Az Azure AI Speech újdonságai

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

• Az Azure AI Speech szolgáltatás támogatja az OpenAI szövegfelolvasást a beszédhangokhoz. További információ: Mik azok az OpenAI-szövegek a beszédhangok számára?
• Az egyéni hang API professzionális és személyes egyéni neurális hangmodellek létrehozásához és kezeléséhez érhető el.
• Az Azure AI Speech mostantól támogatja az OpenAI Whisper modelljét a kötegelt átírási API-val. További információért tekintse meg a Köteg átírási útmutatót.

Kibocsátási megjegyzések

Szolgáltatás vagy erőforrás kiválasztása

SDK

Közelgő tervek Linux- és Android-felhasználók számára:

Figyelemfelhívás

Ez a cikk a CentOS-ra, egy olyan Linux-disztribúcióra hivatkozik, amely közel áll az élettartam (EOL) állapotához. Ennek megfelelően fontolja meg a használatot és a tervezést. További információ: CentOS End Of Life útmutató.

• Az Ubuntu 18.04 szintén 2023 áprilisában ér véget, ezért felhasználóinknak fel kell készülnünk arra, hogy a minimális verziót az Ubuntu 20.04-es verzióra helyezzük át.

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

• Javítsa ki az alkalmi JVM-összeomlásokat a SpeechRecognizer megsemmisítése során a MAS használatakor. (https://github.com/Azure-Samples/cognitive-services-speech-sdk/issues/2125)
• Az alapértelmezett hangeszközök észlelésének javítása Linuxon. (https://github.com/Azure-Samples/cognitive-services-speech-sdk/issues/2292)

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

• Frissítések új funkciókhoz.

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

• A SpeechRecognizer alapértelmezés szerint új végpont használatára lett frissítve (például 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 text API-ba · 2156- os probléma · Azure-Samples/cognitive-services-speech-sdk (github.com)
• Javítás a DialogService Csatlakozás or megsemmisítési fázisához az események megfelelő leválasztásához. Ez időnként összeomlásokat okozott.
• A mas használata esetén a felismerő létrehozása során fellépő kivétel javítása.
• FPIEProcessor.dll Microsoft.CognitiveServices.Speech.Extension.MAS NuGet-csomag windowsos UWP x64-es és ARM64-es verziójától 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

• Kijavítottuk a kulcsszófelismerési eredményt, hogy azok megfelelően illeszkedhessenek a bemeneti hangstreamhez az elejétől kezdve. A javítás a különálló kulcsszófelismerésre és a kulcsszó által aktivált beszédfelismerésre is vonatkozik.
• A rögzített szintetizátor-leállítás nem adja vissza azonnal az SPXSpeechSynthesizer stopSpeaking() metódust, amely nem tud azonnal visszatérni iOS 17 rendszeren – 2081. probléma
• Kijavítottuk a Mac katalizátor importálási problémáját a Swift modulban, amely támogatja a mac katalizátort apple szilíciummal. 1948- os probléma
• JS: Az AudioWorkletNode modul betöltése mostantól megbízható URL-címet használ, és a CDN-böngésző tartalékot tartalmaz.
• JS: A csomagolt libfájlok mostantól az ES6 JS-t célják, és az ES5 JS támogatása el lett távolítva.
• JS: a v2-végpontot megcélzó fordítási forgatókönyv közbenső eseményei megfelelően vannak kezelve
• JS: A TranslationRecognitionEventArgs nyelvi tulajdonsága mostantól a translation.hypothesis eseményekhez van beállítva.
• Beszédszintézis: A SynthesisCompleted esemény garantáltan ki lesz bocsátva az összes metaadatesemény után, így az események végéig jelezhető. Hogyan lehet észlelni, hogy a visemek mikor érkeznek teljesen? Probléma #2093 Azure-Samples/cognitive-services-speech-sdk

Példák

• Minta hozzáadva a MULAW pythonnal történő streamelésének bemutatásához)
• Javítás a beszéd-szöveg NAudio-mintához

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

• Beszélgetés átírása Swift API-kkal

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

• Kijavítottuk a macOS minimálisan támogatott verzióját https://github.com/Azure-Samples/cognitive-services-speech-sdk/issues/2017
• Kijavítottuk a kiejtésértékelési hibát:
  • Kijavítottuk a telefonos pontossági pontszámokkal kapcsolatos problémákat, biztosítva, hogy most már csak az adott helytelenül megadott foneumot tükrözzék. https://github.com/Azure-Samples/cognitive-services-speech-sdk/issues/1917
  • Megoldotta azt a hibát, amely miatt a kiejtésértékelési funkció pontatlanul hibásként azonosította a helyes kiejtéseket, különösen olyan esetekben, amikor a szavak több érvényes kiejtéssel is rendelkezhettek. https://github.com/Azure-Samples/cognitive-services-speech-sdk/issues/1530

Példák

• CSharp

  • Új C#-beszélgetés átírása – rövid útmutató

  • Új C#-értekezlet átírása – rövid útmutató

• JavaScript

  • Új JavaScript-beszélgetés átírása – rövid útmutató

  • Új JavaScript-értekezlet átirata – rövid útmutató

  • Új NodeJS-beszélgetés átírása – rövid útmutató

  • Új NodeJS-értekezlet átírása – rövid útmutató

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

• Új kiejtésértékelési minták arról, hogyan adhat meg egy tanulási nyelvet a saját alkalmazásában
  • C#: Lásd a mintakódot.
  • C++: Lásd a mintakódot.
  • JavaScript: Lásd a mintakódot.
  • Objective-C: Lásd a mintakódot.
  • Python: Lásd a mintakódot.
  • Swift: Lásd a mintakódot.

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 LocaleNameVoiceInfo . 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, az alapul szolgáló esemény nem állt vissza stop-ra, és a renderelő objektum soha nem szabadult fel, miközben globális zárolást lehetett tartani az ártalmatlanításhoz, a ponthálózati 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 változás 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 célérték 11.0-ra lett frissítve, 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 kapcsolati, hálózati és szolgáltatási késéseket 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

• Az ügyfél által jelentett Swift iOS-minta javítása (GitHub-probléma)

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

• Hozzáadott minták az Embedded Speech használatára

• Added Speech to text sample for MAUI

  Lásd: Speech SDK-minták adattára.

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

• Közzétett csomagok az Embedded Speech előzetes verziójához. További információ: https://aka.ms/embedded-speech.

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 mostantól megfelelően töltődnek be.
  • 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 alapértelmezett 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 DialogService Csatlakozás or 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 olyan tulajdonságokkal, amelyek a kívánt fonetikai ábécét (IPA vagy SAPI) és az N-Best Telefon me count értéket állítják be (elkerülve, hogy a GitHub 1284-nek megfelelően létre kell hoznia egy konfigurációs JSON-t). A szótagszintű kimenet is támogatott.
• Android, iOS és macOS (minden 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 esetén (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 JavaScriptVoiceProfileClient API-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 a DialogService Csatlakozás or használatakor hálózati kapcsolat vagy érvénytelen előfizetési kulcs nélkül.
• 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

• JavaScript: A böngészőmintákhoz már nincs szükség külön JavaScript-kódtárfájl letöltésére.

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

• A JavaScript böngésző fájlmintája mostantól fájlokat használ a beszédfelismeréshez. Ez a GitHub 884- ik számának problémájával foglalkozik.

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
• Xamarin: Frissítettük a rövid útmutatót a legújabb Visual Studio-sablonra.

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?). Kezdje egy áttekintéssel, olvassa el a Speaker Recognition alapismereteit ismertető cikket vagy az API referencia-dokumentumait.

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

• C#: Kódminta a Speaker Recognitionhez.
• C++: Kódminta a Speaker Recognitionhez.
• Java: Kódminta szándékfelismeréshez Androidon.

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 Csatlakozás ion 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

• Ugrás: Rövid útmutatók a beszédfelismeréshez és az egyéni hangsegédhez. A mintakódot itt találja.
• JavaScript: Rövid útmutatók a szöveg beszédhez, fordításhoz és szándékfelismeréshez.
• Kulcsszófelismerő minták C# és Java (Android) esetén.

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: A Red Hat Enterprise Linux (RHEL)/CentOS 7 x64 támogatása a Speech SDK rendszerének konfigurálására vonatkozó útmutatással.
• Linux: A .NET Core C# támogatása hozzáadva Linux ARM32-n és ARM64-en. További tudnivalók itt.
• C#, C++: Konzisztens UtteranceIdConversationTranscriptionResultazonosító 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 DialogService Csatlakozás or 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 DialogService Csatlakozás or már rendelkezik SpeechActivityTemplate tulajdonsággal. Ennek a JSON-sztringnek a tartalmát a Direct Line Speech használja a támogatott mezők széles körének előre feltöltésére minden olyan tevékenységben, amely eléri a Direct Line Speech robotot, beleértve a beszédfelismeréshez hasonló eseményekre válaszul automatikusan létrehozott 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

• Linuxra frissített OpenSSL-konfigurációs dokumentáció

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 rendszeren
• 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

• Python
  • 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

• Python
  • 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 Objektum
  • 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

• Az Objective-C támogatása iOS rendszeren. Tekintse meg az iOS-hez készült Objective-C rövid útmutatót.
• JavaScript támogatása böngészőben. Tekintse meg a JavaScript rövid útmutatót.

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 uintint.
  • 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.TextSpeechRecognitionResult.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.

Parancssori felület

Speech CLI 1.37.0: 2024. áprilisi kiadás

A Speech SDK 1.37.0 használatára frissítve

Új funkciók

• Nincs

Hibajavítások

• Nincs

Speech CLI 1.36.0: 2024. márciusi kiadás

A Speech SDK 1.36.0 használatára frissítve

Új funkciók

• Nincs

Hibajavítások

• Nincs

Speech CLI 1.35.0: 2024. februári kiadás

A Speech SDK 1.35.0 használatára frissítve

Új funkciók

• Nincs

Hibajavítások

• JMESPath-függőség frissítése a legújabbra

Speech CLI 1.34.0: 2023. novemberi kiadás

Frissítve a Speech SDK 1.34.0 használatára

Speech CLI 1.33.0: 2023. októberi kiadás

Frissítve a Speech SDK 1.34.0 használatára

Speech CLI 1.31.0: 2023. augusztusi kiadás

A Speech SDK 1.31.0 használatára frissítve

Speech CLI 1.30.0: 2023. júliusi kiadás

A Speech SDK 1.30.0 használatára frissítve

Speech CLI 1.29.0: 2023. júniusi kiadás

A Speech SDK 1.29.0 használatára frissítve

Speech CLI 1.28.0: 2023. májusi kiadás

A Speech SDK 1.28.0 használatára frissítve

Speech CLI 1.27.0: 2023. áprilisi kiadás

Frissítések

• A Speech SDK 1.27.0 használatára frissítve
• Frissítse az alapértelmezett végpontot az egyéni beszédfelismeréshez és a Batch Speech Recognitionhez használt 3.1-s REST API-k használatára.

Hibajavítások

• A lekérdezési paraméterek elemzésével/konfigurálásának módjával kapcsolatos javítások.

Speech CLI 1.26.0: 2023. márciusi kiadás

A Speech SDK 1.26.0 használatára frissítve.

Speech CLI 1.25.0: 2023. januári kiadás

A Speech SDK 1.25.0 használatára frissítve.

Speech CLI 1.24.0: 2022. októberi kiadás

A Speech SDK 1.24.0-s kódját használja.

Új funkciók

• Kibontott "spx-ellenőrzés" az összes spx-esemény JMESPath-lekérdezéseinek támogatásához

Hibajavítások

• A JMESPath-lekérdezések kiértékelései robusztusságának különböző fejlesztései
• Az erőforrás által korlátozott gépeken esetleg előforduló fájlírások csonkolásainak javítása

Speech CLI 1.23.0: 2022. júliusi kiadás

A Speech SDK 1.23.0-s kódját használja.

Új funkciók

• Jobb képaláírás (--output vtt és --output srt) nagy eredmény felosztása (37 char max, 3 sor)
• Dokumentált spx synthesize--format beállítások (lásd spx help synthesize format)
• A parancsok/beállítások többségének spx csr dokumentálása (lásd spx help csr)
• Hozzáadva spx csr model copy parancs (lásd spx help csr model copy)
• JMES-lekérdezések használatával hozzáadott --check result beállítás (lásd spx help check result)
• Továbbfejlesztett hibaüzenetek érvénytelen parancsbeállítások megadásakor
• A .NET Core 3.1-ről a .NET 6.0-ra váltott. A Speech CLI futtatásához telepítenie kell a .NET 6.0 futtatókörnyezetet (vagy a fenti verziót).

Hibajavítások

• Az összes URL-címet frissítette a nyelv eltávolításához (például "en-US")
• Kijavítottuk a verzióinformációt, hogy minden esetben megfelelően jelentsünk (korábban néha üres volt)

Speech CLI 1.22.0: 2022. júniusi kiadás

A Speech SDK 1.22.0-s kódját használja.

Új funkciók

• Hozzá van adva spx init a parancs, amely végigvezeti a felhasználókat a Speech erőforráskulcsának létrehozásán anélkül, hogy az Azure Web Portalra lép.
• A Speech Docker-tárolók már tartalmazzák az Azure CLI-t, így a spx init parancs a dobozon kívül működik.
• Időbélyeget adott hozzá eseménykimeneti beállításként, hogy az SPX hasznosabb legyen a késések kiszámításakor.

Speech CLI 1.21.0: 2022. áprilisi kiadás

A Speech SDK 1.21.0-s kódját használja.

