnyelv konfigurációja már elérhető.
  • JavaScript: Hozzáadtunk egy funkciót az objektumhoz, amely Connection visszahívásként receivedServiceMessageküld át egyéni üzeneteket a Speech szolgáltatásból.
  • JavaScript: A helyszíni tárolók és a szuverén felhők egyszerű használatának támogatása FromHost API . A dokumentációt itt találja.
  • JavaScript: Mostantól tiszteletben tartjuk NODE_TLS_REJECT_UNAUTHORIZED az orgadok közreműködését. Részletek itt.

Kompatibilitástörő változások

  • OpenSSL az 1.1.1b-es verzióra lett frissítve, és statikusan kapcsolódik a Linux speech SDK magtárához. Ez törést okozhat, ha a beérkezett üzenetek mappája OpenSSL nem lett telepítve a /usr/lib/ssl rendszer címtárába. A probléma megoldásához tekintse meg a Speech SDK dokumentációjában található dokumentációt .
  • Módosítottuk a C# WordLevelTimingResult.Offset által visszaadott adattípust int , hogy long lehetővé tegyük a WordLevelTimingResults hozzáférést, ha a beszédadatok 2 percnél hosszabbak.
  • PushAudioInputStream és PullAudioInputStream most küldje el a wav fejlécinformációkat a Speech szolgáltatásnak a létrehozásukkor opcionálisan megadott adatok alapján AudioStreamFormat. Az ügyfeleknek most már a támogatott hangbemeneti formátumot kell használniuk. Minden más formátum optimálisnál rosszabb felismerési eredményeket kap, vagy más problémákat okozhat.

Hibajavítások

  • Tekintse meg a frissítést a OpenSSL fenti kompatibilitástörő módosítások alatt. Kijavítottunk egy időszakos összeomlást és egy teljesítményproblémát (magas terhelésű zárolási versengést) Linuxon és Java-ban.
  • Java: Továbbfejlesztette az objektumok bezárását a magas egyidejűségi forgatókönyvekben.
  • Átstrukturáltuk a NuGet-csomagot. Eltávolítottuk a lib mappák három példányát Microsoft.CognitiveServices.Speech.core.dll és Microsoft.CognitiveServices.Speech.extension.kws.dll alatta, így a NuGet-csomag kisebb és gyorsabb letöltést tesz lehetővé, és hozzáadtuk a C++ natív alkalmazások fordításához szükséges fejléceket.
  • Itt kijavítottuk a gyorsútmutató-mintákat. Ezek a "mikrofon nem található" kivétel megjelenítése nélkül léptek ki Linux, macOS, Windows rendszeren.
  • Kijavítottuk az SDK összeomlását, amely hosszú beszédfelismerési eredményeket eredményez bizonyos kódútvonalakon, például ebben a mintában.
  • Kijavítottuk az SDK üzembehelyezési hibáját az Azure Web App-környezetben az ügyfél problémájának megoldása érdekében.
  • Kijavítottunk egy TTS-hibát, amikor több <voice> címkét vagy <audio> címkét használt az ügyfél problémájának megoldásához.
  • Kijavítottunk egy TTS 401-hibát, amikor az SDK-t felfüggesztették.
  • JavaScript: Kijavítottuk a hangadatok körkörös importálását az euirim hozzájárulásának köszönhetően.
  • JavaScript: az 1.7-ben hozzáadott szolgáltatástulajdonságok beállításának támogatása.
  • JavaScript: Kijavítottunk egy hibát, amely miatt a kapcsolati hiba folyamatos, sikertelen websocket-újracsatlakozási kísérleteket eredményezhetett.

Példák

  • Itt hozzáadott kulcsszófelismerő minta Androidhoz.
  • Itt hozzáadott TTS-mintát a kiszolgálói forgatókönyvhöz.
  • Többeszközes beszélgetési rövid útmutatók a C# és a C++ használatához itt.

Egyéb módosítások

  • Optimalizált SDK-magtár mérete Androidon.
  • Az 1.9.0-s és újabb verziójú SDK támogatja a beszélgetés-átíró hangaláírási verzió mezőjének mindkét int és string típusát.

