Text Independent - Create Enrollment

Service:

Speaker Recognition

API Version:

2021-09-05

Rejestrowanie profilu
Dodaje rejestrację do istniejącego profilu. Pierwsza rejestracja musi być wstępnie zdefiniowaną frazą aktywacji, która może być wyświetlana przy użyciu interfejsu API /phrases/{locale}. Jeśli zostanie osiągnięta minimalna liczba żądanych dźwięków rejestracji, zostanie utworzony wydruk głosowy. Każda dalsza rejestracja będzie używana do ulepszania drukowania głosowego.

Ograniczenia:

• Minimalna długość danych wejściowych dźwięku na żądanie wynosi 1 sekundę

• Maksymalna długość danych wejściowych dźwięku na żądanie wynosi 120 sekund

• Minimalna całkowita efektywna długość mowy (z wyłączeniem ciszy i innych ramek mowy) do tworzenia odcisku głosu wynosi 20 sekund To ograniczenie można wyłączyć, ustawiając wartość ignorujMinLength na true.

• Maksymalna łączna długość danych wejściowych dźwięku dozwolona do tworzenia odcisku głosu wynosi 300 sekund

• Minimalny współczynnik sygnału audio do szumu (SNR) to 2dB

POST {endpoint}/speaker-recognition/identification/text-independent/profiles/{profileId}/enrollments?api-version=2021-09-05

With optional parameters:

POST {endpoint}/speaker-recognition/identification/text-independent/profiles/{profileId}/enrollments?api-version=2021-09-05&ignoreMinLength={ignoreMinLength}

Parametry identyfikatora URI

Nazwa	W	Wymagane	Typ	Opis
endpoint	path	True	string	Obsługiwane punkty końcowe usług Cognitive Services (protokół i nazwa hosta, na przykład: https://westus.api.cognitive.microsoft.com).
profileId	path	True	string uuid	Unikatowy identyfikator identyfikatora profilu (guid).
api-version	query	True	string	Określa wersję operacji do użycia dla tego żądania.
ignoreMinLength	query		boolean	W przypadku wartości true wydruk głosowy zostanie utworzony natychmiast dla tego profilu niezależnie od tego, ile mowy jest dostarczanych lub przechowywanych. Wartość domyślna to false.

Nagłówek żądania

Media Types: "audio/wav; codecs=audio/pcm"

Nazwa	Wymagane	Typ	Opis
Ocp-Apim-Subscription-Key	True	string

Treść żądania

Media Types: "audio/wav; codecs=audio/pcm"

Nazwa	Typ	Opis
audioData	object	Binarny plik audio. Obsługiwane formaty to audio/wav; codecs=audio/pcm. Obsługuje dźwięk do 5 MB.

Odpowiedzi

Nazwa	Typ	Opis
201 Created	TiEnrollmentInfo	Utworzone
Other Status Codes	SpeakerErrorInfo	Niepowodzenie Headers x-ms-error-code: string

Zabezpieczenia

Ocp-Apim-Subscription-Key

Type: apiKey
In: header

Przykłady

Successful Query

Sample Request

HTTP

POST https://westus.api.cognitive.microsoft.com/speaker-recognition/identification/text-independent/profiles/49a36324-fc4b-4387-aa06-090cfbf0064f/enrollments?api-version=2021-09-05


"{binary file date}"

Sample Response

Status code:

201

Content-Type: application/json

Response Body

{
  "profileId": "49a36324-fc4b-4387-aa06-090cfbf0064f",
  "enrollmentStatus": "Enrolling",
  "enrollmentsCount": 1,
  "enrollmentsLengthInSec": 1.83,
  "enrollmentsSpeechLengthInSec": 1.35,
  "remainingEnrollmentsSpeechLengthInSec": 18.65,
  "audioLengthInSec": 1.83,
  "audioSpeechLengthInSec": 1.35
}

Status code:

default

Content-Type: application/json
x-ms-error-code: Error Code

Response Body

{
  "error": {
    "code": "Error Code",
    "message": "Erro Messae"
  }
}

Definicje

Nazwa	Opis
Error
SpeakerErrorInfo	Komunikat o błędzie osoby mówiącej
TiEnrollmentInfo	Informacje o rejestracji profilu osoby mówiącej
TrainingStatusType	Stan reprezentujący bieżący stan rejestracji profilu. Dostępne wartości: Rejestrowanie: profil nie ma wydruku głosowego i nie jest gotowy do obsługi żądań rozpoznawania. Trenowanie: jest tworzony odcisk głosu profilu i nie można go używać do rozpoznawania w tej chwili. Zarejestrowane: profil ma wydruk głosowy i jest gotowy do obsługi żądań rozpoznawania.

Error

Nazwa	Typ	Opis
code	string
message	string

SpeakerErrorInfo

Komunikat o błędzie osoby mówiącej

Nazwa	Typ	Opis
error	Error

TiEnrollmentInfo

Informacje o rejestracji profilu osoby mówiącej

Nazwa	Typ	Opis
audioLengthInSec	number	Ta długość dźwięku rejestracji w sekundach.
audioSpeechLengthInSec	number	Ta czysta mowa audio rejestracji (która jest ilością dźwięku po usunięciu segmentów ciszy i bez mowy) w sekundach.
enrollmentStatus	TrainingStatusType	Stan reprezentujący bieżący stan rejestracji profilu. Dostępne wartości: Rejestrowanie: profil nie ma wydruku głosowego i nie jest gotowy do obsługi żądań rozpoznawania. Trenowanie: jest tworzony odcisk głosu profilu i nie można go używać do rozpoznawania w tej chwili. Zarejestrowane: profil ma wydruk głosowy i jest gotowy do obsługi żądań rozpoznawania.
enrollmentsCount	integer	Liczba audio rejestracji zaakceptowanych dla tego profilu.
enrollmentsLengthInSec	number	Łączna długość dźwięków rejestracji akceptowanych dla tego profilu w sekundach.
enrollmentsSpeechLengthInSec	number	Sumowanie czystej mowy (czyli ilości dźwięku po usunięciu segmentów ciszy i innych niż mowa) we wszystkich rejestracjach profilu w sekundach.
profileId	string	Unikatowy identyfikator identyfikatora profilu (guid).
remainingEnrollmentsSpeechLengthInSec	number	Ilość czystej mowy (która jest ilością dźwięku po usunięciu segmentów ciszy i innych niż mowa) potrzebnych do ukończenia rejestracji profilu w sekundach.

TrainingStatusType

Stan reprezentujący bieżący stan rejestracji profilu. Dostępne wartości:

• Rejestrowanie: profil nie ma wydruku głosowego i nie jest gotowy do obsługi żądań rozpoznawania.
• Trenowanie: jest tworzony odcisk głosu profilu i nie można go używać do rozpoznawania w tej chwili.
• Zarejestrowane: profil ma wydruk głosowy i jest gotowy do obsługi żądań rozpoznawania.

Nazwa	Typ	Opis
Enrolled	string
Enrolling	string
Training	string