Új funkciók

• WEBVTT-felirat létrehozása
  • A --output vtt támogatása a spx translate elemben
  • Támogatja --output vtt file FILENAME az alapértelmezett VTT FILENAME felülbírálását
  • Támogatja --output vtt file - a szabványos kimenetbe való írást
  • Minden célnyelvhez külön VTT-fájlok jönnek létre (például --target en;de;fr)
• SRT-felirat létrehozása
  • Támogatás hozzáadva --output srt a spx recognize, spx intentés a spx translate
  • Támogatja --output srt file FILENAME az alapértelmezett SRT FILENAME felülbírálását
  • Támogatja --output srt file - a szabványos kimenetbe való írást
  • Az spx translateegyes SRT-fájlok létrehozása minden célnyelvhez (például --target en;de;fr)

Hibajavítások

• A WEBVTT időbélyeg-kimenetének javítása a formátum megfelelő használatához hh:mm:ss.fff

Speech CLI 1.20.0: 2022. januári kiadás

Új funkciók

• Beszélőfelismerés
  • spx profile enroll és spx speaker [identify/verify] mostantól támogatja a mikrofon bemenetét
• Szándékfelismerés (spx intent)
  • --keyword FILE.table
  • --pattern és --patterns
  • --output all/each intentid
  • --output all/each entity json
  • --output all/each ENTITY entity
  • --once, --once+, --continuous (folyamatos mostantól alapértelmezett)
  • --output all/each connection EVENT
  • --output all/each connection message(például , textpath)
• CLI-konzol kimeneti várakozásainak ellenőrzése/létrehozása:
  • --expect PATTERN és --not expect PATTERN az összes parancs támogatása
  • --auto expect a várt minták készítésének segítése
• Az SDK naplózási kimenetének várható ellenőrzése/létrehozása
  • --log expect PATTERN és --not log expect PATTERN az összes parancs támogatása
  • --log auto expect [FILTER] támogatás az összes parancson
  • --log FILE támogatás be- spx profile és spx speaker
• Hangfájl bemenete
  • --format ANY támogatás az összes parancson
  • --file - támogatás (olvasás standard bemenetből, csőforgatókönyvek engedélyezése)
• Hangfájl kimenete
  • --audio output - Írás szabványos kimenetre, csőforgatókönyvek engedélyezése
• Kimeneti fájlok
  • --output all/each file - Írás standard kimenetbe
  • --output batch file - Írás standard kimenetbe
  • --output vtt file - Írás standard kimenetbe
  • --output json file -Írás szabványos kimenetre a következőhöz és spx batch parancsokhozspx csr:
• Kimeneti tulajdonságok
  • --output […] result XXX property (Tulajdonságazonosító vagy sztring)
  • --output […] connection message received XXX property (Tulajdonságazonosító vagy sztring)
  • --output […] recognizer XXX property (Tulajdonságazonosító vagy sztring)
• Azure WebJob-integráció
  • spx webjob most az alparancs mintáját követi
  • Frissített WebJob-súgó az alparancs mintájának megfelelően (lásd spx help webjob)

Hibajavítások

• Kijavítottuk a hibát, ha mindkettő --output vtt FILE--output batch FILE egyszerre van használatban
• spx [...] --zip ZIPFILENAME mostantól tartalmazza az összes forgatókönyvhöz szükséges bináris fájlokat (ha vannak)
• spx profile és spx speaker a parancsok mostantól részletes hibainformációkat adnak vissza a lemondással kapcsolatban

2021. májusi kiadás

Új funkciók

• A profil, a beszélőazonosító és a beszélő-ellenőrzés támogatása hozzáadva – Próbálja ki spx profile a spx speaker parancssorból.
• A párbeszédpanel támogatása is hozzáadva – Próbálja ki spx dialog a parancssorból.
• Továbbfejlesztett spx súgó. Egy GitHub-probléma megnyitásával küldjön nekünk visszajelzést arról, hogyan működik ez Önnek.
• Csökkentettük a .NET-eszköz telepítésének méretét.

A COVID-19 rövidített tesztelése

Mivel a jelenlegi világjárvány miatt mérnökeinknek továbbra is otthonról kell dolgozniuk, a járvány előtti manuális ellenőrzési szkriptek jelentősen csökkentek. Kevesebb, kevesebb konfigurációval rendelkező eszközön tesztelünk, és nagyobb valószínűséggel csúsznak át a környezetspecifikus hibák. Továbbra is szigorúan érvényesítjük az automatizálás nagy készletét. Abban a valószínűtlen esetben, ha elmulasztottunk valamit, kérjük, tudassa velünk a GitHubon.
Maradjon egészséges!

2021. márciusi kiadás

Új funkciók

• A szándékfelismeréshez hozzáadott spx intent parancs lecserélése spx recognize intent.
• A felismerés és a szándék mostantól az Azure-függvények használatával is kiszámíthatja a szavak hibaarányát spx recognize --wer url <URL>.
• A felismerés mostantól VTT-fájlokként is képes eredményeket kimenetelni a következő használatával spx recognize --output vtt file <FILENAME>: .
• A bizalmas kulcsadatok mostantól elhomályosulnak a hibakeresési/részletes kimenetben.
• Hozzáadta az URL-ellenőrzést és a hibaüzenetet a tartalommezőhöz a kötegelt átírás létrehozásakor.

A COVID-19 rövidített tesztelése

Mivel a jelenlegi világjárvány miatt mérnökeinknek továbbra is otthonról kell dolgozniuk, a járvány előtti manuális ellenőrzési szkriptek jelentősen csökkentek. Kevesebb, kevesebb konfigurációval rendelkező eszközön tesztelünk, és nagyobb valószínűséggel csúsznak át a környezetspecifikus hibák. Továbbra is szigorúan érvényesítjük az automatizálás nagy készletét. Abban a valószínűtlen esetben, ha elmulasztottunk valamit, kérjük, tudassa velünk a GitHubon.
Maradjon egészséges!

2021. januári kiadás

Új funkciók

• A Speech CLI mostantól NuGet-csomagként érhető el, és a .NET CLI-n keresztül telepíthető .NET globális eszközként, amelyet a rendszerhéjból/parancssorból hívhat meg.
• Az egyéni beszéd devOps-sablon adattára úgy lett frissítve, hogy a Speech CLI-t használja az egyéni beszéd-munkafolyamatokhoz.

A COVID-19 rövidített tesztelése

Mivel a jelenlegi világjárvány miatt mérnökeinknek továbbra is otthonról kell dolgozniuk, a járvány előtti manuális ellenőrzési szkriptek jelentősen csökkentek. Kevesebb, kevesebb konfigurációval rendelkező eszközön tesztelünk, és nagyobb valószínűséggel csúsznak át a környezetspecifikus hibák. Továbbra is szigorúan érvényesítjük az automatizálás nagy készletét. Abban a valószínűtlen esetben, ha elmulasztottunk valamit, kérjük, tudassa velünk a GitHubon.
Maradjon egészséges!

2020. októberi kiadás

Az SPX a Speech szolgáltatás kódírás nélküli használatára használható parancssori felület. Töltse le a legújabb verziót itt.

Új funkciók

• spx csr dataset upload --kind audio|language|acoustic – nem csak URL-címekről, hanem helyi adatokból is létrehozhat adatkészleteket.
• spx csr evaluation create|status|list|update|delete – hasonlítsa össze az új modelleket az alapkonfigurációval/más modellekkel.
• spx * list – támogatja a nem lapozott felületet (nem igényel --top X --skip X).
• spx * --http header A=B – egyéni fejlécek támogatása (egyéni hitelesítéshez az Office-hoz hozzáadva).
• spx help – továbbfejlesztett szöveg és visszajeles szövegszín kódolt (kék).

2020–júniusi kiadás

• A parancssori felülethez hozzáadott súgókeresési funkciók:
  • spx help find --text TEXT
  • spx help find --topic NAME
• Frissítve az újonnan üzembe helyezett 3.0-s Batch és egyéni beszéd API-k használatához:
  • spx help batch examples
  • spx help csr examples

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 CLI (más néven SPX): 2020. májusi kiadás

Az SPX egy új parancssori eszköz, amely lehetővé teszi a felismerést, a szintézist, a fordítást, a kötegelt átírást és az egyéni beszédkezelést a parancssorból. Ezzel tesztelheti a Speech szolgáltatást, vagy szkriptelheti az elvégzendő Speech service-feladatokat. Töltse le az eszközt, és olvassa el a dokumentációt itt.

Szövegfelolvasási szolgáltatás

2024. áprilisi kiadás

Szövegről beszédre avatar

• Most már beállíthat egy statikus háttérképet az avatarjaihoz. A funkció használatához egyszerűen használja a avatarConfig.backgroundImage tulajdonságot, és adjon meg egy, a kívánt képre mutató URL-címet. Detials esetén tekintse meg a Háttér szerkesztése című témakört.

2024. márciusi kiadás

Előre összeállított neurális hang

• 9 többnyelvű hang általánosan elérhető minden régióban: en-US-AvaMultilingualNeural, , en-US-AndrewMultilingualNeural, en-US-BrianMultilingualNeuralen-US-EmmaMultilingualNeural, de-DE-FlorianMultilingualNeural, de-DE-SeraphinaMultilingualNeural, , fr-FR-RemyMultilingualNeural, fr-FR-VivienneMultilingualNeuralés zh-CN-XiaoxiaoMultilingualNeural. További információért tekintse meg a teljes nyelvet és a hanglistát .

• Új többnyelvű hang bevezetése nyilvános előzetes verzióhoz: ja-JP-MasaruMultilingualNeural. További információért tekintse meg a teljes nyelvet és a hanglistát .

• További frissítések:

  • en-US-RyanMultilingualNeural minden régióban általánosan elérhető.
  • en-US-JennyMultilingualV2Neural az összes régióban általánosan elérhető, a következővel en-US-JennyMultilingualNeuralegyesítve: .
  • Előzetes verzió elérhető a frissített en-IN-NeerjaNeural és hi-IN-SwaraNeural 3 új stílussal az USA keleti régiójában, Nyugat-Európában és Délkelet-Ázsiában.
  • Előzetes verzió elérhető az új női hangokhoz Közép-Indiában: en-IN-KavyaNeural, en-IN-AnanyaNeural, en-IN-AashiNeural, hi-IN-KavyaNeuralés hi-IN-AnanyaNeural.

Szövegről beszédre avatar

• Eltávolítottuk az Azure Communication Services (ACS) TURN függőségét a valós idejű avatarhoz. A mintakódot ennek megfelelően frissítettük, hogy tükrözze ezt a változást.
• Közzétett szöveg a beszéd avatar díjszabása. További részletekért tekintse meg a díjszabási oldalt. Vegye figyelembe, hogy az avatar díjszabása csak azokhoz a szolgáltatási régiókhoz lesz látható, ahol a szolgáltatás elérhető, beleértve az USA 2. nyugati régióját, Nyugat-Európát és Délkelet-Ázsiát.

2024. februári kiadás

OpenAI-hangok

• Az Azure AI Speech szolgáltatás a következő régiókban támogatja az OpenAI szövegfelolvasást: USA északi középső régiója és Közép-Svédország. Az Azure AI Speech-hangokhoz hasonlóan az OpenAI-szövegek beszédhangokká alakítása kiváló minőségű beszédszintézist biztosít az írott szövegek természetes hangzású beszélt hanggá alakításához. Ez számos lehetőséget kínál a modern és interaktív felhasználói élményekhez. További információ: Mik azok az OpenAI-szövegek a beszédhangok számára?

  Feljegyzés

  Az OpenAI szöveg és beszédhangok az Azure OpenAI szolgáltatásban is elérhetők.

• Ezzel a frissítéssel módosítottuk az előre összeállított neurális hangok díjszabását az Azure AI Speech használatával. Itt megtekintheti a frissített díjszabást.

Személyes hang

A személyes hangfunkció mostantól támogatja és PhoenixLatestNeural modelleket is támogatDragonLatestNeural. Ezek az új modellek növelik a szintetizált hangok természetességét, jobban hasonlítva a hang beszédjellemzőire a parancssorban. További részletekért tekintse meg a Személyes hang integrálása az alkalmazásban című témakört.

2023. decemberi kiadás

Egyéni hang API

Az egyéni hang API professzionális és személyes egyéni neurális hangmodellek létrehozásához és kezeléséhez érhető el.

Egyéni neurális hang

Az újonnan betanított hangmodellek mostantól a modellverziótól függetlenül támogatják a 48 kHz-es mintasebességet. A korábban betanított hangmodellekhez a motorverziót legalább 2023.11.13.0-s verzióra kell frissíteni, hogy a mintasebesség 48 kHz-re javuljon.

Előre összeállított neurális hang

• Új többnyelvű hangok bevezetése nyilvános előzetes verzióhoz:

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
de-DE	Német (Németország)	de-DE-FlorianMultilingualNeural (Férfi)
de-DE	Német (Németország)	de-DE-SeraphinaMultilingualNeural (Nő)
en-US	Angol (Egyesült Államok)	en-US-AvaMultilingualNeural (Nő)
en-US	Angol (Egyesült Államok)	en-US-EmmaMultilingualNeural (Nő)
fr-FR	Francia (Franciaország)	fr-FR-RemyMultilingualNeural (Férfi)
en-US	Angol (Egyesült Államok)	en-US-BrianMultilingualNeural (Férfi)
en-US	Angol (Egyesült Államok)	en-US-AndrewMultilingualNeural (Férfi)
fr-FR	Francia (Franciaország)	fr-FR-VivienneMultilingualNeural (Nő)
zh-CN	Kínai (mandarin, egyszerűsített)	zh-CN-XiaoxiaoMultilingualNeural (Nő)
zh-CN	Kínai (mandarin, egyszerűsített)	zh-CN-XiaochenMultilingualNeural (Nő)
zh-CN	Kínai (mandarin, egyszerűsített)	zh-CN-YunyiMultilingualNeural (Férfi)

• zh-CN-XiaoxiaoDialectsNeural Új hangok bevezetése a nyilvános előzetes verzióhoz, amelyek számos kínai dialektust és ékezetet támogatnak:

Hangnév	Másodlagos nyelv	Dialect/Accent
zh-CN-XiaoxiaoDialectsNeural	zh-CN-shaanxi	Kínai (Zhongyuan Mandarin Shaanxi, egyszerűsített)
	zh-CN-sichuan	Kínai (délnyugati mandarin, egyszerűsített)
	zh-CN-shanxi	Kínai (Shanxi Accent Mandarin, egyszerűsített)
	nan-CN	Kínai (déli perc, egyszerűsített)
	zh-CN-anhui	Kínai (Jianghuai Mandarin Anhui, egyszerűsített)
	zh-CN-hunan	Kínai (Hunan Accent Mandarin, egyszerűsített)
	zh-CN-gansu	Kínai (Lanyin Mandarin Gansu, egyszerűsített)
	zh-CN-shandong	Kínai (Jilu Mandarin, egyszerűsített)
	zh-CN-henan	Kínai (Zhongyuan Mandarin Henan, egyszerűsített)
	zh-CN-liaoning	Kínai (északkeleti mandarin, egyszerűsített)
	zh-TW	Kínai (tajvani mandarin, hagyományos)

2023. novemberi kiadás

Személyes hang

A személyes hang előzetes verzióban érhető el a következő régiókban: Nyugat-Európa, USA keleti régiója és Délkelet-Ázsia. Személyes hanggal (előzetes verzió) néhány másodperc alatt lekérheti a hang (vagy az alkalmazás felhasználói) AI által generált replikációját. Hangüzenetként egyperces beszédmintát ad meg, majd használatával beszédet hozhat létre a több mint 90 nyelv közül, amelyet több mint 100 területi beállítás támogat.

További információ: személyes hang.

Szövegről beszédre avatar

A szövegfelolvasási avatar az alábbi régiókban érhető el előzetes verzióban: USA 2. nyugati régiója, Nyugat-Európa és Délkelet-Ázsia.

Szövegből beszéd avatar átalakítja a szöveget egy digitális videó egy fotorealisztikus ember (vagy egy előre összeállított avatar, vagy egy egyéni szöveg a beszéd avatar) beszél egy természetes hangzású hang. A szöveg és a beszéd avatar videója aszinkron módon vagy valós időben szintetizálható. A fejlesztők egy API-n keresztül szöveggel és beszédavatárral integrált alkalmazásokat hozhatnak létre, vagy a Speech Studióban egy tartalomkészítő eszközzel kódolás nélkül hozhatnak létre videótartalmakat.

További információkért tekintse meg a beszéd avatárszövegét, az átlátszósági jegyzeteket, valamint a hang- és avatartehetségekkel kapcsolatos információkat.

Egyéni neurális hang

A nyelvközi hang 24 új területi beállításának támogatása hozzáadva. További információért tekintse meg a teljes nyelvi listát .

