VoiceAgentInputTranscription interface

Pacchetto:: @azure/ai-projects

Impostazioni per la trascrizione dell'audio in ingresso, inclusi il modello di trascrizione, implementazioni vocali personalizzate e suggerimenti per frasi. Quando model è azure-speech-streaming, la trascrizione è supportata solo per conversazioni a cascata con modelli di testo (non modelli di voce vocale in tempo reale), richiede un non vuoto language come en-US (sono supportate località separate da virgole), e supporta custom_speech, phrase_list, e profanity_filter.

Proprietà

custom_speech	Configurazione opzionale di distribuzione vocale personalizzata dal cliente, codificata per località.
delay	Controlla quanto tempo il modello aspetta prima di emettere testo di trascrizione. Valori più alti possono migliorare la precisione della trascrizione a scapito della latenza. Supportato `gpt-realtime-whisper` solo nelle sessioni in tempo reale di GA.
keywords	Parole o frasi per guidare la trascrizione dell'audio in ingresso. Supportato da `gpt-transcribe` e `gpt-live-transcribe`.
language	Lingua dell'audio di input. Specificare il linguaggio di input nel formato ISO-639-1 (ad esempio `en`) migliorerà l'accuratezza e la latenza. Opzionale per altri modelli di trascrizione; obbligatorio e deve essere non vuoto quando `model` è `azure-speech-streaming` (ad esempio `en-US`; sono supportate località separate da virgola).
languages	Possibili linguaggi dell'audio in ingresso, in formato ISO-639-1 . Supportato da `gpt-transcribe` e `gpt-live-transcribe`.
model	L'identificatore del modello di trascrizione. Configura le distribuzioni vocali personalizzate del cliente in `custom_speech`. `azure-speech-streaming` è per conversazioni a cascata con modelli di testo (non modelli di voce vocale in tempo reale), richiede un non vuoto `language` come `en-US` (sono supportate località separate da virgole), e supporta `custom_speech`, `phrase_list`, e `profanity_filter`.
phrase_list	La frase opzionale suggerisce che il riconoscimento favorevole ai termini di dominio.
profanity_filter	Controlla come vengono gestite le parolacce nelle trascrizioni di input. Supportato solo con Azure Speech gestito (`azure-speech` e `azure-speech-streaming`), incluso Custom Speech. Imposta questa proprietà prima che inizi la sessione. Se omesso, si applica il predefinito del fornitore di trascrizione. Non puoi cambiare la modalità durante una sessione. Il filtraggio influenza gli eventi delle trascrizioni e il testo inviato ai modelli a cascata. Non modifica l'audio in ingresso, il rilevamento dell'attività vocale o il discorso dell'assistente; i modelli audio-native ricevono comunque l'audio originale. Le politiche obbligatorie di uso della mascherina si applicano anche quando si seleziona `unfiltered`.
prompt	Un testo opzionale per guidare lo stile del modello o continuare un segmento audio precedente. Per `whisper-1`, il prompt è un elenco di parole chiave. Per `gpt-4o-transcribe` i modelli (escluso `gpt-4o-transcribe-diarize`), il prompt è una stringa di testo libero, ad esempio "aspetta parole correlate alla tecnologia". Il prompt non è supportato `gpt-realtime-whisper` nelle sessioni GA Realtime.

Dettagli proprietà

custom_speech

Configurazione opzionale di distribuzione vocale personalizzata dal cliente, codificata per località.

custom_speech?: Record<string, string>

Valore della proprietà

Record<string, string>

delay

Controlla quanto tempo il modello aspetta prima di emettere testo di trascrizione. Valori più alti possono migliorare la precisione della trascrizione a scapito della latenza. Supportato gpt-realtime-whisper solo nelle sessioni in tempo reale di GA.

delay?: "low" | "medium" | "high" | "xhigh" | "minimal"

Valore della proprietà

"low" | "medium" | "high" | "xhigh" | "minimal"

keywords

Parole o frasi per guidare la trascrizione dell'audio in ingresso. Supportato da gpt-transcribe e gpt-live-transcribe.

keywords?: string[]

Valore della proprietà

string[]

language

Lingua dell'audio di input. Specificare il linguaggio di input nel formato ISO-639-1 (ad esempio en) migliorerà l'accuratezza e la latenza. Opzionale per altri modelli di trascrizione; obbligatorio e deve essere non vuoto quando model è azure-speech-streaming (ad esempio en-US; sono supportate località separate da virgola).

language?: string

Valore della proprietà

string

languages

Possibili linguaggi dell'audio in ingresso, in formato ISO-639-1 . Supportato da gpt-transcribe e gpt-live-transcribe.

languages?: string[]

Valore della proprietà

string[]

model

L'identificatore del modello di trascrizione. Configura le distribuzioni vocali personalizzate del cliente in custom_speech. azure-speech-streaming è per conversazioni a cascata con modelli di testo (non modelli di voce vocale in tempo reale), richiede un non vuoto language come en-US (sono supportate località separate da virgole), e supporta custom_speech, phrase_list, e profanity_filter.

model: VoiceAgentInputTranscriptionModel

Valore della proprietà

VoiceAgentInputTranscriptionModel

phrase_list

La frase opzionale suggerisce che il riconoscimento favorevole ai termini di dominio.

phrase_list?: string[]

Valore della proprietà

string[]

profanity_filter

Controlla come vengono gestite le parolacce nelle trascrizioni di input. Supportato solo con Azure Speech gestito (azure-speech e azure-speech-streaming), incluso Custom Speech. Imposta questa proprietà prima che inizi la sessione. Se omesso, si applica il predefinito del fornitore di trascrizione. Non puoi cambiare la modalità durante una sessione. Il filtraggio influenza gli eventi delle trascrizioni e il testo inviato ai modelli a cascata. Non modifica l'audio in ingresso, il rilevamento dell'attività vocale o il discorso dell'assistente; i modelli audio-native ricevono comunque l'audio originale. Le politiche obbligatorie di uso della mascherina si applicano anche quando si seleziona unfiltered.

profanity_filter?: VoiceAgentProfanityFilterMode

Valore della proprietà

VoiceAgentProfanityFilterMode

prompt

Un testo opzionale per guidare lo stile del modello o continuare un segmento audio precedente. Per whisper-1, il prompt è un elenco di parole chiave. Per gpt-4o-transcribe i modelli (escluso gpt-4o-transcribe-diarize), il prompt è una stringa di testo libero, ad esempio "aspetta parole correlate alla tecnologia". Il prompt non è supportato gpt-realtime-whisper nelle sessioni GA Realtime.

prompt?: string

Valore della proprietà

string