Speech SDK 1.8.0: 2019. novemberi kiadás

Új funkciók

  • Hozzáadott egy FromHost() API-t, amely megkönnyíti a helyszíni tárolók és a szuverén felhők használatát.
  • A beszédfelismeréshez hozzáadott forrásnyelv-azonosítás (Javában és C++-ban)
  • Hozzáadott SourceLanguageConfig objektum a Speech Recognitionhez, amely a várt forrásnyelvek megadására szolgál (Java és C++)
  • Windows (UWP), Android és iOS rendszereken nyújtott támogatás a KeywordRecognizer NuGet és Unity csomagokon keresztül
  • A Távoli beszélgetés Java API-val a beszélgetés átírását aszinkron kötegekben hajthatja végre.

Kompatibilitástörő változások

  • A névtér Microsoft.CognitiveServices.Speech.Transcriptionalatt áthelyezett beszélgetés-átíró funkciók.
  • A Beszélgetés-átíró metódusok részei át lesznek helyezve az új Conversation osztályba.
  • Nem támogatott a 32 bites (ARMv7 és x86) iOS

Hibajavítások

  • Javítás összeomlás esetén, ha a helyi KeywordRecognizer nyelv érvényes Speech service-előfizetési kulcs nélkül van használatban

Példák

  • Xamarin-minta a következőhöz: KeywordRecognizer
  • Unity-minta a következőhöz: KeywordRecognizer
  • C++ és Java-minták az automatikus forrásnyelv-azonosításhoz.

Speech SDK 1.7.0: 2019–szeptemberi kiadás

Új funkciók

  • A Xamarin bétaverziós támogatása Univerzális Windows-platform (UWP), Android és iOS rendszeren
  • IOS-támogatás hozzáadva a Unityhez
  • Hozzáadott Compressed bemeneti támogatás az ALaw, a Mulaw, a FLAC, az Android, az iOS és a Linux rendszerhez
  • Hozzáadva SendMessageAsync az osztályhoz Connection , hogy üzenetet küldjön a szolgáltatásnak
  • Hozzáadva SetMessageProperty az osztályhoz Connection egy üzenet tulajdonságának beállításához
  • TTS hozzáadott kötéseket Java -hoz (JRE és Android), Pythonhoz, Swifthez és Objective-C-hez
  • A TTS hozzáadta a lejátszás támogatását macOS, iOS és Android rendszerekhez.
  • A TTS-hez hozzáadta a "szóhatár" információkat.

Hibajavítások

  • Kijavítottuk az IL2CPP buildelési problémáját az Android Unity 2019-ben
  • Kijavítottuk a hibásan formázott fejlécek helytelen feldolgozását a wav-fájl bemenetében
  • Kijavítottuk azt a hibát, hogy az UUID-k egyes kapcsolattulajdonságokban nem egyediek
  • Kijavítottunk néhány figyelmeztetést a Swift-kötések nullability-meghatározóiról (kis kódmódosításokat igényelhet)
  • Kijavítottunk egy hibát, amely miatt a websocket-kapcsolatok gyalázatlanul lezárult a hálózati terhelés alatt
  • Kijavítottunk egy hibát az Androidon, amely néha ismétlődő megjelenítési azonosítókat eredményezett, amelyeket a DialogServiceConnector
  • A többfordulós interakciók közötti kapcsolatok stabilitásának javítása és a hibák jelentése (eseményeken keresztül Canceled ) DialogServiceConnector
  • DialogServiceConnector a munkamenet-indítások mostantól megfelelően biztosítják az eseményeket, beleértve ListenOnceAsync() az aktív StartKeywordRecognitionAsync()
  • A fogadott tevékenységekhez DialogServiceConnector kapcsolódó összeomlás elhárítása

Példák

  • Rövid útmutató a Xamarinhoz
  • Frissített CPP rövid útmutató Linux Arm64-információkkal
  • Frissített Unity rövid útmutató iOS-információkkal