Előre összeállított neurális hang

Új hangok bevezetése a nyilvános előzetes verzióhoz:

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
de-DE	Német (Németország)	SeraphinaNeural (Nő)
es-ES	Spanyol (Spanyolország)	XimenaNeural (Nő)
fr-CA	Francia (Kanada)	ThierryNeural (Férfi)
fr-FR	Francia (Franciaország)	VivienneNeural (Nő)
it-IT	Olasz (Olaszország)	GiuseppeNeural (Férfi)
ko-KR	Koreai (Dél-Korea)	HyunsuNeural (Férfi)
pt-BR	Portugál (Brazília)	ThalitaNeural (Nő)

A hibákkal frissített modellek és a minőség javítása:

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
es-ES	Spanyol (Spanyolország)	AlvaroNeural (Férfi)
en-GB	Angol (Egyesült Királyság)	RyanNeural (Férfi)
ko-KR	Koreai (Dél-Korea)	InjoonNeural (Férfi)

További információért tekintse meg a teljes nyelvet és a hanglistát .

2023. októberi kiadás

Egyéni neurális hang

• A 12 új területi beállítás támogatása egyéni neurális hang pro használatával. További információért tekintse meg a teljes nyelvi listát .

2023. szeptemberi kiadás

Előre összeállított neurális hang

• Új hangok bevezetése a nyilvános előzetes verzióhoz:

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
en-US	Angol (Egyesült Államok)	en-US-EmmaNeural (Nő)
en-US	Angol (Egyesült Államok)	en-US-AndrewNeural (Férfi)
en-US	Angol (Egyesült Államok)	en-US-BrianNeural (Férfi)

További információért tekintse meg a teljes nyelvet és a hanglistát .

Beágyazott neurális hang

• Itt mind a 147 területi beállítás (a fa-IR kivételével, perzsa (Irán)) 1 kiválasztott női és/vagy 1 kiválasztott férfi hanggal érhető el.

2023. augusztusi kiadás

Egyéni neurális hang

• A CNV Lite legújabb betanítási receptverziója már megjelent. Ez a kiadás számos fejlesztést hoz a nyelvi modellek minőségén. Próbálja ki a Speech Studiót.

2023. júliusi kiadás

Egyéni neurális hang

• A többstílusú hang általánosan elérhető.
• Két új területi beállítás hozzáadva a nyilvános előzetes verzióban a többstílusú hanghoz: ja-JP és zh-CN. További információért tekintse meg a teljes nyelvet és a hanglistát . Tekintse meg a különböző nyelvek előre beállított stíluslistáját.
• A többnyelvű hang általánosan elérhető.
• Két új területi beállítással bővült a nyelvközi hang: id-ID és nl-NL. További információért tekintse meg a teljes nyelvet és a hanglistát .

Előre összeállított neurális TTS-hangok

en-US Új, nemek közötti semleges hang bevezetése a nyilvános előzetes verzióhoz:

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
en-US	Angol (Egyesült Államok)	en-US-BlueNeural (Semleges)

Új többnyelvű hangok bevezetése nyilvános előzetes verzióhoz:

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
en-US	Angol (Egyesült Államok)	en-US-JennyMultilingualV2Neural (Nő)
en-US	Angol (Egyesült Államok)	en-US-RyanMultilingualNeural (Férfi)

A többnyelvű hangok en-US-JennyMultilingualV2Neural és en-US-RyanMultilingualNeural a bemeneti szöveg nyelvének automatikus észlelése. Az elemet azonban továbbra is használhatja ezeknek a <lang> hangoknak a beszédnyelvének módosításához.

Ezek az új többnyelvű hangok 41 nyelven és ékezetben beszélnek: Arabic (Egypt), Arabic (Saudi Arabia), , Catalan, Czech (Czechia), German (Austria)English (Australia)Dutch (Netherlands)English (Canada)Polish (Poland)English (United Kingdom)Chinese (Taiwanese Mandarin, Traditional)English (India)Chinese (Cantonese, Traditional)English (Ireland)Chinese (Mandarin, Simplified)English (United States)Turkish (Türkiye)English (Hong Kong SAR)Thai (Thailand)Spanish (Spain)German (Germany)Korean (Korea)Spanish (Mexico)Norwegian Bokmål (Norway)Finnish (Finland)Dutch (Belgium)Russian (Russia)Japanese (Japan)Swedish (Sweden)Portuguese (Portugal)Portuguese (Brazil)Italian (Italy)Indonesian (Indonesia)Hungarian (Hungary)Hindi (India)French (Switzerland)French (Belgium)French (France)Danish (Denmark)German (Switzerland)French (Canada).

Ezek a többnyelvű hangok nem támogatják teljes mértékben az SSML bizonyos elemeit, például a törést, a kiemelést, a csendet és az alelemeket.

Fontos

A en-US-JennyMultilingualV2Neural hang ideiglenesen nyilvános előzetes verzióban érhető el, kiértékelési célokra. A jövőben el lesz távolítva.

Ahhoz, hogy az angoltól eltérő nyelven tudjon beszélni, a hang jelenlegi implementálásához en-US-JennyMultilingualNeural be kell állítania az <lang xml:lang> elemet. Arra számítunk, hogy a 2023. negyedik negyedévi naptári évben a en-US-JennyMultilingualNeural hang frissülni fog, hogy az elem nélkül <lang xml:lang> beszéljen a bemeneti szöveg nyelvén. Ez paritásos lesz a en-US-JennyMultilingualV2Neural hanggal.

Új funkciók bevezetése a nyilvános előzetes verzióban az alábbi hangokhoz:

• Hozzáadott latin bemenet a szerb (Szerbia) sr-RS hangok: sr-latn-RS-SophieNeural és sr-latn-RS-NicholasNeural.
• Hozzáadott angol kiejtés támogatása albán (Albán) sq-AL hangok: sq-AL-AnilaNeural és sq-AL-IlirNeural.

2023. májusi kiadás

Hanganyag létrehozása

• Minden előre összeállított hang beszédstílusokkal és többstílusú egyéni hangokkal támogatja a stílusok fokának módosítását.
• Most már kijavíthatja egy szó kiejtését a szó kimondásával és rögzítésével. A telefonhangok automatikusan felismerhetők a felvételről. A Felismerés beszédfelismerés funkció mostantól nyilvános előzetes verzióban érhető el.

2023. áprilisi kiadás

Előre összeállított neurális TTS-hangok

• Ezeknek a hangoknak a következő funkciói átkerültek a nyilvános előzetes verzióról a ga-ra:

Stílus	Szöveg és beszédhangok
style="chat"	en-GB-RyanNeural, es-MX-JorgeNeuralés it-IT-IsabellaNeural
style="vidám"	en-GB-RyanNeural, en-GB-SoniaNeural, es-MX-JorgeNeural, fr-FR-DeniseNeural, fr-FR-HenriNeuralés it-IT-IsabellaNeural
style="sad"	en-GB-SoniaNeural, fr-FR-DeniseNeural és fr-FR-HenriNeural

• Az angol kiejtés hi-INta-INte-IN javítása a nyilvános előzetes verziójú régiókban

További információkért tekintse meg a nyelv és a hanglistát.

2023. márciusi kiadás

Új funkciók

A Beszédszintézis korrektúranyelv (SSML) frissül, hogy támogassa a hangeffektus-feldolgozó elemeket, amelyek optimalizálják a szintetizált beszédkimenet minőségét az eszközök adott forgatókönyveihez. További információ a beszédszintézis korrektúrákról.

Egyéni neurális hang

Az egyéni neurális hang pro használatával támogatott a nl-BE területi beállítás. További információért tekintse meg a teljes nyelvet és a hanglistát .

Előre összeállított neurális TTS-hangok

A következő hangok már általánosan elérhetők. További információért tekintse meg a teljes nyelvet és a hanglistát .

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
en-AU	Angol (Ausztrália)	en-AU-AnnetteNeural (Nő) en-AU-CarlyNeural (Nő) en-AU-DarrenNeural (Férfi) en-AU-DuncanNeural (Férfi) en-AU-ElsieNeural (Nő) en-AU-FreyaNeural (Nő) en-AU-JoanneNeural (Nő) en-AU-KenNeural (Férfi) en-AU-KimNeural (Nő) en-AU-NeilNeural (Férfi) en-AU-TimNeural (Férfi) en-AU-TinaNeural (Nő) en-AU-WilliamNeural (Férfi)
en-GB	Angol (Egyesült Királyság)	en-GB-RyanNeural (Férfi) en-GB-SoniaNeural (Nő)
es-ES	Spanyol (Spanyolország)	es-ES-AbrilNeural (Nő) es-ES-ArnauNeural (Férfi) es-ES-DarioNeural (Férfi) es-ES-EliasNeural (Férfi) es-ES-EstrellaNeural (Nő) es-ES-IreneNeural (Nő) es-ES-LaiaNeural (Nő) es-ES-LiaNeural (Nő) es-ES-NilNeural (Férfi) es-ES-SaulNeural (Férfi) es-ES-TeoNeural (Férfi) es-ES-TrianaNeural (Nő) es-ES-VeraNeural (Nő)
es-MX	Spanyol (Mexikó)	es-MX-JorgeNeural (Férfi)
fr-FR	Francia (Franciaország)	fr-FR-HenriNeural (Férfi)
it-IT	Olasz (Olaszország)	it-IT-IsabellaNeural (Nő)
ja-JP	Japán (Japán)	ja-JP-AoiNeural (Nő) ja-JP-DaichiNeural (Férfi) ja-JP-MayuNeural (Nő) ja-JP-NaokiNeural (Férfi) ja-JP-ShioriNeural (Nő)

A stílus támogatása a cheerful hanggal de-DE-ConradNeural együtt.

2023. februári kiadás

Előre összeállított neurális TTS-hangok

A következő hangok már általánosan elérhetők. További információért tekintse meg a teljes nyelvet és a hanglistát .

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
zh-CN	Kínai (mandarin, egyszerűsített)	zh-CN-XiaomengNeural (Nő) zh-CN-XiaoyiNeural (Nő) zh-CN-XiaozhenNeural (Nő) zh-CN-YunfengNeural (Férfi) zh-CN-YunhaoNeural (Férfi) zh-CN-YunjianNeural (Férfi) zh-CN-YunxiaNeural (Férfi) zh-CN-YunzeNeural (Férfi)
zh-CN-henan	Kínai (Zhongyuan Mandarin Henan, egyszerűsített)	zh-CN-henan-YundengNeural (Férfi)

2022. decemberi kiadás

Batch-szintézis REST API (előzetes verzió)

A Batch szintézis API jelenleg nyilvános előzetes verzióban érhető el. Miután általánosan elérhetővé válik, a Long Audio API elavult. További információ: Migrálás kötegelt szintézis API-ba.

2022. novemberi kiadás

Előre összeállított neurális TTS-hangok (GA)

A következő hangok már általánosan elérhetők. További információért tekintse meg a teljes nyelvet és a hanglistát .

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
es-MX	Spanyol (Mexikó)	es-MX-BeatrizNeural (Nő) es-MX-CandelaNeural (Nő) es-MX-CarlotaNeural (Nő) es-MX-CecilioNeural (Férfi) es-MX-GerardoNeural (Férfi) es-MX-LarissaNeural (Nő) es-MX-LibertoNeural (Férfi) es-MX-LucianoNeural (Férfi) es-MX-MarinaNeural (Nő) es-MX-NuriaNeural (Nő) es-MX-PelayoNeural (Férfi) es-MX-RenataNeural (Nő) es-MX-YagoNeural (Férfi)
it-IT	Olasz (Olaszország)	it-IT-BenignoNeural (Férfi) it-IT-CalimeroNeural (Férfi) it-IT-CataldoNeural (Férfi) it-IT-FabiolaNeural (Nő) it-IT-FiammaNeural (Nő) it-IT-GianniNeural (Férfi) it-IT-ImeldaNeural (Nő) it-IT-IrmaNeural (Nő) it-IT-LisandroNeural (Férfi) it-IT-PalmiraNeural (Nő) it-IT-PierinaNeural (Nő) it-IT-RinaldoNeural (Férfi)
pt-BR	Portugál (Brazília)	pt-BR-BrendaNeural (Nő) pt-BR-DonatoNeural (Férfi) pt-BR-ElzaNeural (Nő) pt-BR-FabioNeural (Férfi) pt-BR-GiovannaNeural (Nő) pt-BR-HumbertoNeural (Férfi) pt-BR-JulioNeural (Férfi) pt-BR-LeilaNeural (Nő) pt-BR-LeticiaNeural (Nő) pt-BR-ManuelaNeural (Nő) pt-BR-NicolauNeural (Férfi) pt-BR-ValerioNeural (Férfi) pt-BR-YaraNeural (Nő)

Egyéni neurális hang

Az egyéni neurális hanghoz a következő területi támogatás lesz hozzáadva. További információért tekintse meg a teljes nyelvet és a hanglistát .

• Az egyéni neurális hangú Pro-val kiegészített területi beállítás támogatása fr-BE .
• Az egyéni neurális hanggal kiegészített területi beállítás támogatása es-ES .

2022. októberi kiadás

Előre összeállított neurális TTS-hangok (GA)

A következő hangok már általánosan elérhetők. További információért tekintse meg a teljes nyelvet és a hanglistát .

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
eu-ES	Baszk	eu-ES-AinhoaNeural (Nő) eu-ES-AnderNeural (Férfi)
hy-AM	örmény (Örményország)	hy-AM-AnahitNeural (Nő) hy-AM-HaykNeural (Férfi)

Előre összeállított neurális TTS-hangok (előzetes verzió)

Az alábbi hangok mostantól nyilvános előzetes verzióban érhetők el. További információért tekintse meg a teljes nyelvet és a hanglistát .

Területi beállítás (BCP-47)	Nyelv	Szöveg és beszédhangok
en-AU	Angol (Ausztrália)	en-AU-AnnetteNeural(Nő) en-AU-CarlyNeural(Nő) en-AU-DarrenNeural(Férfi) en-AU-DuncanNeural(Férfi) en-AU-ElsieNeural(Nő) en-AU-FreyaNeural(Nő) en-AU-JoanneNeural(Nő) en-AU-KenNeural(Férfi) en-AU-KimNeural(Nő) en-AU-NeilNeural(Férfi) en-AU-TimNeural(Férfi) en-AU-TinaNeural(Nő)
es-ES	Spanyol (Spanyolország)	es-ES-AbrilNeural(Nő) es-ES-AlvaroNeural(Férfi) es-ES-ArnauNeural(Férfi) es-ES-DarioNeural(Férfi) es-ES-EliasNeural(Férfi) es-ES-EstrellaNeural(Nő) es-ES-IreneNeural(Nő) es-ES-LaiaNeural(Nő) es-ES-LiaNeural(Nő) es-ES-NilNeural(Férfi) es-ES-SaulNeural(Férfi) es-ES-TeoNeural(Férfi) es-ES-TrianaNeural(Nő) es-ES-VeraNeural(Nő)
ja-JP	Japán (Japán)	ja-JP-AoiNeural(Nő) ja-JP-DaichiNeural(Férfi) ja-JP-MayuNeural(Nő) ja-JP-NaokiNeural(Férfi) ja-JP-ShioriNeural(Nő)
ko-KR	Koreai (Dél-Korea)	ko-KR-BongJinNeural(Férfi) ko-KR-GookMinNeural(Férfi) ko-KR-JiMinNeural(Nő) ko-KR-SeoHyeonNeural(Nő) ko-KR-SoonBokNeural(Nő) ko-KR-YuJinNeural(Nő)
wuu-CN	Kínai (Wu, egyszerűsített)	wuu-CN-XiaotongNeural (Nő) wuu-CN-YunzheNeural (Férfi)
yue-CN	Kínai (kantoni, egyszerűsített)	yue-CN-XiaoMinNeural (Nő) yue-CN-YunSongNeural (Férfi)

Általános TTS-hangfrissítések

• Jobb minőség a hangok és fil-PH-BlessicaNeural a fil-PH-AngeloNeural hangok számára.
• A szöveg normalizálási szabályai a spanyol (Chile) és uz-UZ az üzbég (Üzbegisztán) területi beállításokkal es-CL frissülnek.
• Az albán (Albánia) és az-AZ az sq-AL azerbajdzsáni (Azerbajdzsán) területi beállításokkal ellátott hangokhoz angol betűket adtak hozzá.
• Továbbfejlesztett angol kiejtés a zh-HK-WanLungNeural hanghoz.
• Továbbfejlesztett kérdéshang a hangokhoz és pt-BR-AntonioNeural a nl-NL-MaartenNeural hangokhoz.
• A címke támogatása a <lang ="en-US"> jobb angol kiejtéshez a következő hangokkal: de-DE-ConradNeural, , de-DE-KatjaNeural, es-ES-AlvaroNeural, es-MX-DaliaNeural, es-MX-JorgeNeural, fr-CA-SylvieNeural, fr-FR-DeniseNeural, fr-FR-HenriNeuralit-IT-DiegoNeuralés it-IT-IsabellaNeural.
• A következő hangokkal bővült a style="chat" címke támogatása: en-GB-RyanNeural, es-MX-JorgeNeuralés it-IT-IsabellaNeural.
• A következő hangokkal bővült a style="cheerful" címke támogatása: en-GB-RyanNeural, en-GB-SoniaNeural, es-MX-JorgeNeural, fr-FR-DeniseNeural, fr-FR-HenriNeuralés it-IT-IsabellaNeural.
• A következő hangokkal bővült a style="sad" címke támogatása: en-GB-SoniaNeuralés fr-FR-DeniseNeuralfr-FR-HenriNeural.

