Azure AI 音声
音声処理をアプリとサービスに統合する Azure サービス。
スタムモデルと、AutoDetectSourceLanguage を同時に使った場合に event.result.language が取れない
![](data:image/svg+xml, %3Csvg xmlns='http://www.w3.org/2000/svg' height='64' class='font-weight-bold' style='font: 600 30.11764705882353px "SegoeUI", Arial' width='64'%3E%3Ccircle fill='hsl(38.4, 79%, 13%)' cx='32' cy='32' r='32' /%3E%3Ctext x='50%25' y='55%25' dominant-baseline='middle' text-anchor='middle' fill='%23FFF' %3EA%3C/text%3E%3C/svg%3E)
坂本 祥之
0
評価のポイント
https://jpaiblog.github.io/blog/2025/05/02/speech-translation-with-custom-speech/ を参考に、Custom Speech で作成したモデルを Speech Translation で利用しています。
今回、カスタムモデルと、AutoDetectSourceLanguage を同時に使おうとしています。
SpeechTranslationConfig を生成しているソースコードは以下です
const endpointId = '17524d89-64e1-46a1-92cf-b1c4100dad03';
const url = new URL(`
この時、TranslationRecognizer の recognized で、event.result.language が undefined になってしまいます。
カスタムモデルを利用していない場合は、ここに自動識別した言語の情報が入ってきていました。 言語の自動識別自体は動いているように見えます。 カスタムモデルと言語の自動識別を両方利用している場合に、自動識別された言語の情報を取得することはできるでしょうか
言語は TypeScript
使っているライブラリは "microsoft-cognitiveservices-speech-sdk": "1.46.0" です
Azure AI 音声
{count} 件の投票
-
坂本 祥之 0 評価のポイント
2025-12-15T06:27:19.4266667+00:00 ソースコードが途中で切れてしまいまいした
const endpointId = '17524d89-64e1-46a1-92cf-b1c4100dad03'; const url = new URL(`wss://eastasia.s2s.speech.microsoft.com/speech/translation/cognitiveservices/v1?cid=${endpointId}`); const translationConfig = SpeechTranslationConfig.fromEndpoint(url); translationConfig.authorizationToken = speechToken.key; // API から取得してきた token // auto detect が有効になっていたとしてもこの設定がないとエラーになってしまう translationConfig.speechRecognitionLanguage = "ja-JP" translationConfig.addTargetLanguage("ja-JP") translationConfig.addTargetLanguage("en-US") const autoDetectSourceLanguageConfig = AutoDetectSourceLanguageConfig.fromLanguages(speakLanguages); autoDetectSourceLanguageConfig.mode = LanguageIdMode.Continuous; -
![](data:image/svg+xml, %3Csvg xmlns='http://www.w3.org/2000/svg' height='64' class='font-weight-bold' style='font: 600 30.11764705882353px "SegoeUI", Arial' width='64'%3E%3Ccircle fill='hsl(176, 16%, 27%)' cx='32' cy='32' r='32' /%3E%3Ctext x='50%25' y='55%25' dominant-baseline='middle' text-anchor='middle' fill='%23FFF' %3ESC%3C/text%3E%3C/svg%3E)
SRILAKSHMI C 11,595 評価のポイント Microsoft 外部スタッフ モデレーター2025-12-15T10:41:58.4133333+00:00 Hello Yoshiyuki Sakamoto,Bienvenido a Microsoft Q&A,
Gracias por la explicación detallada y el ejemplo. Lo que está viendo es confuso, pero en realidad es una limitación conocida y esperada al combinar Custom Speech (endpointId / STAM) con AutoDetectSourceLanguage en la traducción de voz.
Permítame explicarlo de forma clara y práctica.
Qué está sucediendo
Cuando utiliza AutoDetectSourceLanguage junto con un modelo de voz personalizado, el SDK sigue realizando la detección de idioma internamente, pero el idioma detectado no se devuelve en el resultado del reconocimiento.
Por eso:
event.result.language es indefinido
El mismo código funciona como se espera cuando se utilizan modelos base (no personalizados).
Este comportamiento no se debe a su código TypeScript ni al manejo de eventos del SDK.
Por qué sucede esto
La autodetección de idioma y los modelos de voz personalizados se ejecutan a través de diferentes canalizaciones de backend:
La autodetección de idioma se realiza antes del reconocimiento.
Los modelos de voz personalizados están vinculados a una configuración acústica/lingüística fija.
Cuando ambos están habilitados:
El servicio selecciona correctamente un idioma internamente.
Pero el idioma detectado no se muestra en SpeechRecognitionResult.language.
Por lo tanto, aunque la autodetección funciona, el SDK no expone el idioma detectado cuando se utiliza un modelo personalizado.
Acerca de la versión y la configuración del SDK
Esto no es específico de la versión 1.46.0 del SDK.
Actualizar el SDK no cambiará este comportamiento.
La configuración, las sugerencias de frases, los acentos o la calidad del audio no afectan a este problema en particular.
En resumen: no hay nada incorrecto en su configuración.
¿Se puede recuperar el idioma detectado de otra manera? Actualmente:
event.result.language → no contiene datos
Propiedades del resultado → no incluyen el idioma detectado
AutoDetectSourceLanguageResult → no está disponible para modelos personalizados
Actualmente no existe una API compatible para recuperar el idioma detectado al usar:
Traducción de voz
Voz personalizada (endpointId)
AutoDetectSourceLanguage simultáneamente
Soluciones alternativas recomendadas
Si necesita el idioma detectado, estas son las opciones prácticas que se utilizan actualmente:
1: Enfoque de dos pasos
Realice un reconocimiento breve utilizando un modelo base con AutoDetectSourceLanguage
Lea el idioma detectado
Realice la traducción de voz utilizando el modelo personalizado, especificando explícitamente el idioma de origen
2: Idioma fijo por modelo personalizado
Si conoce los idiomas:
Utilice un punto de conexión personalizado por idioma
Seleccione el punto de conexión según el contexto del usuario o la selección de la interfaz de usuario
3: Omita el modelo personalizado cuando se requiera la detección de idioma
Si la detección de idioma es fundamental:
Utilice modelos base para la detección y la traducción
Aplique la voz personalizada solo cuando el idioma ya se conozca
AutoDetectSourceLanguage funciona con modelos personalizados
El idioma detectado no se muestra en event.result.language
Esta es una limitación actual del servicio, no un error
Actualmente no existe ninguna solución alternativa a nivel de SDK o código
Un flujo de detección y traducción es la solución recomendada
Consulte esta información
AutoDetectSourceLanguageResult class
Espero que le sea útil. Si tiene alguna otra pregunta, no dude en contactarnos.
¡Gracias!
-
SRILAKSHMI C 11,595 評価のポイント Microsoft 外部スタッフ モデレーター
2025-12-16T10:35:00.7966667+00:00
サインインしてコメントする
サインインして回答する