Speech SDK 1.6.0: 2019–júniusi kiadás

Példák

  • Rövid útmutató minták a Text To Speechhez az UWP-n és a Unityn
  • Rövid útmutató minta a Swifthez iOS rendszeren
  • Unity-minták a Speech > Szándékfelismeréshez és -fordításhoz
  • Frissített gyorsútmutató-minták a következőhöz: DialogServiceConnector

Fejlesztések/módosítások

  • Párbeszédpanel-névtér:
    • A SpeechBotConnector új nevet kapott: DialogServiceConnector
    • A BotConfig új nevet kapott: DialogServiceConfig
    • BotConfig::FromChannelSecret() remapped to DialogServiceConfig::FromBotSecret()
    • Az átnevezés után az összes meglévő Direct Line Speech-ügyfél továbbra is támogatott
  • TTS REST-adapter frissítése a proxy és az állandó kapcsolat támogatásához
  • Érvénytelen régió átadásakor megjelenő hibaüzenet javítása
  • Swift/Objective-C:
    • Továbbfejlesztett hibajelentés: A hibát eredményező metódusok NSError két verzióban jelennek meg: az egyik egy objektumot tesz elérhetővé a hibakezeléshez, a másik pedig kivételt okoz. Előbbi swiftnek van kitéve. Ez a módosítás a meglévő Swift-kódhoz való alkalmazkodást igényli.
    • Továbbfejlesztett eseménykezelés

Hibajavítások

  • Javítás a TTS-hez: ahol SpeakTextAsync a jövő várakozás nélkül tért vissza, amíg a hang nem fejeződött be a renderelésben
  • Javítás a C# sztringjeinek a teljes nyelvi támogatás engedélyezéséhez
  • A .NET core-alkalmazással kapcsolatos probléma megoldása a magtár net461-alapú cél-keretrendszerrel való betöltéséhez a mintákban
  • A minták kimeneti mappájában natív kódtárak üzembe helyezésével kapcsolatos alkalmi problémák megoldása
  • Javítás a webes szoftvercsatornák megbízható bezárásához
  • Javítás a lehetséges összeomláshoz, amikor nagy terhelés alatt nyit meg kapcsolatot Linuxon
  • Hiányzó metaadatok javítása a macOS keretrendszercsomagjában
  • Javítás windowsos pip install --user problémák esetén

Speech SDK 1.5.1

Ez egy hibajavítási kiadás, amely csak a natív/felügyelt SDK-t érinti. Ez nincs hatással az SDK JavaScript-verziójára.

Hibajavítások

  • A FromSubscription javítása beszélgetési átírással való használat esetén.
  • Kijavíthatja a Voice Assistants kulcsszó-észlelési hibáját.

Speech SDK 1.5.0: 2019. májusi kiadás

Új funkciók

  • A kulcsszó-észlelés (KWS) mostantól elérhető Windows és Linux rendszeren is. A KWS funkció bármilyen mikrofontípussal működhet, a hivatalos KWS-támogatás azonban jelenleg az Azure Kinect DK hardverben vagy a Speech Devices SDK-ban található mikrofontömbökre korlátozódik.
  • A kifejezésmutató funkció az SDK-on keresztül érhető el. További információt itt talál.
  • A beszélgetés átírási funkciója az SDK-on keresztül érhető el.
  • A Hangsegédek támogatása a Direct Line Speech csatornával.

Példák

  • Az SDK által támogatott új funkciókhoz vagy új szolgáltatásokhoz hozzáadott minták.

Fejlesztések/módosítások

  • Különböző felismerő tulajdonságokat adott hozzá a szolgáltatás viselkedésének vagy a szolgáltatás eredményeinek módosításához (például a trágárság maszkolásához és másokhoz).
  • Most már konfigurálhatja a felismerőt a szabványos konfigurációs tulajdonságokon keresztül, még akkor is, ha létrehozta a felismerőt FromEndpoint.
  • Objective-C: OutputFormat tulajdonság lett hozzáadva a SPXSpeechConfiguration.
  • Az SDK mostantól Linux-disztribúcióként támogatja a Debian 9-et.