2022. szeptemberi kiadás

Előre összeállított neurális TTS Voice

• Az előre összeállított neurális hangokat a rendszer 48kHz-es mintasebességgel frissítette a nagy megbízhatóságú hangokra.

2022. augusztusi kiadás

Előre összeállított neurális TTS Voice

Megjelentek az új hangok nyilvános előzetes verzióban:

• Hangok angol (Egyesült Államok): en-US-AIGenerate1Neural és en-US-AIGenerate2Neural.
• Hangok a kínai regionális nyelvekhez: zh-CN-henan-YundengNeural, zh-CN-shaanxi-XiaoniNeuralés zh-CN-shandong-YunxiangNeural.

További információkért tekintse meg a nyelv és a hanglistát.

2022. júliusi kiadás

Előre összeállított neurális TTS Voice

• 5 új kínai (mandarin, egyszerűsített) és 1 új angol (Egyesült Államok) hang zh-CNen-US került a nyilvános előzetes verzióba. Teljes nyelv és hanglista megtekintése.

Nyelv	Területi beállítás	Nem	Hangnév	Stílustámogatás
Kínai (mandarin, egyszerűsített)	zh-CN	Nő	zh-CN-XiaomengNeuralÚj	Általános, több stílus érhető el az SSML használatával
Kínai (mandarin, egyszerűsített)	zh-CN	Nő	zh-CN-XiaoyiNeuralÚj	Általános, több stílus érhető el az SSML használatával
Kínai (mandarin, egyszerűsített)	zh-CN	Nő	zh-CN-XiaozhenNeuralÚj	Általános, több stílus érhető el az SSML használatával
Kínai (mandarin, egyszerűsített)	zh-CN	Férfi	zh-CN-YunxiaNeuralÚj	Általános, több stílus érhető el az SSML használatával
Kínai (mandarin, egyszerűsített)	zh-CN	Férfi	zh-CN-YunzeNeuralÚj	Általános, több stílus érhető el az SSML használatával
Angol (Egyesült Államok)	en-US	Férfi	en-US-RogerNeuralÚj	Általános

• A hozzáadott neurális hangok támogatott stílusai és szerepkörei.

Hang	Stílusok	Stílusfok	Szerepkörök
zh-CN-XiaomengNeural Public preview	chat	Támogatott
zh-CN-XiaoyiNeural Public preview	affectionate, angry, cheerful, disgruntledembarrassed, fearful, gentle, , sadserious	Támogatott
zh-CN-XiaozhenNeural Public preview	angry, cheerful, disgruntled, fearfulsadserious	Támogatott
zh-CN-YunxiaNeural Public preview	angry, calm, cheerful, fearfulsad	Támogatott
zh-CN-YunzeNeural Public preview	angry, calm, cheerful, depresseddisgruntled, documentary-narration, fearful, , sadserious	Támogatott	Támogatott

Archelyzet lekérése a viseme használatával

• A 3D karakter arcmozdulatait az Ön által megtervezett 3D-s karakterek hajtóerőihez keverő alakzatok támogatása tette lehetővé. További információ az arc helyzetének a viseme használatával történő lekéréséről.
• Az SSML frissült, hogy támogassa a viseme elemet. Lásd a beszédszintézis korrektúrát.

2022. júniusi kiadás

Előre összeállított neurális TTS Voice

• 9 új nyelv és változat hozzáadva a neurális szöveghez a beszédhez:

Nyelv	Területi beállítás	Nem	Hangnév	Stílustámogatás
Arab (Libanon)	ar-LB	Nő	ar-LB-LaylaNeuralÚj	Általános
Arab (Libanon)	ar-LB	Férfi	ar-LB-RamiNeuralÚj	Általános
Arab (Omán)	ar-OM	Nő	ar-OM-AyshaNeuralÚj	Általános
Arab (Omán)	ar-OM	Férfi	ar-OM-AbdullahNeuralÚj	Általános
Azerbajdzsáni (Azerbajdzsán)	az-AZ	Nő	az-AZ-BabekNeuralÚj	Általános
Azerbajdzsáni (Azerbajdzsán)	az-AZ	Férfi	az-AZ-BanuNeuralÚj	Általános
Bosnyák (Bosznia-Hercegovina)	bs-BA	Nő	bs-BA-VesnaNeuralÚj	Általános
Bosnyák (Bosznia-Hercegovina)	bs-BA	Férfi	bs-BA-GoranNeuralÚj	Általános
grúz (Georgia)	ka-GE	Nő	ka-GE-EkaNeuralÚj	Általános
grúz (Georgia)	ka-GE	Férfi	ka-GE-GiorgiNeuralÚj	Általános
Mongol (Mongólia)	mn-MN	Nő	mn-MN-YesuiNeuralÚj	Általános
Mongol (Mongólia)	mn-MN	Férfi	mn-MN-BataaNeuralÚj	Általános
Nepáli (Nepál)	ne-NP	Nő	ne-NP-HemkalaNeuralÚj	Általános
Nepáli (Nepál)	ne-NP	Férfi	ne-NP-SagarNeuralÚj	Általános
Albán (Albánia)	sq-AL	Nő	sq-AL-AnilaNeuralÚj	Általános
Albán (Albánia)	sq-AL	Férfi	sq-AL-IlirNeuralÚj	Általános
Tamil (Malajzia)	ta-MY	Nő	ta-MY-KaniNeuralÚj	Általános
Tamil (Malajzia)	ta-MY	Férfi	ta-MY-SuryaNeuralÚj	Általános

• GA 36 hangok az angol (Egyesült Királyság), fr-FR francia (Franciaország) és de-DE német (Németország) nyilvános előzetes verziójábólen-GB:

Nyelv	Területi beállítás	Nem	Hangnév	Stílustámogatás
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-AbbiNeural	Általános
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-BellaNeural	Általános
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-HollieNeural	Általános
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-MaisieNeural	Általános, gyermekhang
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-OliviaNeural	Általános
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-SoniaNeural	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-AlfieNeural	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-ElliotNeural	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-EthanNeural	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-NoahNeural	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-OliverNeural	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-ThomasNeural	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-BrigitteNeural	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-CelesteNeural	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-CoralieNeural	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-EloiseNeural	Általános, gyermekhang
Francia (Franciaország)	fr-FR	Nő	fr-FR-JacquelineNeural	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-JosephineNeural	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-YvetteNeural	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-AlainNeural	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-ClaudeNeural	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-JeromeNeural	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-MauriceNeural	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-YvesNeural	Általános
Német (Németország)	de-DE	Nő	de-DE-AmalaNeural	Általános
Német (Németország)	de-DE	Nő	de-DE-ElkeNeural	Általános
Német (Németország)	de-DE	Nő	de-DE-GiselaNeural	Általános, gyermekhang
Német (Németország)	de-DE	Nő	de-DE-KlarissaNeural	Általános
Német (Németország)	de-DE	Nő	de-DE-LouisaNeural	Általános
Német (Németország)	de-DE	Nő	de-DE-MajaNeural	Általános
Német (Németország)	de-DE	Nő	de-DE-TanjaNeural	Általános
Német (Németország)	de-DE	Férfi	de-DE-BerndNeural	Általános
Német (Németország)	de-DE	Férfi	de-DE-ChristophNeural	Általános
Német (Németország)	de-DE	Férfi	de-DE-KasperNeural	Általános
Német (Németország)	de-DE	Férfi	de-DE-KillianNeural	Általános
Német (Németország)	de-DE	Férfi	de-DE-KlausNeural	Általános
Német (Németország)	de-DE	Férfi	de-DE-RalfNeural	Általános

• 40 új spanyol es-MX (Mexikó), olasz (Olaszország), it-ITpt-BR portugál (Brazília) és 2 ékezetes zh-CN kínai (mandarin, egyszerűsített) a nyilvános előzetes verzióban:

Nyelv	Területi beállítás	Nem	Hangnév	Stílustámogatás
Spanyol (Mexikó)	es-MX	Nő	es-MX-BeatrizNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Nő	es-MX-CarlotaNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Nő	es-MX-NuriaNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Nő	es-MX-RenataNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Nő	es-MX-LarissaNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Nő	es-MX-CandelaNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Nő	es-MX-MarinaNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Nő	it-IT-FiammaNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Nő	it-IT-IrmaNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Nő	it-IT-FabiolaNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Nő	it-IT-PalmiraNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Nő	it-IT-ImeldaNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Nő	it-IT-PierinaNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Nő	pt-BR-ElzaNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Nő	pt-BR-ManuelaNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Nő	pt-BR-BrendaNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Nő	pt-BR-LeilaNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Nő	pt-BR-YaraNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Nő	pt-BR-GiovannaNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Nő	pt-BR-LeticiaNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Férfi	es-MX-CecilioNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Férfi	es-MX-LibertoNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Férfi	es-MX-LucianoNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Férfi	es-MX-PelayoNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Férfi	es-MX-YagoNeuralÚj	Általános
Spanyol (Mexikó)	es-MX	Férfi	es-MX-GerardoNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Férfi	it-IT-BenignoNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Férfi	it-IT-CataldoNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Férfi	it-IT-LisandroNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Férfi	it-IT-CalimeroNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Férfi	it-IT-RinaldoNeuralÚj	Általános
Olasz (Olaszország)	it-IT	Férfi	it-IT-GianniNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Férfi	pt-BR-DonatoNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Férfi	pt-BR-HumbertoNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Férfi	pt-BR-FabioNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Férfi	pt-BR-JulioNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Férfi	pt-BR-ValerioNeuralÚj	Általános
Portugál (Brazília)	pt-BR	Férfi	pt-BR-NicolauNeuralÚj	Általános
Kínai (mandarin, egyszerűsített)	zh-CN-sichuan	Férfi	zh-CN-sichuan-YunxiSichuanNeuralÚj	Általános, szecsuáni ékezet
Kínai (mandarin, egyszerűsített)	zh-CN-liaoning	Nő	zh-CN-liaoning-XiaobeiNeuralÚj	Általános, Liaoning ékezet

• Továbbfejlesztett minőség a en-SG-LunaNeuralen-SG-WayneNeural
• 48kHz-es kimeneti támogatás nyilvános előzetes verzióhoz en-US-JennyNeural, en-US-AriaNeural és zh-CN-XiaoxiaoNeural

Egyéni neurális hang

• Engedélyezve van az online adatproblémák megoldásához. További információ az adatproblémák a Speech Studióban való megoldásáról.
• A betanítási recept verziója hozzáadva. További információ a hangmodell betanítási receptverziójának kiválasztásáról.

Hangtartalom-létrehozási eszköz

• Támogatott lapozás.
• A munkahelyi fájllapon engedélyezve van a globális rendezés név, fájltípus és frissítési idő szerint.

2022. májusi kiadás

Előre összeállított neurális TTS Voice

• Megjelent 5 új hang nyilvános előzetes verzióban több stílussal, hogy gazdagítsa a változatosságot az amerikai angol nyelven. Teljes nyelv és hanglista megtekintése.
• Támogatja ezeket az új stílusokat Angry, Excited, Friendly, Hopeful, Sad, Shouting, , Unfriendlyés TerrifiedWhispering a nyilvános előzetes verzióban.en-US-AriaNeural
• Támogatja ezeket az új stílusokat Angry, Cheerful, Excited, Friendly, Hopeful, Sad, Shouting, , Unfriendly, és TerrifiedWhispering a nyilvános előzetes verzióban a en-US-GuyNeural, en-US-JennyNeural.
• Támogatja ezeket az új stílusokat Excited, Friendly, Hopeful, Shouting, Unfriendlyés TerrifiedWhispering a nyilvános előzetes verzióban.en-US-SaraNeural Hangstílusok és szerepkörök megtekintése.
• Megjelentek zh-CN-YunjianNeuralaz új hangok, zh-CN-YunhaoNeuralés zh-CN-YunfengNeural nyilvános előzetes verzióban. Teljes nyelv és hanglista megtekintése.
• 2 új stílus sports-commentarytámogatása nyilvános sports-commentary-excited előzetes verzióban a következőhöz zh-CN-YunjianNeural: . Hangstílusok és szerepkörök megtekintése.
• 1 új stílus advertisement-upbeat támogatása nyilvános előzetes verzióban a következőhöz zh-CN-YunhaoNeural: . Hangstílusok és szerepkörök megtekintése.
• A cheerful stílusok és sad stílusok fr-FR-DeniseNeural általában minden régióban elérhetők.
• Az SSML frissült, hogy támogassa az en-US és az en-AU-hangok MathML-elemeit. További információ a beszédszintézis korrektúrákról.

Egyéni neurális hang

• Engedélyezve van a betanítás megszakítása a hangmodell betanítása során. További információ a betanítás megszakításáról.
• Engedélyezve van a modell klónozása (a hangmodell átnevezése). További információ a hangmodell átnevezéséről.
• Saját tesztszkript hozzáadásával tesztelheti a hangmodellt. További információ a tesztszkript feltöltéséről.
• Engedélyezve van a hangmodell motorverziójának frissítése. További információ a modellmotor verziójának frissítéséről.
• Támogatott további képzési régiók. Lásd a régiótámogatást.
• Támogatott 10 területi beállítás az egyéni neurális hangalapú lite (előzetes verzió) esetében. Lásd: nyelvi támogatás.

Hangtartalom-létrehozási eszköz

• Bejelentkezés nélkül is kipróbálhatja a Hangtartalom létrehozása eszközt.
• Továbbfejlesztett elrendezés a telefonhangok beállításához.
• Megnövelt teljesítmény: Meghatározta az egyszerre feltöltendő fájlok maximális számát (200).
• Nagyobb teljesítmény: A címtár maximális mélységi szintjét (5 szint) adta meg.

