VoiceAgentInputTranscription interface

Configurações para transcrever áudio de entrada, incluindo o modelo de transcrição, implantações personalizadas de fala e dicas de frase. Quando model é azure-speech-streaming, a transcrição é suportada apenas para conversas em cascata com modelos de texto (não modelos de fala em tempo real), requer um não vazio language como en-US (locais separados por vírgulas são suportados), e suporta custom_speech, phrase_list, e profanity_filter.

Propriedades

custom_speech

Configuração opcional de implantação de voz personalizada pelo cliente, codificada por localidade.

delay

Ele controla quanto tempo o modelo espera antes de emitir texto de transcrição. Valores mais altos podem melhorar a precisão da transcrição ao custo da latência. Só suportado em gpt-realtime-whisper sessões em tempo real do GA.

keywords

Palavras ou frases para guiar a transcrição do áudio de entrada. Apoiado por gpt-transcribe e gpt-live-transcribe.

language

O idioma do áudio de entrada. Fornecer o idioma de entrada no formato ISO-639-1 (por exemplo en) melhorará a precisão e a latência. Opcional para outros modelos de transcrição; exigido e deve estar não vazio quando model é azure-speech-streaming (como en-US; locais separados por vírgulas são suportados).

languages

Possíveis linguagens do áudio de entrada, no formato ISO-639-1 . Apoiado por gpt-transcribe e gpt-live-transcribe.

model

O identificador do modelo de transcrição. Configure implantações de fala personalizadas do cliente em custom_speech. azure-speech-streaming é para conversas em cascata de modelos de texto apenas (não modelos de fala em tempo real), requer um não vazio language como en-US (locais separados por vírgulas são suportados), e suporta custom_speech, phrase_list, e profanity_filter.

phrase_list

Frase opcional sugere que esse viés é o reconhecimento em favor dos termos de domínio.

profanity_filter

Ele controla como palavrões são tratados nas transcrições de entrada. Suportado apenas com o Azure Speech gerenciado (azure-speech e azure-speech-streaming), incluindo o Custom Speech. Defina essa propriedade antes do início da sessão. Se omitido, o padrão do provedor de transcrição se aplica. Você não pode mudar o modo durante uma sessão. A filtragem afeta eventos de transcrição e o texto enviado para modelos em cascata. Não altera áudio de entrada, detecção de atividade de voz ou fala do assistente; modelos nativos de áudio ainda recebem o áudio original. As políticas obrigatórias de uso de máscara se aplicam mesmo quando você seleciona unfiltered.

prompt

Um texto opcional para guiar o estilo do modelo ou continuar um segmento de áudio anterior. Para whisper-1, o prompt é uma lista de palavras-chave. Para gpt-4o-transcribe modelos (excluindo gpt-4o-transcribe-diarize), o prompt é uma cadeia de caracteres de texto livre, por exemplo, "esperar palavras relacionadas à tecnologia". Prompt não é suportado em gpt-realtime-whisper sessões em tempo real do GA.

Detalhes da propriedade

custom_speech

Configuração opcional de implantação de voz personalizada pelo cliente, codificada por localidade.

custom_speech?: Record<string, string>

Valor da propriedade

Record<string, string>

delay

Ele controla quanto tempo o modelo espera antes de emitir texto de transcrição. Valores mais altos podem melhorar a precisão da transcrição ao custo da latência. Só suportado em gpt-realtime-whisper sessões em tempo real do GA.

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

Valor da propriedade

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

keywords

Palavras ou frases para guiar a transcrição do áudio de entrada. Apoiado por gpt-transcribe e gpt-live-transcribe.

keywords?: string[]

Valor da propriedade

string[]

language

O idioma do áudio de entrada. Fornecer o idioma de entrada no formato ISO-639-1 (por exemplo en) melhorará a precisão e a latência. Opcional para outros modelos de transcrição; exigido e deve estar não vazio quando model é azure-speech-streaming (como en-US; locais separados por vírgulas são suportados).

language?: string

Valor da propriedade

string

languages

Possíveis linguagens do áudio de entrada, no formato ISO-639-1 . Apoiado por gpt-transcribe e gpt-live-transcribe.

languages?: string[]

Valor da propriedade

string[]

model

O identificador do modelo de transcrição. Configure implantações de fala personalizadas do cliente em custom_speech. azure-speech-streaming é para conversas em cascata de modelos de texto apenas (não modelos de fala em tempo real), requer um não vazio language como en-US (locais separados por vírgulas são suportados), e suporta custom_speech, phrase_list, e profanity_filter.

model: VoiceAgentInputTranscriptionModel

Valor da propriedade

phrase_list

Frase opcional sugere que esse viés é o reconhecimento em favor dos termos de domínio.

phrase_list?: string[]

Valor da propriedade

string[]

profanity_filter

Ele controla como palavrões são tratados nas transcrições de entrada. Suportado apenas com o Azure Speech gerenciado (azure-speech e azure-speech-streaming), incluindo o Custom Speech. Defina essa propriedade antes do início da sessão. Se omitido, o padrão do provedor de transcrição se aplica. Você não pode mudar o modo durante uma sessão. A filtragem afeta eventos de transcrição e o texto enviado para modelos em cascata. Não altera áudio de entrada, detecção de atividade de voz ou fala do assistente; modelos nativos de áudio ainda recebem o áudio original. As políticas obrigatórias de uso de máscara se aplicam mesmo quando você seleciona unfiltered.

profanity_filter?: VoiceAgentProfanityFilterMode

Valor da propriedade

prompt

Um texto opcional para guiar o estilo do modelo ou continuar um segmento de áudio anterior. Para whisper-1, o prompt é uma lista de palavras-chave. Para gpt-4o-transcribe modelos (excluindo gpt-4o-transcribe-diarize), o prompt é uma cadeia de caracteres de texto livre, por exemplo, "esperar palavras relacionadas à tecnologia". Prompt não é suportado em gpt-realtime-whisper sessões em tempo real do GA.

prompt?: string

Valor da propriedade

string