Hibajavítások

  • Kijavítottunk egy hibát, amely miatt a hangszóró erőforrása túl korai szövegfelolvasási hibát észlelt.

Speech SDK 1.4.2

Ez egy hibajavítási kiadás, amely csak a natív/felügyelt SDK-t érinti. Ez nincs hatással az SDK JavaScript-verziójára.

Speech SDK 1.4.1

Ez egy csak JavaScript-kiadás. A rendszer nem adott hozzá funkciókat. A következő javítások történtek:

  • Megakadályozza, hogy a webcsomag betöltse a https-proxy-agentet.

Speech SDK 1.4.0: 2019. áprilisi kiadás

Új funkciók

  • Az SDK mostantól bétaverzióként támogatja a Szövegfelolvasás szolgáltatást. A C++ és a C# rendszer windowsos és linuxos asztali verziójában is támogatott. További információkért tekintse át a Szöveg a beszédhez című témakör áttekintését.
  • Az SDK mostantól streambemeneti fájlként támogatja az MP3 és az Opus/OGG hangfájlokat. Ez a funkció csak Linuxon érhető el c++ és C# nyelven, és jelenleg bétaverzióban érhető el (további részletek itt).
  • A Java, a .NET Core, a C++ és az Objective-C Speech SDK macOS-támogatást kapott. A macOS Objective-C támogatása jelenleg bétaverzióban érhető el.
  • iOS: Az iOS Speech SDK (Objective-C) mostantól CocoaPodként is elérhető.
  • JavaScript: Nem alapértelmezett mikrofon támogatása bemeneti eszközként.
  • JavaScript: Proxytámogatás Node.js.

Példák

  • A Speech SDK c++ és Objective-C macOS rendszeren való használatára vonatkozó minták lettek hozzáadva.
  • A szöveg beszédszolgáltatásban való használatát bemutató minták lettek hozzáadva.

Fejlesztések/módosítások

  • Python: A felismerési eredmények további tulajdonságai mostantól elérhetők a properties tulajdonságon keresztül.
  • További fejlesztési és hibakeresési támogatásért átirányíthatja az SDK naplózási és diagnosztikai adatait egy naplófájlba (további részletek itt).
  • JavaScript: A hangfeldolgozás teljesítményének javítása.

Hibajavítások

  • Mac/iOS: Kijavítottunk egy hibát, amely hosszú várakozást eredményezett, amikor nem sikerült kapcsolatot létesíteni a Speech szolgáltatással.
  • Python: az argumentumok hibakezelésének javítása a Python-visszahívásokban.
  • JavaScript: Kijavítottuk a helytelen állapotjelentést a RequestSession szolgáltatásban befejeződött beszédhez.

Speech SDK 1.3.1: 2019–februári frissítés

Ez egy hibajavítási kiadás, amely csak a natív/felügyelt SDK-t érinti. Ez nincs hatással az SDK JavaScript-verziójára.

Hibajavítás

  • Kijavítottunk egy memóriaszivárgást a mikrofon bemenetének használatakor. A streamalapú vagy fájlbemenetre nincs hatással.

Speech SDK 1.3.0: 2019–februári kiadás

Új funkciók

  • A Speech SDK támogatja a bemeneti mikrofon kiválasztását az AudioConfig osztályon keresztül. Ez lehetővé teszi, hogy hangadatokat streameljen a Speech szolgáltatásba egy nem alapértelmezett mikrofonból. További információkért tekintse meg a hangbemeneti eszköz kiválasztását ismertető dokumentációt. Ez a funkció még nem érhető el a JavaScriptből.
  • A Speech SDK mostantól bétaverzióban támogatja a Unityt. Küldjön visszajelzést a GitHub-mintaadattár problémás szakaszán keresztül. Ez a kiadás támogatja a Unityt Windows x86 és x64 (asztali vagy Univerzális Windows-platform alkalmazások) és Android rendszeren (ARM32/64, x86). További információt a Unity rövid útmutatójában talál.
  • A fájlra Microsoft.CognitiveServices.Speech.csharp.bindings.dll (a korábbi kiadásokban) már nincs szükség. A funkció most már integrálva van az alapvető SDK-ba.