2022. márciusi kiadás

Előre összeállított neurális TTS Voice

• A nyilvános előzetes verzióban támogatottak a stílusok és Sad a Cheerful stílusokfr-FR-DeniseNeural. Hangstílusok és szerepkörök megtekintése.
• Felszabadított leválasztott tárolók az előre összeállított neurális TTS-hangokhoz nyilvános előzetes verzióban. Lásd: Docker-tárolók használata leválasztott környezetekben.

Egyéni neurális hang

• Támogatott szerepköralapú hozzáférés-vezérlés. További információ az Azure szerepköralapú hozzáférés-vezérléséről a Speech Studióban
• Támogatott privát végpontok és virtuális hálózati szolgáltatásvégpontok. További információ a privát végpontok beszédszolgáltatással való használatáról.

Hangtartalom-létrehozási eszköz

• Frissítette az ingyenes szintű (F0) erőforrások fájlméretét és egyidejűségi korlátját, hogy a felhasználói élmény összhangban legyen a Speech SDK-kkal és API-kkal. Lásd a beszédszolgáltatás kvótáinak és korlátainak megtekintését.

2022. februári kiadás

Egyéni neurális hang

• Megjelent az egyéni neurális hang lite nyilvános előzetes verzióban. További információ az egyéni neurális hangról.
• Kiterjesztett nyelvi támogatás 49 területi beállításra. Lásd: nyelvi támogatás.
• Támogatott további régiók/adatközpontok. Lásd a régiótámogatást.

Hangtartalom-létrehozási eszköz

• Eltávolította a hangfájlok letöltésének kimeneti hosszára vonatkozó korlátot.

2022. januári kiadás

Új nyelvek és hangok

10 új nyelv és változat hozzáadva a neurális szöveghez a beszédhez:

Nyelv	Területi beállítás	Nem	Hangnév	Stílustámogatás
Bengáli (India)	bn-IN	Nő	bn-IN-TanishaaNeuralÚj	Általános
Bengáli (India)	bn-IN	Férfi	bn-IN-BashkarNeuralÚj	Általános
Izlandi (Izland)	is-IS	Nő	is-IS-GudrunNeuralÚj	Általános
Izlandi (Izland)	is-IS	Férfi	is-IS-GunnarNeuralÚj	Általános
kannada (India)	kn-IN	Nő	kn-IN-SapnaNeuralÚj	Általános
kannada (India)	kn-IN	Férfi	kn-IN-GaganNeuralÚj	Általános
kazah (Kazahsztán)	kk-KZ	Nő	kk-KZ-AigulNeuralÚj	Általános
kazah (Kazahsztán)	kk-KZ	Férfi	kk-KZ-DauletNeuralÚj	Általános
Lao (Laosz)	lo-LA	Nő	lo-LA-KeomanyNeuralÚj	Általános
Lao (Laosz)	lo-LA	Férfi	lo-LA-ChanthavongNeuralÚj	Általános
Macedón (Észak-Macedón Köztársaság)	mk-MK	Nő	mk-MK-MarijaNeuralÚj	Általános
Macedón (Észak-Macedón Köztársaság)	mk-MK	Férfi	mk-MK-AleksandarNeuralÚj	Általános
malajálam (India)	ml-IN	Nő	ml-IN-SobhanaNeuralÚj	Általános
malajálam (India)	ml-IN	Férfi	ml-IN-MidhunNeuralÚj	Általános
Pashto (Afganisztán)	ps-AF	Nő	ps-AF-LatifaNeuralÚj	Általános
Pashto (Afganisztán)	ps-AF	Férfi	ps-AF-GulNawazNeuralÚj	Általános
Szerb (Szerbia, cirill betűs)	sr-RS	Nő	sr-RS-SophieNeuralÚj	Általános
Szerb (Szerbia, cirill betűs)	sr-RS	Férfi	sr-RS-NicholasNeuralÚj	Általános
Sinhala (Sri Lanka)	si-LK	Nő	si-LK-ThiliniNeuralÚj	Általános
Sinhala (Sri Lanka)	si-LK	Férfi	si-LK-SameeraNeuralÚj	Általános

Az elérhető hangok teljes listáját a Nyelvi támogatás című témakörben találja.

Új hangok előzetes verzióban

Az en-GB, fr-FR és de-DE új hangokkal bővült előzetes verzióban:

Nyelv	Területi beállítás	Nem	Hangnév	Stílustámogatás
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-AbbiNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-BellaNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-HollieNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Nő	en-GB-OliviaNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Lány	en-GB-MaisieNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-AlfieNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-ElliotNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-EthanNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-NoahNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-OliverNeuralÚj	Általános
Angol (Egyesült Királyság)	en-GB	Férfi	en-GB-ThomasNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-BrigitteNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-CelesteNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-CoralieNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-JacquelineNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-JosephineNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Nő	fr-FR-YvetteNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Lány	fr-FR-EloiseNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-AlainNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-ClaudeNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-JeromeNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-MauriceNeuralÚj	Általános
Francia (Franciaország)	fr-FR	Férfi	fr-FR-YvesNeuralÚj	Általános
Német (Németország)	de-DE	Nő	de-DE-AmalaNeuralÚj	Általános
Német (Németország)	de-DE	Nő	de-DE-ElkeNeuralÚj	Általános
Német (Németország)	de-DE	Nő	de-DE-KlarissaNeuralÚj	Általános
Német (Németország)	de-DE	Nő	de-DE-LouisaNeuralÚj	Általános
Német (Németország)	de-DE	Nő	de-DE-MajaNeuralÚj	Általános
Német (Németország)	de-DE	Nő	de-DE-TanjaNeuralÚj	Általános
Német (Németország)	de-DE	Lány	de-DE-GiselaNeuralÚj	Általános
Német (Németország)	de-DE	Férfi	de-DE-BerndNeuralÚj	Általános
Német (Németország)	de-DE	Férfi	de-DE-ChristophNeuralÚj	Általános
Német (Németország)	de-DE	Férfi	de-DE-KasperNeuralÚj	Általános
Német (Németország)	de-DE	Férfi	de-DE-KillianNeuralÚj	Általános
Német (Németország)	de-DE	Férfi	de-DE-KlausNeuralÚj	Általános
Német (Németország)	de-DE	Férfi	de-DE-RalfNeuralÚj	Általános

Az elérhető hangok teljes listáját a Nyelvi támogatás című témakörben találja.

Kiejtés pontossága

• Továbbfejlesztett angol nyelvű kiejtés minden he-IL hanghoz.
• Jobb szószintű kiejtési pontosság és cs-CZda-DK.
• Továbbfejlesztett arab ékírás és héber Nikud kezelés.
• Továbbfejlesztett entitásolvasás a következőhöz: ja-JP

Speech Studio

• Egyéni neurális hang: engedélyezett további modelltesztelés a batch API használatával (hosszú hang API)
• Hangtartalom létrehozása: engedélyezett további kimeneti formátumok

2021. októberi kiadás

Új nyelvek és hangok

49 új nyelvet és 98 hangot adott hozzá a neurális szöveghez a beszédhez:

Adri Afrikaansban af-ZA (Dél-Afrika), Willem afrikaansban af-ZA (Dél-Afrika), Mekdes in am-ET Amharic (Etiópia), Ameha in am-ET Amharic (Etiópia), Fatima arabul ar-AE (Egyesült Arab Emírségek), Hamdan arabul ar-AE (Egyesült Arab Emírségek), Laila arabul ar-BH (Bahrein), Ali arabul ar-BH (Bahrein), Amina arabul ar-DZ (Algéria), Ismael arabul ar-DZ (Algéria), Rana arabul ar-IQ (Irak), Bassel arabul ar-IQ (Irak), Sana arabul ar-JO (Jordánia), Taim arabul ar-JO (Jordánia), Noura arabul ar-KW (Kuvait), fahed arabul ar-KW (Kuvait), Iman arabul ar-LY (Líbia), Omar arabul ar-LY (Líbia), Mouna arabul ar-MA (Marokkó), Jamal arabul ar-MA (Marokkó), Amal arabul ar-QA (Katar), Moaz arabul ar-QA (Katar), amany in ar-SY Arab (Szíria), Laith in ar-SY Arab (Szíria), Reem in ar-TN Arab (Tunézia), Hedi in ar-TN Arab (Tunézia), Maryam in ar-YE Arab (Jemen), Saleh arabul ar-YE (Jemen), Nabanita Banglában bn-BD (Banglades), Pradeep in bn-BD Bangla (Banglades), Asilia angolul en-KE (Kenya), Chilemba angolul en-KE (Kenya), Ezinne angolul en-NG (Nigéria), Abeo angolul en-NG (Nigéria), Imani angolul en-TZ (Tanzánia), Elimu angolul en-TZ (Tanzánia), Szófia spanyolul es-BO (Bolívia), Marcelo spanyolul es-BO (Bolívia), Catalina spanyolul es-CL (Chile), Lorenzo spanyolul es-CL (Chile), Maria in es-CR Spanyol (Costa Rica), Juan spanyolul es-CR (Costa Rica), Spanyol Belkys es-CU (Kuba), Spanyol Manuel es-CU (Kuba), Ramona spanyolul es-DO (Dominikai Köztársaság), Emilio spanyolul es-DO (Dominikai Köztársaság), Andrea spanyolul es-EC (Ecuador), Luis spanyolul es-EC (Ecuador), Teréz spanyolul es-GQ (Egyenlítői-Guinea), Javier spanyolul es-GQ (Egyenlítői-Guinea), Marta spanyolul es-GT (Guatemala), Andres spanyolul es-GT (Guatemala), Karla in es-HN Spanyol (Honduras), spanyolul Carlos es-HN (Honduras), Spanyolul Yolanda es-NI (Nicaragua), Federico spanyolul es-NI (Nicaragua), Margarita spanyolul es-PA (Panama), Roberto spanyolul es-PA (Panama), Camila spanyolul es-PE (Peru), Alex es-PE spanyolul (Peru), Karina spanyolul es-PR (Puerto Rico), Victor es-PR spanyolul (Puerto Rico), Tania spanyolul es-PY (Paraguay), Mario es-PY spanyolul (Paraguay), Lorena spanyolul es-SV (Salvador), Rodrigo in es-SV Spanyol (El Salvador), Valentina spanyolul es-UY (Uruguay), Mateo spanyolul es-UY (Uruguay), Paola spanyolul es-VE (Venezuela), Sebastian spanyolul es-VE (Venezuela), Dilara fa-IR perzsa (Irán), Farid fa-IR perzsa (Irán), Blessica fil-PH a Filipino (Fülöp-szigetek), Angelo a fil-PH Filipino (Fülöp-szigetek), Sabela gl-ES galíciai, Roi galíciai gl-ES , Siti in jv-ID Javanese (Indonézia), Dimas in jv-ID Javanese (Indonézia), Sreymom in km-KH Khmer (Kambodzsa), Piseth in km-KH Khmer (Kambodzsa), Nilar a my-MM Burmai (Mianmar), Thiha in my-MM Burmese (Mianmar), Ubax in so-SO Szomáliai (Szomália), Muuse in so-SO Szomáliai (Szomália), Tuti a su-ID sundanese (Indonézia), Jajang a su-ID szundanese (Indonézia), Rehema szuahéli sw-TZ (Tanzánia), Daudi szuahéli sw-TZ (Tanzánia), Saranya in ta-LK Tamil (Sri Lanka), Kumar in ta-LK Tamil (Sri Lanka), Venba in ta-SG Tamil (Szingapúr), Anbu in ta-SG Tamil (Szingapúr), Gul in ur-IN Urdu (India), Salman in ur-IN Urdu (India), Madina uz-UZ Üzbégben (Üzbegisztán), Sardor Üzbegisztánban uz-UZ (Üzbegisztán), Thando Zuluban zu-ZA (Dél-Afrika), Themba Zuluban zu-ZA (Dél-Afrika).

2021. szeptemberi kiadás

• Új csevegőrobot-hang angolul en-US (USA): Sara, egy fiatal női felnőttet képvisel, aki lazábban beszél, és a legjobban illik a csevegőrobot-forgatókönyvekhez.
• Új stílusok hozzáadva a ja-JP japán hang Nanami: Három új stílus már elérhető Nanami: csevegés, ügyfélszolgálat, és vidám.
• Általános kiejtési javulás: Ardi in id-ID, Premwadee in th-TH, Christel in da-DK, HoaiMy és NamMinh in vi-VN.
• Két új hang kínai nyelven (Mandarin, Kína) előzetes verzióbanzh-CN: Xiaochen &Xiaoyan, spontán beszédhez és ügyfélszolgálati forgatókönyvekhez optimalizálva.

2021. júliusi kiadás

Neurális szöveg és beszédfrissítések

• Héber nyelven 20%-kal csökkent a kiejtési hibák száma.

A Speech Studio frissítései

• Egyéni neurális hang: Frissítette a betanítási folyamatot UniTTSv3-ra, amellyel a modell minősége javult, míg az akusztikai modelleknél a betanítási idő 50%-kal csökkent.
• Hangtartalom létrehozása: Kijavítottuk az "Exportálás" teljesítményproblémát és az egyéni neurális hangkijelölés hibáját.

2021. júniusi kiadás

A Speech Studio frissítései

• Egyéni neurális hang: Az egyéni neurális hangképzést kiterjesztették Délkelet-Ázsia támogatására. Új funkciók jelentek meg az adatfeltöltés állapotellenőrzésének támogatásához.
• Hangtartalmak létrehozása: Új funkció jelent meg az egyéni lexikon támogatásához. Ezzel a funkcióval a felhasználók egyszerűen létrehozhatják a lexikonfájljaikat, és meghatározhatják a hangkimenethez tartozó testreszabott kiejtést.

2021. májusi kiadás

Új nyelvek és hangok hozzáadva a neurális TTS-hez

• Tíz új nyelv került bevezetésre – 20 új hang 10 új területi beállításban: Yan angolul en-HK (Hongkong), Sam en-HK angolul (Hongkong), Molly en-NZ angolul (Új-Zéland), Mitchell en-NZ angolul (Új-Zéland), Luna en-SG angolul (Szingapúr), Wayne en-SG angolul (Szingapúr), Leah en-ZA angolul (Dél-Afrika), Luke en-ZA angolul (Dél-Afrika), Dhwani gujarati gu-IN (India), Niranjan in gu-IN Gujarati (India), Aarohi in mr-IN Marathi (India), Manohar in mr-IN Marathi (India), Elena spanyolul es-AR (Argentína), Tomas es-AR spanyolul (Argentína), Salome es-CO spanyolul (Kolumbia), Gonzalo es-CO spanyolul (Kolumbia), Paloma es-US spanyolul (USA), Alonso es-US spanyolul (USA), Zuri szuahéli sw-KE (Kenya), Rafiki szuahéli sw-KE (Kenya).

• 11 új en-US hang előzetes verzióban – 11 új en-US hang kerül előzetes verzióban az amerikai angolhoz, ezek Ashley, Amber, Ana, Brandon, Christopher, Cora, Elizabeth, Eric, Michelle, Monica, Jacob.

• Általában öt zh-CN kínai (mandarin, egyszerűsített) hang érhető el – 5 kínai (mandarin, egyszerűsített) hang vált az előzetes verzióról általánosan elérhetőre. Ezek a következők: Yunxi, Xiaomo, Xiaoman, Xiaoxuan, Xiaorui. Ezek a hangok most már minden régióban elérhetők. A Yunxi új "asszisztens" stílussal bővül, amely alkalmas csevegőrobot és hangügynök számára. A Xiaomo hangstílusai természetesebbé és kiemeltebbé lettek finomítva.

