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, którą można wymienić przy użyciu interfejsu API /phrases/{locale}. Jeśli zostanie osiągnięta minimalna liczba żądanych audio rejestracji, zostanie utworzony wydruk głosowy. Każda dalsza rejestracja będzie służyć do ulepszania drukowania głosowego.

Ograniczenia:

• Minimalna długość wejścia audio na żądanie wynosi 1 sekundę

• Maksymalna długość wejścia audio na żądanie wynosi 120 sekund

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

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

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

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

With optional parameters:

POST {endpoint}/speaker-recognition/verification/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	Jeśli to prawda, wydruk głosowy zostanie utworzony natychmiast dla tego profilu niezależnie od tego, ile mowy jest dostarczana lub przechowywana. 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 dźwiękowy. 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/verification/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 Text-Independent
TrainingStatusType	Stan reprezentujący bieżący stan profilu. Dostępne wartości: Rejestrowanie: profil nie ma wydruku głosowego i nie jest gotowy do rozpoznawania żądań. Trenowanie: tworzony jest odcisk głosu profilu i nie można go używać do rozpoznawania w tej chwili. Zarejestrowane: profil ma wydruk głosowy i jest gotowy do rozpoznawania żądań.

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 Text-Independent

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

TrainingStatusType

Stan reprezentujący bieżący stan profilu. Dostępne wartości:

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

Nazwa	Typ	Opis
Enrolled	string
Enrolling	string
Training	string