Példák

A mintaadattárban a következő új tartalom érhető el:

  • További minták a következőhöz AudioConfig.FromMicrophoneInput: .
  • További Python-minták szándékfelismeréshez és fordításhoz.
  • További minták az Connection objektum iOS-ben való használatához.
  • További Java-minták hangkimenettel történő fordításhoz.
  • Új minta a Batch Transcription REST API használatához.

Fejlesztések/módosítások

  • Piton
    • Továbbfejlesztett paraméter-ellenőrzés és hibaüzenetek a következőben SpeechConfig: .
    • Az objektum támogatásának Connection hozzáadása.
    • 32 bites Python (x86) támogatása Windows rendszeren.
    • A Python Speech SDK-jának bétaverziója nem érhető el.
  • Ios
    • Az SDK mostantól az iOS SDK 12.1-es verziójára épül.
    • Az SDK mostantól támogatja az iOS 9.2-s és újabb verzióit.
    • A referenciadokumentáció javítása és több tulajdonságnév javítása.
  • JavaScript
    • Az objektum támogatásának Connection hozzáadása.
    • Típusdefiníciós fájlok hozzáadása a csomagolt JavaScripthez
    • A kifejezésmutatók kezdeti támogatása és implementálása.
    • Tulajdonságok gyűjteményének visszaadése a JSON szolgáltatással a felismeréshez
  • A Windows DLL-ek már tartalmaznak verzióerőforrást.
  • Ha létrehoz egy felismerőt FromEndpoint, paramétereket adhat hozzá közvetlenül a végpont URL-címéhez. Ezzel FromEndpoint nem konfigurálhatja a felismerőt a szabványos konfigurációs tulajdonságokon keresztül.

Hibajavítások

  • Az üres proxy felhasználóneve és proxyjelszava nem megfelelően lett kezelve. Ebben a kiadásban, ha a proxynevét és a proxyjelszót üres sztringre állítja be, akkor azok nem lesznek elküldve a proxyhoz való csatlakozáskor.
  • Az SDK által létrehozott SessionId nem mindig volt mindig véletlenszerű bizonyos nyelvek/ környezetek esetében. Véletlenszerű generátor inicializálása lett hozzáadva a probléma megoldásához.
  • Az engedélyezési jogkivonat kezelésének javítása. Ha engedélyezési jogkivonatot szeretne használni, adja meg az SpeechConfig előfizetési kulcsot, és hagyja üresen. Ezután hozza létre a felismerőt a szokásos módon.
  • Bizonyos esetekben az Connection objektum nem lett megfelelően felszabadítva. Ez a probléma már ki lett javítva.
  • A JavaScript-mintát úgy javítottuk, hogy támogassa a fordítási szintézis hangkimenetét a Safariban is.

Speech SDK 1.2.1

Ez egy csak JavaScript-kiadás. A rendszer nem adott hozzá funkciókat. A következő javítások történtek:

  • A stream vége a turn.end-en, nem a speech.end-en.
  • Kijavítottuk a hangszivattyú azon hibáját, amely nem ütemezte a következő küldést, ha az aktuális küldés sikertelen volt.
  • A folyamatos felismerés javítása hitelesítési jogkivonattal.
  • Hibajavítás különböző felismerőkhöz/ végpontokhoz.
  • Dokumentációs fejlesztések.