2021. áprilisi kiadás

A neurális szövegfelolvasás 21 régióban érhető el

• Tizenkét új régió lett hozzáadva – Az új 12 régióban már elérhető a neurális szöveg: Japan East, , Korea CentralJapan West, North Central USSouth Central USWest US 2West EuropeUK SouthWest USNorth EuropeSoutheast Asiawest Central US. A 21 támogatott régió teljes listáját itt találja.

2021. márciusi kiadás

Új nyelvek és hangok hozzáadva a neurális TTS-hez

• Hat új nyelv lett bevezetve – 6 új nyelv 12 új hangja kerül fel a neurális TTS nyelvi listára: Nia in cy-GB Welsh (Egyesült Királyság), Aled in cy-GB Welsh (Egyesült Királyság), Rosa in Welsh (Egyesült Királyság), Rosa en-PH angolul (Fülöp-szigetek), James en-PH angolul (Fülöp-szigetek), Charline fr-BE francia (Belgium), Gerard fr-BE francia (Belgium), Dena nl-BE holland (Belgium), Arnaud nl-BE holland (Belgium), Polina uk-UA ukrán (Ukrajna), Ostap ukrán ( uk-UA Ukrajna), Uzma urdu ur-PK (Pakisztán), Asad in ur-PK Urdu (Pakisztán).

• Öt nyelv az előzetes verziótól a GA-ig – 10 hang 5 területi beállításban, amelyek novemberben jelentek meg: GA: Kert et-EE az észt (Észtország), Colm in ga-IE Irish (Írország), Nils in lv-LV Lett (Lettország), Leonas in lt-LT Litván (Litvánia), Joseph in mt-MT Maltese (Málta).

• Új férfi hang hozzáadva a francia (Kanada) - Egy új hang Antoine áll rendelkezésre a fr-CA francia (Kanada).

• Minőségjavítás - Kiejtési hibaarány csökkentése hu-HU magyar - 48,17%, nb-NO norvég - 52,76%, nl-NL holland (Hollandia) - 22,11%.

Ezzel a kiadással most összesen 142 neurális hangot támogatunk 60 nyelven/területi beállításban. Emellett több mint 70 standard hang érhető el 49 nyelven/területi beállításban. A teljes lista nyelvi támogatásának felkeresése.

Arcpóz-események lekérése karakterek animálásához

A neurális szövegfelolvasás mostantól magában foglalja a viseme eseményt. A Viseme-események lehetővé teszik, hogy a felhasználók a szintetizált beszéd mellett arcpózok sorozatát is megkapják. A Visemes a 2D és a 3D avatarmodellek mozgásának szabályozására használható, a szájmozgásoknak a szintetizált beszédhez való illesztéséhez. A Viseme-események jelenleg csak hangként en-US-AriaNeural érhetők el.

A könyvjelző elem hozzáadása a Speech Synthesis Markup Language (SSML) nyelvhez

A könyvjelzőelem lehetővé teszi egyéni jelölők beszúrását az SSML-be az egyes jelölők eltolásának lekéréséhez a hangstreamben. Segítségével hivatkozhat a szöveg vagy címkesorozat egy adott helyére.

2021. februári kiadás

Egyéni neurális hang – GA

Az egyéni neurális hang a GA februárban 13 nyelven: kínai (mandarin, egyszerűsített), angol (Ausztrália), angol (India), angol (Egyesült Királyság), angol (Egyesült Államok), francia (Kanada), francia (Franciaország), német (Németország), olasz (Olaszország), japán (Japán), koreai (Korea), portugál (Brazília), spanyol (Mexikó) és spanyol (Spanyolország). További információ az egyéni neurális hangról és annak felelősségteljes használatáról. Az egyéni neurális hangfunkció regisztrációt igényel, és a Microsoft a Microsoft jogosultsági feltételei alapján korlátozhatja a hozzáférést. További információ a korlátozott hozzáférésről.

2020. decemberi kiadás

Új neurális hangok a GA-ban és az előzetes verzióban

51 új hang jelent meg összesen 129 neurális hanghoz 54 nyelven/területi beállításban:

• 46 új hang a GA területi beállításaiban: Shakir arab nyelven ar-EG (Egyiptom), Hamed ar-SA arabul (Szaúd-Arábia), Boriszlav bg-BG bolgárul (Bulgária), Joana ca-ES a katalán, Antonin cs-CZ cseh nyelven (Cseh Köztársaság), Jeppe da-DK dánul (Dánia), Jonas de-AT németül (Ausztria), Jan de-CH németül (Svájc), Nestoras el-GR görög nyelven, Liam en-CA angolul (Kanada), Connor en-IE angolul (Írország), Madhur hindi en-IN (India), Mohan in en-IN Telugu (India), Prabhat angolul en-IN (India), Valluvar in en-IN Tamil (India), Enric es-ES in Katalán, Kert in et-EE Észt (Észtország), Harri fi-FI finn (Finnország), Selma fi-FI finn (Finnország), Fabrice fr-CH francia (Svájc), Colm in ga-IE Irish (Írország), Avri héber he-IL (Izrael), Srecko a hr-HR horvát (Horvátország), Tamás hu-HU magyar (Magyarország), Gadis id-ID indonéz (Indonézia), Leonas litván lt-LT (Litvánia), Nils in lv-LV Lett (Lettország), Osman maláj ms-MY (Malajzia), Joseph mt-MT a máltai (Málta), Finn a nb-NO norvég, Bokmål (Norvégia), Pernille norvégulnb-NO, Bokmål (Norvégia), Fenna nl-NL hollandul (Hollandia), Maarten nl-NL hollandul (Hollandia), Agnieszka pl-PL lengyelül (Lengyelország), Marek pl-PL lengyelül (Lengyelország), Portugál Duarte pt-BR (Brazília), Raquel pt-PT portugálul (Potugal), Emil ro-RO románul (Románia), Dmitry oroszul ru-RU (Oroszország), Szvetlana in ru-RU Orosz (Oroszország), Lukas szlovákul sk-SK (Szlovákia), Rok sl-SI szlovén (Szlovénia), Mattias sv-SE svéd (Svédország), Sofie sv-SE svéd (Svédország), Niwat thai th-TH (Thaiföld), Ahmet a tr-TR török (Türkiye), NamMinh vietnami vi-VN (Vietnam), HsiaoChen tajvani zh-TW mandarin (Tajvan), YunJhe zh-TW tajvani mandarin (Tajvan), HiuMaan a zh-HK kínai kantoni (Hongkong speciális Rendszergazda istrative régió), WanLung a zh-HK Kínai kantoni (Hong Kong SAR).

• 5 új hang az előzetes verzióban: Kert az et-EE észt (Észtország), Colm in ga-IE Irish (Írország), Nils in lv-LV Lett (Lettország), Leonas in lt-LT Litván (Litvánia), Joseph in mt-MT Maltese (Málta).

Ezzel a kiadással most összesen 129 neurális hangot támogatunk 54 nyelven/területi beállításban. Emellett több mint 70 standard hang érhető el 49 nyelven/területi beállításban. A teljes lista nyelvi támogatásának felkeresése.

Frissítések hangtartalmak létrehozásához

• Továbbfejlesztett hangkijelölési felhasználói felület hangkategóriákkal és részletes hangleírásokkal.
• Az összes neurális hang hangjának engedélyezett hangolása különböző nyelveken.
• A felhasználói felület honosításának automatizálása a böngésző nyelve alapján.
• StyleDegree Engedélyezett vezérlők az összes zh-CN neurális hanghoz. Az új funkciók megtekintéséhez látogasson el a Hangtartalom létrehozása eszközre .

Frissítések zh-CN-hangokhoz

• Frissítette az összes zh-CN neurális hangot, hogy támogassa az angol nyelvet.
• Az összes zh-CN neurális hang engedélyezve van az intonáció beállításának támogatásához. Az SSML- vagy hangtartalom-létrehozási eszköz a legjobb intonációhoz igazítható.
• Az irányítás támogatásához StyleDegree frissítette az összes zh-CN többstílusú neurális hangot. Az érzelem intenzitása (puha vagy erős) állítható.
• Frissítve zh-CN-YunyeNeural , hogy több stílust is támogatjon, amelyek különböző érzelmeket képesek végrehajtani.

2020. novemberi kiadás

Új területi beállítások és hangok előzetes verzióban

• Öt új hang és nyelv kerül bevezetésre a neurális szöveg és a beszédportfólió között. Ezek a következők: Grace a máltai (Málta), Ona litván (Litvánia), Anu az észt (Észtország), Orla ír (Írország) és Everita lett (Lettország).
• Öt új zh-CN hang több stílussal és szerepkörrel: Xiaohan, Xiaomo, Xiaorui, Xiaoxuan és Yunxi.

Ezek a hangok nyilvános előzetes verzióban érhetők el három Azure-régióban: EastUS, SouthEastAsia és WestEurope.

Neurális szöveg a beszédhez Tároló – GA

• A Neurális szöveg és a Speech Container használatával a fejlesztők a legtermészetesebb digitális hangokkal futtathatják a beszédszintézist a saját környezetükben a konkrét biztonsági és adatszabályozási követelmények érdekében. Ellenőrizze , hogyan telepítheti a Speech Containerst.

Új funkciók

• Egyéni hang: lehetővé teszi a felhasználók számára, hogy hangmodellt másoljanak az egyik régióból a másikba; támogatott végpontfelfüggesztés és folytatás. Lépjen ide a portálra .
• Az SSML csöndcímke támogatása.
• Általános TTS-hangminőség-fejlesztések: Jobb szószintű kiejtési pontosság az nb-NO-ban. Csökkentett 53%-os kiejtési hiba.

További információkért olvassa el ezt a tech blogot.

2020. októberi kiadás

Új funkciók

• Jenny egy új newscast stílust támogat. Megtudhatja , hogyan használhatja a beszédstílusokat az SSML-ben.
• A neurális hangok hiFiNet vocoderra frissülnek, nagyobb hanghűséggel és gyorsabb szintézisi sebességgel. Ez azoknak az ügyfeleknek nyújt előnyöket, akiknek a forgatókönyve a hi-fi hangra vagy a hosszú interakciókra támaszkodik, beleértve a videó szinkronizálását, a hangoskönyveket vagy az online oktatási anyagokat. További információ a történetről, és hallhatja a hangmintákat a technikai közösség blogján
• Egyéni hang - és hangtartalom-létrehozási studio 17 területi beállításra honosítva. A felhasználók egyszerűen válthatnak a felhasználói felületre egy helyi nyelvre a barátságosabb élmény érdekében.
• Hangtartalom létrehozása: A XiaoxiaoNeural stílusdiplomácia-vezérlése hozzáadva; Finomítottuk a testreszabott törés funkciót, hogy 50ms növekményes töréseket tartalmazzon.

Általános TTS hangminőség-fejlesztések

• Jobb szószintű kiejtési pontosság pl-PL (hibaarány csökkentése: 51%) és fi-FI (hibaarány csökkentése: 58%)
• Továbbfejlesztett ja-JP egyszavas olvasás a szótárforgatókönyvben. A kiejtési hiba 80%-kal csökkent.
• zh-CN-XiaoxiaoNeural: Továbbfejlesztett hangulat/CustomerService/Newscast/Vidám/Dühös stílusú hangminőség.
• zh-CN: Továbbfejlesztett Erhua kiejtés és világos tónusú és kifinomult tér prosodia, ami jelentősen javítja az érthetőséget.

2020. szeptemberi kiadás

Új funkciók

• Neurális szöveg beszédre

  • 18 új nyelv/területi beállítás támogatása. Ezek a következők: bolgár, cseh, német (Ausztria), német (Svájc), görög, angol (Írország), francia (Svájc), héber, horvát, magyar, indonéz, maláj, román, szlovák, szlovén, tamil, telugu és vietnami.
  • 14 új hang jelent meg, hogy a meglévő nyelvek változatosságát bővítse. Teljes nyelv és hanglista megtekintése.
  • Új beszédstílusok és en-USzh-CN hangok. Jenny, az új hang angolul (USA) támogatja a csevegőrobot, az ügyfélszolgálat és az asszisztens stílusokat. 10 új beszédstílus érhető el zh-CN hangunkkal, a XiaoXiao-val. Emellett a XiaoXiao neurális hang támogatja a StyleDegree hangolást. Megtudhatja , hogyan használhatja a beszédstílusokat az SSML-ben.

• Tárolók: A nyilvános előzetes verzióban megjelent neurális szöveg–beszéd tároló 14 nyelven elérhető 16 hanggal. További információ a beszédkonténerek neurális szövegek beszédre történő üzembe helyezéséről

Olvassa el az Ignite 2020 TTS-frissítéseinek teljes bejelentését

2020. augusztusi kiadás

Új funkciók

• Neurális szövegfelolvasás: új beszédstílus az Aria-hanghozen-US. Az AriaNeural úgy hangzik, mint egy híradó, amikor híreket olvas. A "newscast-formal" stílus komolyabban hangzik, míg a "newscast-casual" stílus nyugodtabb és informálisabb. Megtudhatja , hogyan használhatja a beszédstílusokat az SSML-ben.

• Egyéni hang: egy új funkció jelenik meg, amely automatikusan ellenőrzi a betanítási adatok minőségét. Az adatok feltöltésekor a rendszer megvizsgálja a hang- és átiratadatok különböző aspektusait, és automatikusan kijavítja vagy szűri a problémákat a hangmodell minőségének javítása érdekében. Ez magában foglalja a hang hangerejét, a zajszintet, a beszéd kiejtési pontosságát, a beszéd normalizált szöveggel való igazítását, a hang csendjét a hang- és szkriptformátum mellett.

• Hangtartalmak létrehozása: új funkciók halmaza, amelyek hatékonyabb hanghangolást és hangkezelési képességeket tesznek lehetővé.

  • Kiejtés: a kiejtés finomhangolási funkciója a legújabb telefonkészletre frissül. Kiválaszthatja a megfelelő fonomelemet a kódtárból, és finomíthatja a kijelölt szavak kiejtését.

  • Letöltés: A "Letöltés"/"Exportálás" hangfunkció a bekezdések szerinti hanggenerálás támogatásához van továbbfejlesztve. Ugyanabban a fájlban/SSML-ben szerkesztheti a tartalmat, miközben több hangkimenetet hoz létre. A "Letöltés" fájlstruktúrája is finomított. Most egyszerűen lekérheti az összes hangfájlt egy mappába.

  • Feladat állapota: Javult a többfájlos exportálási felület. Ha korábban több fájlt exportált, ha az egyik fájl sikertelen volt, a teljes feladat meghiúsul. Most azonban az összes többi fájl exportálása sikeresen megtörtént. A tevékenységjelentés részletesebb és strukturáltabb információkkal bővül. A jelentéssel most már ellenőrizheti az összes sikertelen fájl és mondat naplóit.

  • SSML-dokumentáció: az SSML-dokumentumhoz csatolva segít ellenőrizni az összes hangolási funkció használatának szabályait.

• A Voice List API frissül, hogy tartalmazzon egy felhasználóbarát megjelenítendő nevet és a neurális hangokhoz támogatott beszédstílusokat.

