你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站,请访问 https://docs.azure.cn

使用微调自定义语音模型

借助自定义语音识别,你可以使用自定义模型进行实时语音转文本翻译、语音翻译和批量听录,从而提高应用程序的语音识别准确度。

小窍门

将自定义语音模型从 Speech Studio 引入 Microsoft Foundry 门户。 在 Microsoft Foundry 门户中,您可以通过连接到您的现有语音服务来继续之前的操作。 有关连接到现有语音资源的详细信息,请参阅连接到现有语音资源

你可使用自己的数据对 Foundry Tools 中的 Azure 语音基础模型进行微调,以创建自定义语音模型。 你上传数据、测试和训练自定义模型、比较模型之间的准确度,以及将模型部署到自定义终结点。

本文介绍如何使用微调创建自定义语音模型。 有关自定义语音识别的详细信息,请参阅自定义语音识别概述文档。

小窍门

可以将自定义语音模型从 Speech Studio 引入 Microsoft Foundry 门户。 在 Microsoft Foundry 中,你可以通过连接到现有的 Speech 资源继续之前未完成的工作。 有关连接到现有语音资源的详细信息,请参阅连接到现有语音资源

开始微调

自定义语音微调包括模型、训练和测试数据集以及部署终结点。 每个项目都特定于一个区域设置。 例如,可以针对美式英语进行微调。

  1. 登录到 Microsoft Foundry。 确保 New Foundry 开关处于打开状态。 这些步骤适用于 Foundry(新版)
  2. 从右上角菜单中选择“ 生成”。
  3. 在左窗格中,选择 “模型”。
  4. 在“AI 服务选项卡上,选择”Azure语音 - 语音转文本
  5. 在语音转文本操场的右上角,选择 “微调” 以打开“ 微调模型 ”窗格。
  6. “基本详细信息 ”窗格中,输入微调作业的名称、语言和其他详细信息。 然后选择下一步

保持 微调模型 窗格处于打开状态,然后继续执行 上传训练和测试数据集 以提供训练和验证数据。

创建自定义语音项目后,可以从 “自定义语音 ”页访问自定义语音模型和部署。

  1. 登录 Speech Studio

  2. 选择要使用的订阅和语音资源。

    重要说明

    如果使用音频数据训练自定义模型,请在具有专用硬件的区域中选择服务资源来训练音频数据。 有关详细信息,请参阅区域表中的脚注。

  3. 选择“自定义语音”“创建新项目”。>

  4. 遵照向导中的说明创建项目。

按名称选择新项目,或选择“转到项目”。 然后,应在左侧面板中看到这些菜单项: 语音数据集训练自定义模型测试模型部署模型

获取 REST API 的项目 ID

将语音转文本 REST API 用于自定义语音时,需要将 project 属性设置为自定义语音项目的 ID。 需要设置属性 project ,以便在 Microsoft Foundry 门户中管理微调。

重要说明

自定义语音的项目 ID 与 Microsoft Foundry 项目的 ID 不同。

选择或开始微调自定义语音模型后,可以在 URL 中找到项目 ID。

  1. 登录到 Microsoft Foundry 门户

  2. 在左侧窗格中选择“微调”

  3. 选择“AI 服务微调”

  4. “模型名称 ”列中选择要检查的自定义模型。

  5. 检查浏览器中的 URL。 项目 ID 是 URL 的一部分。 例如,项目 ID 位于 00001111-aaaa-2222-bbbb-3333cccc4444 以下 URL 中:

    https://ai.azure.com/build/models/aiservices/speech/customspeech/00001111-aaaa-2222-bbbb-3333cccc4444/<REDACTED_FOR_BREVITY>
    

将语音转文本 REST API 用于自定义语音时,需要将 project 属性设置为自定义语音项目的 ID。 需要设置属性 project ,以便可以在 Speech Studio 中管理微调。

若要在 Speech Studio 中获取自定义语音项目的项目 ID,请执行以下作:

  1. 登录到 Speech Studio 并选择 “自定义语音 ”磁贴。

  2. 选择自定义语音项目。

  3. 检查浏览器中的 URL。 项目 ID 是 URL 的一部分。 例如,项目 ID 位于 00001111-aaaa-2222-bbbb-3333cccc4444 以下 URL 中:

    https://speech.microsoft.com/portal/<Your-Resource-ID>/customspeech/a0a0a0a0-bbbb-cccc-dddd-e1e1e1e1e1e1