Speech SDK 1.2.0: 2018. decemberi kiadás

Új funkciók

  • Piton
    • A Python-támogatás bétaverziója (3.5-ös vagy újabb verzió) ebben a kiadásban érhető el. További információ: itt](.. /.. /quickstart-python.md).
  • JavaScript
    • A JavaScripthez készült Speech SDK nyílt forráskódú. A forráskód elérhető a GitHubon.
    • Mostantól támogatjuk Node.js, további információt itt talál.
    • A hangkondenzációkra vonatkozó hosszkorlátozás el lett távolítva, az újracsatlakozás automatikusan megtörténik a fedél alatt.
  • Connection tárgy
    • RecognizerA helyről elérheti az objektumotConnection. Ezzel az objektummal explicit módon kezdeményezheti a szolgáltatáskapcsolatot, és előfizethet a kapcsolódási és leválasztási eseményekre. (Ez a funkció még nem érhető el a JavaScript és a Python használatával.)
  • Az Ubuntu 18.04 támogatása.
  • Android
    • Engedélyezett ProGuard-támogatás az APK-generáció során.

Fejlesztések

  • A belső szálhasználat fejlesztései, a szálak, a zárolások, a mutexek számának csökkentése.
  • Továbbfejlesztett hibajelentés/ információ. Több esetben a hibaüzenetek nem propagáltak kifelé.
  • Frissítettük a Fejlesztési függőségeket a JavaScriptben, hogy naprakész modulokat használjon.

Hibajavítások

  • Kijavítottuk a memóriaszivárgást a típuseltérés miatt.RecognizeAsync
  • Bizonyos esetekben kivételeket szivárogtak ki.
  • Memóriavesztés javítása a fordítási esemény argumentumaiban.
  • Kijavítottunk egy zárolási hibát a hosszú ideig futó munkamenetekben való újracsatlakozáskor.
  • Kijavítottunk egy hibát, amely a sikertelen fordítások végleges eredményének hiányát okozhatta.
  • C#: Ha async egy művelet nem várt a főszálban, lehetséges volt, hogy a felismerő az aszinkron feladat befejezése előtt el lett helyezve.
  • Java: Kijavítottunk egy hibát, amely a Java virtuális gép összeomlását eredményezte.
  • Objective-C: Rögzített enumerálás; A Rendszer a RecognizedIntent függvényt adja vissza a rendszer helyett RecognizingIntent.
  • JavaScript: Állítsa be az alapértelmezett kimeneti formátumot "egyszerű" értékre a következőben SpeechConfig:
  • JavaScript: Inkonzisztencia eltávolítása a konfigurációs objektum tulajdonságai között JavaScriptben és más nyelveken.

Példák

  • Több mintát frissített és kijavított (például a fordításhoz használt kimeneti hangokat stb.).
  • Hozzáadott Node.js mintákat a mintaadattárban.

Speech SDK 1.1.0

Új funkciók

  • Android x86/x64 támogatása.
  • Proxytámogatás: Az SpeechConfig objektumban mostantól meghívhat egy függvényt a proxyadatok (állomásnév, port, felhasználónév és jelszó) beállításához. Ez a funkció még nem érhető el iOS rendszeren.
  • Továbbfejlesztett hibakód és üzenetek. Ha egy felismerés hibát ad vissza, az már be lett állítva Reason (megszakított eseményben) vagy CancellationDetails (a felismerési eredményben) a következőre Error: . A megszakított esemény most már két további tagot tartalmaz, ErrorCode és ErrorDetailsa . Ha a kiszolgáló további hibainformációkat adott vissza a jelentett hibával együtt, az mostantól elérhető lesz az új tagokban.

Fejlesztések

  • Hozzáadott további ellenőrzést a felismerő konfigurációjában, és további hibaüzenetet adott hozzá.
  • A hangfájl közepén a hosszú ideig tartó csend jobb kezelése.
  • NuGet-csomag: .NET-keretrendszer projektek esetében megakadályozza az AnyCPU-konfigurációval való építést.