Általános TTS hangminőség-fejlesztések

• Csökkent a szószintű kiejtési hiba %-a ru-RU (a hibák 56%-kal csökkentek) és sv-SE (a hibák száma 49%-kal csökkent)

• Továbbfejlesztett többszószós szóolvasás neurális hangokon en-US 40%-kal. A többszószós szavak közé tartozik például az "olvasás", az "élő", a "tartalom", a "rekord", az "objektum" stb.

• Javítottuk a kérdés hangnemének természetességét a fr-FR. MOS (Mean Opinion Score) nyereség: +0,28

• Frissítette a következő hangkódolókat a hűség javítása és az általános teljesítmény 40%-os felgyorsításával.

  Területi beállítás	Hang
  en-GB	Mia
  es-MX	Dalia
  fr-CA	Sylvie
  fr-FR	Denise
  ja-JP	Nanami
  ko-KR	Sun-Hi

Hibajavítások

• Kijavítottunk néhány hibát a Hangtartalom létrehozása eszközzel
  • Kijavítottuk az automatikus frissítéssel kapcsolatos problémát.
  • Kijavítottuk a zh-CN hangstílusaival kapcsolatos problémákat a délkelet-ázsiai régióban.
  • Kijavítottuk a stabilitási hibát, beleértve a "törés" címkével kapcsolatos exportálási hibát és az írásjelek hibáit.

Beszédszöveg-szolgáltatás

2024. áprilisi kiadás

Automatikus többnyelvű beszédfordítás (előzetes verzió)

Az automatikus többnyelvű beszédfordítás nyilvános előzetes verzióban érhető el. Ez az innovatív funkció forradalmasítja a nyelvi akadályok leküzdését, és páratlan képességeket kínál a különböző nyelvi tájak közötti zökkenőmentes kommunikációhoz.

Főbb kiemelések

• Meghatározatlan beviteli nyelv: A többnyelvű beszédfordítás számos nyelven képes hangokat fogadni, és nem kell megadni, hogy mi a várt bemeneti nyelv. Ez felbecsülhetetlen értékű funkcióvá teszi a globális környezetek megértését és együttműködését anélkül, hogy előbeállításra lenne szükség.
• Nyelvváltás: A többnyelvű beszédfordítás lehetővé teszi, hogy több nyelv is elhangzódjon ugyanazon a munkameneten belül, és mindegyiket ugyanarra a célnyelvre fordítsák le. Nem szükséges újraindítani a munkamenetet, amikor a bemeneti nyelv megváltozik, vagy ha Ön más műveleteket hajt végre.

Hogyan működik?

• Utazási értelmező: a többnyelvű beszédfordítás növelheti a külföldi úti célokat látogató turisták élményét azáltal, hogy információt és segítséget nyújt számukra az előnyben részesített nyelven. A szálloda concierge szolgáltatásai, a vezetett túrák és a látogatóközpontok ezt a technológiát használják a különböző nyelvi igények kielégítésére.
• Nemzetközi konferenciák: A többnyelvű beszédfordítás megkönnyíti a különböző régiókból származó résztvevők közötti kommunikációt, akik különböző nyelveken beszélnek élő fordítással képaláírás. A résztvevők anélkül beszélhetnek anyanyelvükön, hogy meg kellene adni őket, biztosítva a zökkenőmentes megértést és együttműködést.
• Oktatási értekezletek: Többkulturális tantermekben vagy online tanulási környezetben a többnyelvű beszédfordítás támogatja a nyelvek sokféleségét a diákok és a tanárok körében. Lehetővé teszi a zökkenőmentes kommunikációt és a részvételt anélkül, hogy meg kellene adnia az egyes diákok vagy oktatók nyelvét.

Hozzáférés

Részletes bevezetésért tekintse meg a Speech fordításának áttekintését. Emellett a kódmintákra is hivatkozhat a beszéd lefordításához. Ezt az új funkciót az 1.37.0-tól kezdődően minden SDK-verzió teljes mértékben támogatja.

Valós idejű beszéd a szöveghez diariazation (GA) használatával

Mostantól általánosan elérhető a valós idejű beszéd a diariazation használatával.

Olyan beszédfelismerési alkalmazásokat hozhat létre, amelyek diarizálással különböztetik meg a beszélgetésben részt vevő különböző előadókat. A valós idejű diarizálással kapcsolatos további információkért tekintse meg a valós idejű diarizálás gyorsútmutatót.

Beszéd–szöveg modell frissítése

A valós idejű szövegfelolvasás kétnyelvű képességekkel rendelkező új modelleket adott ki. A en-IN modell mostantól az angol és a hindi kétnyelvű forgatókönyveket is támogatja, és jobb pontosságot biztosít. Az arab területi beállítások (ar-AE, , ar-DZar-BH, ar-IL, ar-KWar-IQ, ar-LBar-LYar-OMar-MA, ar-PSar-SAar-SYar-QAar-TN) ar-YEkétnyelvű támogatással rendelkeznek az angol nyelvhez, a nagyobb pontossághoz és a call center támogatásához.

A Batch-átírás új architektúrát biztosít a modellek számára a következő területi beállításokhoz: es-ES, es-MX, fr-FR, it-IT, ja-JP, , ko-KRpt-BRés zh-CN. Ezek a modellek jelentősen javítják az olvashatóságot és az entitások felismerését.

2024. márciusi kiadás

Suttogva általános rendelkezésre állás (GA)

Általánosan elérhető a Whisper speech to text modell az Azure AI Speech használatával.

További információ az Azure AI Speech és az Azure OpenAI szolgáltatás használatáról: Mi a Whisper-modell?

2024. februári kiadás

Kiejtés értékelése

• A Speech Pronunciation Assessment mostantól 23 általánosan elérhető nyelvet támogat (5 új nyelv hozzáadásával), és 3 további nyelv érhető el nyilvános előzetes verzióban. További információkért tekintse meg a kiejtésértékelés teljes nyelvi listáját.

Nyelv	Területi beállítás (BCP-47)
Arab (Egyiptom)	ar-EG1
Arab (Szaúd-Arábia)	ar-SA
Kínai (kantoni, hagyományos)	zh-HK1
Kínai (mandarin, egyszerűsített)	zh-CN
Holland (Hollandia)	nl-NL1
Angol (Ausztrália)	en-AU
Angol (Kanada)	en-CA
Angol (India)	en-IN
angol (Egyesült Királyság)	en-GB
angol (Egyesült Államok)	en-US
Francia (Kanada)	fr-CA
Francia (Franciaország)	fr-FR
Német (Németország)	de-DE
hindi (India)	hi-IN
Olasz (Olaszország)	it-IT
Japán (Japán)	ja-JP
Koreai (Dél-Korea)	ko-KR
Maláj (Malajzia)	ms-MY
Norvég Bokmål (Norvégia)	nb-NO
Portugál (Brazília)	pt-BR
Orosz (Oroszország)	ru-RU
Spanyol (Mexikó)	es-MX
Spanyol (Spanyolország)	es-ES
Svéd (Svédország)	sv-SE
tamil (India)	ta-IN
Vietnámi (Vietnám)	vi-VN

¹ A nyelv nyilvános előzetes verzióban érhető el a kiejtési értékeléshez.

Kifejezéslista

A kifejezéslista támogatása a következő területi beállításokhoz lett hozzáadva: ar-SA, de-CH, en-IE, en-ZA, es-US, id-ID, nl-NL, pl-PL, pt-PT, ru-RU, sv-Standard kiadás, th-TH, vi-VN, zh-HK, zh-TW.

2023. novemberi kiadás

A kétnyelvű beszédmodellezés bemutatása!

Örömmel adtunk elő egy úttörő kiegészítést a valós idejű beszédmodellezéshez – a kétnyelvű beszédmodellezéshez. Ez a jelentős fejlesztés lehetővé teszi, hogy beszédmodellünk zökkenőmentesen támogassa a kétnyelvű nyelvi párokat, például az angolt és a spanyolt, valamint az angolt és a franciát. Ez a funkció lehetővé teszi a felhasználók számára, hogy a valós idejű interakciók során könnyedén váltson a nyelvek között, ami kulcsfontosságú pillanat a kommunikációs élmény fokozása iránti elkötelezettségünkben.

Főbb kiemelések:

• Kétnyelvű támogatás: A legújabb kiadásunkkal a felhasználók zökkenőmentesen válthatnak az angol és a spanyol, illetve az angol és a francia között a valós idejű beszédműveletek során. Ez a funkció a kétnyelvű beszélők számára van kialakítva, akik gyakran váltanak a két nyelv között.
• Továbbfejlesztett felhasználói élmény: A kétnyelvű hangszórók, akár a munkahelyen, otthon, akár a különböző közösségi beállításokban, rendkívül hasznosnak fogják találni ezt a funkciót. A modell képes megérteni és reagálni mind az angol, mind a spanyol valós időben nyit új lehetőségeket a hatékony és folyékony kommunikáció.

Használat:

A Speech Service API meghívásakor vagy a Speech Studióban való kipróbálásakor válassza az ES-US (spanyol és angol) vagy az fr-CA (francia és angol) lehetőséget. Nyugodtan beszélhet vagy keverheti őket – a modell dinamikusan alkalmazkodik, és mindkét nyelven pontos és környezettudatos válaszokat biztosít.

Itt az ideje, hogy felemelje a kommunikációs játékot a legújabb funkciókiadással – zökkenőmentes, többnyelvű kommunikáció az ujjhegyen!

Beszédfelismerési szövegmodellek frissítése

Örömmel mutatjuk be beszédmodelljeink jelentős frissítését, amely nagyobb pontosságot, jobb olvashatóságot és kifinomult entitásfelismerést ígér. Ez a frissítés egy robusztus új struktúrával rendelkezik, amelyet egy kibővített betanítási adatkészlet támogat, amely jelentős előrelépést biztosít az általános teljesítményben. Az en-US, zh-CN, ja-JP, it-IT, pt-BR, es-MX, es-ES, fr-FR, de-DE, ko-KR, tr-TR, sv-Standard kiadás és he-IL modelleket tartalmazza.

Kiemelt szolgáltatások:

• Jobb pontosság az új modellstruktúrával: Az újradefiniált modellstruktúra gazdagabb betanítási adatkészlettel párosulva emeli a pontossági szinteket, és pontosabb beszédkimenetet ígér.
• Olvashatóság javítása: A legújabb modellünk jelentős lökést ad az olvashatóságnak, ami növeli a beszélt tartalmak koherenciáját és egyértelműségét.
• Speciális entitásfelismerés: Az entitásfelismerés jelentős frissítést kap, ami pontosabb és árnyaltabb eredményeket eredményez.

Lehetséges hatások: A fejlődés ellenére elengedhetetlen, hogy figyelembe vegye a lehetséges hatásokat:

• Egyéni csend időtúllépési funkció: Az egyéni csend időtúllépését alkalmazó felhasználók, különösen alacsony beállításokkal, túlszegmentálást és egyszavas kifejezések esetleges kihagyását tapasztalhatják.
• Az új modell kompatibilitási problémákat tapasztalhat a Kulcsszó előtag funkcióval, és a felhasználóknak javasoljuk, hogy értékeljék a teljesítményét az adott alkalmazásokban.
• Csökkent eltömő szavak vagy kifejezések: A felhasználók a beszédkimenetben csökkenthetik a kiáramló szavakat vagy kifejezéseket, például az "um" vagy az "uh" kifejezést.
• Pontatlanságok a szavak időbélyegének időtartamában: Egyes kiáramló szavak pontatlanságokat jeleníthetnek meg az időbélyeg időtartama alatt, és a pontos időzítéstől függő alkalmazásokban figyelmet igényelnek.
• Megbízhatósági pontszámok eloszlási varianciája: A megbízhatósági pontszámokra és a kapcsolódó küszöbértékekre támaszkodó felhasználóknak tisztában kell lenniük az eloszlás lehetséges változásaival, ami az optimális teljesítményhez szükséges kiigazításokat teszi szükségessé.
• Bizonyos kifejezések helytelen felismerése befolyásolhatja a kifejezéslista funkció pontosságának javítását.

Javasoljuk, hogy vizsgálja meg ezeket a fejlesztéseket, és fontolja meg a zökkenőmentes átmenet lehetséges problémáit, és mint mindig, visszajelzése fontos szerepet játszott a szolgáltatásaink finomításában és fejlesztésében.

Kiejtés értékelése

• A Speech Pronunciation Assessment mostantól 18 általánosan elérhető nyelvet támogat, és további hat nyelv érhető el nyilvános előzetes verzióban. További információkért tekintse meg a kiejtésértékelés teljes nyelvi listáját.

• Örömmel jelentjük be, hogy a Kiejtésértékelés 2023. november 1-től új funkciókat vezet be: Prosody, Grammar, Vocabulary és Topic. Ezek a fejlesztések célja, hogy még átfogóbb nyelvtanulási élményt nyújtsanak az olvasási és a beszédértékelésekhez. Frissítsen az SDK 1.35.0-s vagy újabb verziójára, hogy további részleteket is megismerjen a Kiejtési értékelés és kiejtésértékelés használata a Speech Studióban.

2023. szeptemberi kiadás

A Whisper nyilvános előzetes verziója

Az Azure AI Speech mostantól támogatja az OpenAI Whisper modelljét a kötegelt átírási API-val. További információért tekintse meg a Köteg átírási útmutatót.

Feljegyzés

Az Azure OpenAI szolgáltatás támogatja az OpenAI Suttogó modelljét is a szöveghez való beszédhez szinkron REST API-val. További információért tekintse meg a rövid útmutatót.

További információ az Azure AI Speech és az Azure OpenAI szolgáltatás használatáról: Mi a Whisper-modell?

Beszéd szöveggé REST API 3.2-es nyilvános előzetes verzió

A Speech to text REST API v3.2 előzetes verzióban érhető el. Általánosan elérhető a Beszéd a szöveghez REST API 3.1-es verzió. A speech to text REST API 3.0 2026. április 1-jén megszűnik. További információ: Speech to text REST API v3.0–v3.1 és v3.1–v3.2 migrálási útmutatók.

2023. augusztusi kiadás

New Speech to text-locales:

A beszéd szöveggé alakítása két új területi beállítás használatát támogatja az alábbi táblázatban látható módon. Tekintse meg itt a teljes nyelvi listát.

Területi beállítás	Nyelv
pa-IN	pandzsábi (India)
ur-IN	Urdu (India)

Kiejtés értékelése

• A Speech Pronunciation Assessment mostantól 3 további, általánosan elérhető nyelvet támogat angol (Kanada), angol (India) és francia (Kanada) nyelven, és 3 további nyelv érhető el előzetes verzióban. További információkért tekintse meg a kiejtésértékelés teljes nyelvi listáját.

2023. májusi kiadás

Kiejtés értékelése

• A Speech Pronunciation Assessment mostantól 3 további, általánosan elérhető nyelvet támogat a német (Németország), a japán (Japán) és a spanyol (Mexikó) nyelven, és 4 további nyelv érhető el előzetes verzióban. További információkért tekintse meg a kiejtésértékelés teljes nyelvi listáját.
• Mostantól az összes nyilvános régióban használhatja a speech to Text kötelezettségvállalási szintet a kiejtési értékeléshez. Ha egy kötelezettségvállalási szintet vásárol a normál beszédszöveghez, a kiejtési értékelésre fordított költség a kötelezettségvállalás teljesítésére irányul. Tekintse meg a kötelezettségvállalási szint díjszabását.

