API REST de Reconhecimento de fala
A API REST de fala para texto é usada para transcrição em lote e fala personalizada.
Importante
A API REST de conversão de fala em texto v3.2 está disponível em versão prévia. A API REST de Conversão de fala em texto v3.1 está em disponibilidade geral. A API REST de conversão de fala em texto v3.0 será desativada em 1º de abril de 2026. Para obter mais informações, consulte os guias de migração Conversão de fala em texto da API REST v3.0 para v3.1 e v3.1 para v3.2.
Use a API REST de Reconhecimento de fala para:
- Discurso personalizado: com a fala personalizada, você pode carregar seus próprios dados, testar e treinar um modelo personalizado, comparar a precisão entre modelos e implantar um modelo em um ponto de extremidade personalizado. Copie modelos para outras assinaturas se quiser que seus colegas tenham acesso a um modelo que você criou ou se desejar implantar um modelo em mais de uma região.
- Transcrição em lote: transcreva arquivos de áudio como um lote de várias URLs ou um contêiner do Azure.
A API REST de Reconhecimento de fala inclui recursos como:
- Obtenha logs para cada ponto de extremidade se forem solicitados logs para esse ponto de extremidade.
- Solicite o manifesto dos modelos criados por você para configurar contêineres locais.
- Carregue dados de contas de armazenamento do Azure usando um URI de SAS (Assinatura de Acesso Compartilhado).
- Traga seu próprio armazenamento. Use suas contas de armazenamento para logs, arquivos de transcrição e outros dados.
- Algumas operações dão suporte a notificações de webhook. Você pode registrar seus webhooks para onde as notificações são enviadas.
Transcrição de lote
Os seguintes grupos de operações são aplicáveis para transcrição em lote.
| Grupo de operações | Descrição |
|---|---|
| Modelos | Use modelos base ou modelos personalizados para transcrever arquivos de áudio. Você pode usar modelos com transcrição de fala e lote personalizada. Por exemplo, você pode usar um modelo treinado com um conjunto de dados específico para transcrever arquivos de áudio. Consulte Treinar um modelo e o ciclo de vida do modelo de fala personalizado para obter exemplos de como treinar e gerenciar modelos de fala personalizados. |
| Transcrições | Use transcrições para transcrever uma grande quantidade de áudio no armazenamento. Ao usar a transcrição em lote, você envia vários arquivos por solicitação ou aponta para um contêiner do Armazenamento de Blobs do Azure com os arquivos de áudio a serem transcritos. Confira Criar uma transcrição para obter exemplos de como criar uma transcrição de vários arquivos de áudio. |
| Webhooks | Use ganchos da Web para receber notificações sobre eventos de criação, processamento, conclusão e exclusão. Você pode usar ganchos da Web com fala personalizada e transcrição em lote. Os ganchos da Web se aplicam a conjuntos de dados, pontos de extremidade, avaliações, modelos e transcrições. |
Fala Personalizada
Os grupos de operações a seguir são aplicáveis para fala personalizada.
| Grupo de operações | Descrição |
|---|---|
| Conjunto de dados | Use conjuntos de dados para treinar e testar modelos de fala personalizados. Por exemplo, você pode comparar o desempenho de uma fala personalizada treinada com um conjunto de dados específico com o desempenho de um modelo base ou modelo de fala personalizado treinado com um conjunto de dados diferente. Confira Carregar conjuntos de dados de treinamento e teste para obter exemplos de como carregar conjuntos de dados. |
| Pontos de extremidade | Implante modelos de fala personalizados em pontos de extremidade. Você deve implantar um ponto de extremidade personalizado para usar um modelo de fala personalizado. Confira Implantar um modelo para obter exemplos de como gerenciar pontos de extremidade de implantação. |
| Avaliações | Use avaliações para comparar o desempenho de diferentes modelos. Por exemplo, você pode comparar o desempenho de um modelo de fala personalizado treinado com um conjunto de dados específico com o desempenho de um modelo base ou de um modelo personalizado treinado com um conjunto de dados diferente. Consulte a qualidade do reconhecimento do teste e a precisão do teste para obter exemplos de como testar e avaliar modelos de fala personalizados. |
| Modelos | Use modelos base ou modelos personalizados para transcrever arquivos de áudio. Você pode usar modelos com transcrição de fala e lote personalizada. Por exemplo, você pode usar um modelo treinado com um conjunto de dados específico para transcrever arquivos de áudio. Consulte Treinar um modelo e o ciclo de vida do modelo de fala personalizado para obter exemplos de como treinar e gerenciar modelos de fala personalizados. |
| Projetos | Use projetos para gerenciar modelos de fala personalizados, conjuntos de dados de treinamento e teste e pontos de extremidade de implantação. Projetos de fala personalizados contêm modelos, conjuntos de dados de treinamento e teste e pontos de extremidade de implantação. Cada projeto é específico para uma localidade. Por exemplo, você pode criar um projeto para o inglês dos Estados Unidos. Confira Criar um projeto para obter exemplos de como criar projetos. |
| Webhooks | Use ganchos da Web para receber notificações sobre eventos de criação, processamento, conclusão e exclusão. Você pode usar ganchos da Web com fala personalizada e transcrição em lote. Os ganchos da Web se aplicam a conjuntos de dados, pontos de extremidade, avaliações, modelos e transcrições. |
Integridade do serviço
A integridade do serviço fornece insights sobre a integridade geral do serviço e dos subcomponentes. Consulte Integridade do Serviço para obter mais informações.