Hibajavítások

  • Kijavítottunk néhány kivételt, amely a felismerőkben található. Emellett a kivételeket a rendszer elkapja, és eseménysé Canceled alakítja.
  • Memóriaszivárgás javítása a tulajdonságkezelésben.
  • Kijavítottuk azt a hibát, amely miatt egy hangbemeneti fájl összeomlott a felismerőben.
  • Kijavítottunk egy hibát, amely miatt eseményeket lehetett fogadni egy munkamenet-leállítási esemény után.
  • Kijavítottunk néhány versenyhelyzetet a menetelés során.
  • Kijavítottunk egy iOS-kompatibilitási hibát, amely összeomlást okozhatott.
  • Stabilitási fejlesztések androidos mikrofonok támogatásához.
  • Kijavítottunk egy hibát, amely miatt a JavaScript egyik felismerője figyelmen kívül hagyta a felismerési nyelvet.
  • Kijavítottunk egy hibát, amely megakadályozta a EndpointId JavaScript (bizonyos esetekben) beállítását.
  • Módosította a paraméter sorrendjét az AddIntentben a JavaScriptben, és hiányzó AddIntent JavaScript-aláírást adott hozzá.

Példák

  • C++ és C# mintákat adott hozzá a lekéréses és leküldéses streamek használatához a mintaadattárban.

Speech SDK 1.0.1

Megbízhatósági fejlesztések és hibajavítások:

  • Kijavítottuk a lehetséges végzetes hibát a versenyállapot miatt a felismerőben
  • Kijavítottuk a lehetséges végzetes hibát, ha a tulajdonságok nem halmaza fordul elő.
  • További hiba és paraméter-ellenőrzés hozzáadva.
  • Objective-C: Kijavítottuk az NSStringben a név felülírása által okozott lehetséges végzetes hibát.
  • Objective-C: Az API korrigált láthatósága
  • JavaScript: Kijavítva az események és a hasznos adatok tekintetében.
  • Dokumentációs fejlesztések.

A mintaadattárban egy új JavaScript-mintát vettünk fel.

Azure AI Speech SDK 1.0.0: 2018. szeptemberi kiadás

Új funkciók

Kompatibilitástörő változások

  • Ezzel a kiadással számos kompatibilitástörő módosítást vezetünk be. A részletekért tekintse meg ezt a lapot .

Azure AI Speech SDK 0.6.0: 2018. augusztusi kiadás

Új funkciók

  • A Speech SDK-val készült UWP-alkalmazások mostantól át tudják adni a Windows Alkalmazástanúsítvány-készletet (WACK). Tekintse meg az UWP rövid útmutatót.
  • A .NET Standard 2.0 támogatása Linuxon (Ubuntu 16.04 x64).
  • Kísérleti: Java 8 támogatása Windows (64 bites) és Linux rendszeren (Ubuntu 16.04 x64). Tekintse meg a Java Runtime Environment rövid útmutatót.

Funkcionális változás

  • További hibainformációk elérhetővé tehetők a csatlakozási hibákról.

Kompatibilitástörő változások

  • Java (Android) esetén a SpeechFactory.configureNativePlatformBindingWithDefaultCertificate függvénynek már nincs szüksége elérésiút-paraméterre. Most a rendszer automatikusan észleli az elérési utat az összes támogatott platformon.
  • A Java és a C# tulajdonság EndpointUrl get-kiegészítője el lett távolítva.

Hibajavítások

  • A Java-ban a fordítás-felismerő hangszintézisének eredménye már implementálva van.
  • Kijavítottunk egy hibát, amely inaktív szálakat és nagyobb számú nyitott és nem használt szoftvercsatornát okozhatott.
  • Kijavítottunk egy hibát, amely miatt a hosszú ideig futó felismerés leállhatott az átvitel közepén.
  • Kijavítottunk egy versenyállapotot a felismerő leállítása során.

Azure AI Speech SDK 0.5.0: 2018. júliusi kiadás

Új funkciók

  • Android-platform támogatása (API 23: Android 6.0 Marshmallow vagy újabb). Tekintse meg az Android rövid útmutatót.
  • A .NET Standard 2.0 támogatása Windows rendszeren. Tekintse meg a .NET Core rövid útmutatóját.
  • Kísérleti: Az UWP támogatása Windows rendszeren (1709-es vagy újabb verzió).
    • Tekintse meg az UWP rövid útmutatót.
    • Vegye figyelembe, hogy a Speech SDK-val készült UWP-alkalmazások még nem továbbítja a Windows App Certification Kit (WACK) csomagot.
  • A hosszú ideig futó felismerés támogatása automatikus újracsatlakozással.

