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 |
| keywords | Palavras ou frases para guiar a transcrição do áudio de entrada. Apoiado por |
| language | O idioma do áudio de entrada. Fornecer o idioma de entrada no formato ISO-639-1 (por exemplo |
| languages | Possíveis linguagens do áudio de entrada, no formato ISO-639-1 . Apoiado por |
| model | O identificador do modelo de transcrição. Configure implantações de fala personalizadas do cliente em |
| 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 ( |
| prompt | Um texto opcional para guiar o estilo do modelo ou continuar um segmento de áudio anterior.
Para |
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