2023. februári kiadás

Kiejtés értékelése

• A Speech Pronunciation Assessment mostantól 5 további, általánosan elérhető nyelvet támogat az angol (Egyesült Királyság), az angol (Ausztrália), a francia (Franciaország), a spanyol (Spanyolország) és a kínai (mandarin, egyszerűsített) nyelven, más nyelvek előzetes verzióban is elérhetők.
• Hozzáadott mintakódok, amelyek bemutatják, hogyan használhatja a Kiejtésértékelést streamelési módban a saját alkalmazásában.
  • C#: Lásd a mintakódot.
  • C++: Lásd a mintakódot.
  • java: Lásd a mintakódot.
  • javascript: Lásd a mintakódot.
  • Objective-C: Lásd a mintakódot.
  • Python: Lásd a mintakódot.
  • Swift: Lásd a mintakódot.

Egyéni beszéd

A területi beállításokhoz hozzáadjuk a de-AT hang + az emberi címkével ellátott átiratok támogatását.

2023. januári kiadás

Egyéni beszéd

A hang + az emberi címkével ellátott átirat támogatása további területi beállításokhoz is hozzáadódik: ar-BH, ar-DZ, ar-EG, ar-MA, ar-SA, ar-TN, ar-YEés ja-JP.

A rendszer támogatja de-ATa strukturált szövegadaptálást a területi beállításhoz.

2022. decemberi kiadás

Beszéd szöveggé REST API

A Speech to text REST API 3.1-es verziója általánosan elérhető. A Speech to text REST API 3.0-s verziója megszűnik. A migrálással kapcsolatos további információkért tekintse meg az útmutatót.

2022. októberi kiadás

Új beszéd a szöveg területi beállításai között

A helyi beállítással ml-IN a Malayalam (India) támogatása is hozzáadva. A teljes nyelvi listát itt tekintheti meg.

2022. júliusi kiadás

New Speech to text-locales:

7 új területi beállítás van hozzáadva az alábbi táblázatban látható módon. A teljes nyelvi listát itt tekintheti meg.

Területi beállítás	Nyelv
bs-BA	Bosnyák (Bosznia-Hercegovina)
yue-CN	Kínai (kantoni, egyszerűsített)
zh-CN-sichuan	Kínai (délnyugati mandarin, egyszerűsített)
wuu-CN	Kínai (Wu, egyszerűsített)
ps-AF	Pashto (Afganisztán)
so-SO	Szomáliai (Szomália)
cy-GB	Welsh (Egyesült Királyság)

2022. júniusi kiadás

New Speech to text-locales:

10 új területi beállítás hozzáadva az alábbi táblázatban látható módon. A teljes nyelvi listát itt tekintheti meg.

Területi beállítás	Nyelv
sq-AL	Albán (Albánia)
hy-AM	örmény (Örményország)
az-AZ	Azerbajdzsáni (Azerbajdzsán)
eu-ES	Baszk
gl-ES	Gallego
ka-GE	grúz (Georgia)
it-CH	Olasz (Svájc)
kk-KZ	kazah (Kazahsztán)
mn-MN	Mongol (Mongólia)
ne-NP	Nepáli (Nepál)

2022. áprilisi kiadás

New Speech to text-locales:

Az alábbi lista az új területi beállításokat tartalmazza. A teljes nyelvi listát itt tekintheti meg.

Területi beállítás	Nyelv
bn-IN	Bengáli (India)

2022. januári kiadás

New Speech to text-locales:

Az alábbi lista az új területi beállításokat tartalmazza. A teljes nyelvi listát itt tekintheti meg.

Területi beállítás	Nyelv
af-ZA	Afrikaans (Dél-Afrika)
am-ET	Amharic (Etiópia)
de-CH	Német (Svájc)
fr-BE	Francia (Belgium)
is-IS	Izlandi (Izland)
jv-ID	Javanese (Indonézia)
km-KH	Khmer (Kambodzsa)
kn-IN	kannada (India)
lo-LA	Lao (Laosz)
mk-MK	Macedón (Észak-Macedónia)
my-MM	Burmai (Mianmar)
nl-BE	Holland (Belgium)
si-LK	Sinhala (Sri Lanka)
sr-RS	Szerb (Szerbia)
sw-TZ	Szuahél (Tanzánia)
uk-UA	Ukrán (Ukrajna)
uz-UZ	Üzbég (Üzbegisztán)
zu-ZA	Zulu (Dél-Afrika)

2021. júliusi kiadás

New Speech to text-locales:

Az alábbi lista az új területi beállításokat tartalmazza. A teljes nyelvi listát itt tekintheti meg.

Területi beállítás	Nyelv
ar-DZ	Arab (Algéria)
ar-LY	Arab (Líbia)
ar-MA	Arab (Marokkó)
ar-TN	Arab (Tunézia)
ar-YE	Arab (Jemen)
bg-BG	Bolgár (Bulgária)
el-GR	Görög (Görögország)
et-EE	észt (Észtország)
fa-IR	Perzsa (Irán)
ga-IE	ír (Írország)
hr-HR	horvát (Horvátország)
lt-LT	litván (Litvánia)
lv-LV	lett (Lettország)
mt-MT	máltai (Málta)
ro-RO	román (Románia)
sk-SK	szlovák (Szlovákia)
sl-SI	Szlovén (Szlovénia)
sw-KE	Szuahél (Kenya)

2021. januári kiadás

New Speech to text-locales:

Az alábbi lista az új területi beállításokat tartalmazza. A teljes nyelvi listát itt tekintheti meg.

Területi beállítás	Nyelv
ar-AE	Arab (Egyesült Arab Emírségek)
ar-IL	Arab (Izrael)
ar-IQ	Arab (Irak)
ar-OM	Arab (Omán)
ar-PS	Arab (Palesztin Hatóság)
de-AT	Német (Ausztria)
en-GH	Angol (Ghána)
en-KE	Angol (Kenya)
en-NG	Angol (Nigéria)
en-TZ	Angol (Tanzánia)
es-GQ	Spanyol (Egyenlítői-Guinea)
fil-PH	Filipino (Fülöp-szigetek)
fr-CH	Francia (Svájc)
he-IL	Héber (Izrael)
id-ID	Indonéz (Indonézia)
ms-MY	Maláj (Malajzia)
vi-VN	Vietnámi (Vietnám)

2020. augusztusi kiadás

Új beszéd a szöveg területi beállításai között:

A Beszéd szöveghez augusztusban 26 új területi beállítás jelent meg: 2 európai nyelv cs-CZ és hu-HU5 angol nyelv és 19 spanyol területi beállítás, amelyek a legtöbb dél-amerikai országot/régiót lefedik. Az alábbi lista az új területi beállításokat tartalmazza. A teljes nyelvi listát itt tekintheti meg.

Területi beállítás	Nyelv
cs-CZ	cseh (Csehország)
en-HK	Angol (Hong Kong Special Rendszergazda istrative Region)
en-IE	Angol (Írország)
en-PH	angol (Fülöp-szigetek)
en-SG	Angol (Szingapúr)
en-ZA	Angol (Dél-Afrika)
es-AR	Spanyol (Argentína)
es-BO	Spanyol (Bolívia)
es-CL	Spanyol (Chile)
es-CO	Spanyol (Kolumbia)
es-CR	Spanyol (Costa Rica)
es-CU	Spanyol (Kuba)
es-DO	Spanyol (Dominikai Köztársaság)
es-EC	Spanyol (Ecuador)
es-GT	Spanyol (Guatemala)
es-HN	Spanyol (Honduras)
es-NI	Spanyol (Nicaragua)
es-PA	Spanyol (Panama)
es-PE	Spanyol (Peru)
es-PR	Spanyol (Puerto Rico)
es-PY	Spanyol (Paraguay)
es-SV	Spanyol (Salvador)
es-US	Spanyol (USA)
es-UY	Spanyol (Uruguay)
es-VE	Spanyol (Venezuela)
hu-HU	Magyar (Magyarország)

Containers

2024–februári kiadás

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 4.6.0
• Beszéd szöveggé 4.6.0
• Neurális szöveg a beszédhez 3.1.0

Frissítse a beszédet szövegösszetevőkre a legújabbra. Frissítse az összes es területi modellt a legújabbra. A beszéd szöveghasználati eseteinek médiaátalakítási pufferének növelése.

2023. novemberi kiadás

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 4.5.0
• Beszéd szöveggé 4.5.0
• Neurális szöveg beszédhez 2.19.0

2023. októberi kiadás

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 4.4.0
• Beszéd szöveggé 4.4.0
• Neurális szöveg beszédhez 2.18.0

Kijavítottunk egy csomó magas kockázatú biztonsági rést.

Redundáns naplók eltávolítása a tárolókban.

Frissítse a belső média összetevőt a legújabbra.

Hangtámogatás en-IN-NeerjaNeuralhozzáadása .

2023. szeptemberi kiadás

Támogatás hozzáadása a legújabb modellverziókhoz:

• Beszédnyelv-azonosítás 1.12.0
• Egyéni beszéd szöveggé 4.3.0
• Beszéd szöveggé 4.3.0
• Neurális szöveg beszédhez 2.17.0

Frissítse az egyéni beszédet szöveggé, a beszédet pedig szöveggé a legújabb keretrendszerre.

A biztonsági résekkel kapcsolatos problémák elhárítása.

Hangtámogatás ar-AE-FatimaNeuralhozzáadása .

2023–júliusi kiadás

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 4.1.0
• Beszéd szöveggé 4.1.0
• Neurális szöveg beszédhez 2.15.0

Kijavíthatja a beszéd és a szövegtároló csatlakoztatási beállításain keresztül docker a helyi egyéni modellfájlokkal való futtatásának problémáját.

Javítsa ki azt a problémát, amely miatt bizonyos esetekben az RECOGNIZING esemény nem jelenik meg válaszként a Speech SDK-on keresztül.

A biztonsági résekkel kapcsolatos problémák elhárítása.

2023–júniusi kiadás

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 4.0.0
• Beszéd szöveggé 4.0.0
• Neurális szöveg beszédhez 2.14.0

A helyszíni szövegfelolvasás a .NET 6.0-ra frissül

A területi beállítások megjelenítési modelljeinek frissítése, beleértve a en-us, ar-eg, ar-bh, ja-jp, ko-krstb.

Frissítse a beszédet szövegtároló-összetevőre a biztonsági résekkel kapcsolatos problémák megoldásához.

Támogatás hozzáadása a területi hangokhozde-DE-AmalaNeural,de-AT-IngridNeuralde-AT-JonasNeural ésen-US-JennyMultilingualNeural

2023. májusi kiadás

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 3.14.0
• Beszéd szöveggé 3.14.0
• Neurális szöveg beszédhez 2.13.0

Az írásjelek problémájának he-IL megoldása

Biztonsági résekkel kapcsolatos problémák elhárítása

Új területi hang hozzáadása en-US-MichelleNeuralés es-MX-CandelaNeural

2023. áprilisi kiadás

Biztonsági Frissítések

Biztonsági résekkel kapcsolatos problémák elhárítása

2023. márciusi kiadás

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 3.12.0
• Beszéd szöveggé 3.12.0
• Beszédnyelv-azonosítás 1.11.0
• Neurális szöveg beszédhez 2.11.0

Biztonsági résekkel kapcsolatos problémák elhárítása

A nagybetűsítési tr-TR probléma megoldása

Beszéd frissítése szövegmegjelenítési en-US modellekre

Előre összeállított neurális neurális szöveg támogatása a beszéd területi beállításához ar-AE-HamdanNeural

2023–februári kiadás

Új tárolóverziók

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 3.11.0
• Beszéd szöveggé 3.11.0
• Neurális szöveg beszédhez 2.10.0

Biztonsági résekkel kapcsolatos problémák elhárítása

Beszédmodellek rendszeres frissítése

Új abrai területi beállítások hozzáadása:

• ar-IL
• ar-PS

Héber és török megjelenítési modellek frissítése

2023–januári kiadás

Új tárolóverziók

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 3.10.0
• Beszéd szöveggé 3.10.0
• Neurális szöveg beszédhez 2.9.0

Hipotézis móddal kapcsolatos probléma megoldása

HTTP-proxyval kapcsolatos probléma megoldása

Egyéni beszéd– szövegtároló leválasztott üzemmódja

CNV leválasztott tároló támogatásának hozzáadása a TTS Frontendhez

Támogatás hozzáadása a területi beállításokhoz:

• da-DK-ChristelNeural
• da-DK-JeppeNeural
• en-IN-PrabhatNeural

2022–decemberi kiadás

Új tárolóverziók

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 3.9.0
• Beszéd szöveggé 3.9.0
• Neurális szöveg beszédhez 2.8.0

Ipv4/ipv6-hiba elhárítása

Biztonsági rés problémájának elhárítása

2022. novemberi kiadás

Új tárolóverziók

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 3.8.0
• Beszéd szöveggé 3.8.0
• Neurális szöveg beszédhez 2.7.0

2022–októberi kiadás

Új tárolóverziók

Támogatás hozzáadása a legújabb modellverziókhoz:

• Egyéni beszéd szöveggé 3.7.0
• Beszéd szöveggé 3.7.0
• Neurális szöveg beszédhez 2.6.0

2022. szeptemberi kiadás

Beszéd szöveggé 3.6.0-amd64

Támogatás hozzáadása a legújabb modellverziókhoz.

Támogatás hozzáadása a következő területi beállításokhoz:

• az-az
• bn-in
• bs-ba
• cy-gb
• eu-es
• fa-ir
• gl-es
• he-il
• hy-am
• it-ch
• ka-ge
• kk-kz
• mk-mk
• mn-mn
• ne-np
• ps-af
• So-so
• sq-al
• wuu-cn
• yue-cn
• zh-cn-sichuan

Rendszeres havi frissítések, beleértve a biztonsági frissítéseket és a biztonságirés-javításokat.

Egyéni beszéd szöveggé 3.6.0-amd64

Rendszeres havi frissítések, beleértve a biztonsági frissítéseket és a biztonságirés-javításokat.

Neurális neurális szöveg a beszédhez v2.5.0

Az előre összeállított neurális hangok támogatása:

• az-az-babekneural
• az-az-banuneural
• fa-ir-dilaraneural
• fa-ir-faridneural
• fil-ph-angeloneural
• fil-ph-blessicaneural
• he-il-avrineural
• he-il-hilaneural
• id-id-ardineural
• id-id-gadisneural
• ka-ge-ekaneural
• ka-ge-giorgineural

Rendszeres havi frissítések, beleértve a biztonsági frissítéseket és a biztonságirés-javításokat.

2022. májusi kiadás

Beszédnyelv-észlelési tároló 1.9.0-amd64-preview

A beszédnyelv-észlelés hibajavításai.

2022. márciusi kiadás

Egyéni beszéd a szöveghez Tároló 3.1.0-s verzióval

Támogatás hozzáadása a megjelenítési modellek beszerzéséhez.

2022–januári kiadás

Beszéd szövegtároló v3.0.0

Támogatás hozzáadása a tárolók leválasztott környezetekben való használatához.

Speech to text Container v2.18.0

Rendszeres havi frissítések, beleértve a biztonsági frissítéseket és a biztonságirés-javításokat.

Neurális-neurális szöveg beszédkonténer 1.12.0-s verzió

Támogatás hozzáadása az előre összeállított neurális hangokhoz: am-et-amehaneural, am-et-mekdesneuralés so-so-muuseneuralso-so-ubaxneural.

Rendszeres havi frissítések, beleértve a biztonsági frissítéseket és a biztonságirés-javításokat.