Funkcionális változások

  • StartContinuousRecognitionAsync() támogatja a hosszú ideig futó felismerést.
  • A felismerés eredménye több mezőt tartalmaz. Ezek el vannak tolva a felismert szöveg hangjának kezdetétől és időtartamától (mind a osztásjelekkel), mind pedig a felismerési állapotot jelző további értékektől, InitialSilenceTimeout például a InitialBabbleTimeout.
  • Az AuthorizationToken támogatása gyári példányok létrehozásához.

Kompatibilitástörő változások

  • Felismerési események: NoMatch az eseménytípus egyesítve lett az Error eseménybe.
  • A C#-ban található SpeechOutputFormat úgy lett átnevezve, hogy OutputFormat igazodjon a C++-hoz.
  • A felület egyes metódusainak visszatérési AudioInputStream típusa kissé megváltozott:
    • A Java-ban a metódus most read ahelyett, long hogy inta .
    • A C#-ban a metódus most Read a helyett ad vissza uint int.
    • A C++-ban a metódusok és GetFormat a Read metódusok ahelyett inttérnek visszasize_t.
  • C++: A hangbemeneti streamek példányai mostantól csak shared_ptregy .

Hibajavítások

  • Kijavítottuk az eredmény helytelen visszatérési értékeit, amikor RecognizeAsync() időtúllépés történik.
  • A Windows media foundation-kódtáraitól való függőség el lett távolítva. Az SDK mostantól Core Audio API-kat használ.
  • Dokumentáció javítása: Hozzáadott egy régiók lapot a támogatott régiók leírásához.

Ismert probléma

  • Az Android Speech SDK nem jelenti a beszédszintézis eredményeit a fordításhoz. Ez a probléma a következő kiadásban lesz kijavítva.

Azure AI Speech SDK 0.4.0: 2018. júniusi kiadás

Funkcionális változások

  • AudioInputStream

    A felismerő mostantól használhat streamet hangforrásként. További információkért tekintse meg a kapcsolódó útmutatót.

  • Részletes kimeneti formátum

    Amikor létrehoz egy SpeechRecognizerfájlt, kérheti vagy Simple kimeneti formátumot kérhetDetailed. Ez DetailedSpeechRecognitionResult egy megbízhatósági pontszámot, felismert szöveget, nyers lexikális formát, normalizált űrlapot és normalizált űrlapot tartalmaz maszkolt trágársággal.

Kompatibilitástörő változás

  • A következőre SpeechRecognitionResult.Text SpeechRecognitionResult.RecognizedText módosult: C#.

Hibajavítások

  • Kijavítottunk egy lehetséges visszahívási hibát az USP-rétegben a leállítás során.
  • Ha egy felismerő felhasznált egy hangbemeneti fájlt, az a szükségesnél hosszabb ideig tartotta a fájlfogópontot.
  • Eltávolítottunk több holtpontot az üzenetszivattyú és a felismerő között.
  • NoMatch A szolgáltatás válaszának időtúllépése esetén aktiválja az eredményt.
  • A Windows media foundation-kódtárai késéssel töltődnek be. Ez a kódtár csak a mikrofon bemenetéhez szükséges.
  • A hangadatok feltöltési sebessége az eredeti hangsebesség körülbelül kétszeresére korlátozódik.
  • Windows rendszeren a C# .NET-szerelvények mostantól erős névvel vannak elnevezve.
  • Dokumentáció javítása: Region a felismerő létrehozásához szükséges információk.

További minták lettek hozzáadva, és folyamatosan frissülnek. A legújabb mintákért tekintse meg a Speech SDK-minták GitHub-adattárát.

Azure AI Speech SDK 0.2.12733: 2018– májusi kiadás

Ez a kiadás az Azure AI Speech SDK első nyilvános előzetes verziója.