快速入門:辨識語音並轉換成文字

參考文件 | 套件 (NuGet) | GitHub 上的其他範例

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

設定環境

語音 SDK 可以 NuGet 套件的形式取得,並且實作 .NET Standard 2.0。 您稍後會在本指南中安裝語音 SDK。 如需任何其他需求,請參閱 安裝語音 SDK

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數,請將 您的金鑰 取代為資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數,請將 您的區域 取代為資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請先重新開機 Visual Studio,再執行範例。

從麥克風辨識語音

請遵循下列步驟來建立主控台應用程式並安裝語音 SDK。

  1. 開啟您想要新專案的命令提示字元。 使用 .NET CLI 建立主控台應用程式,以在專案目錄中建立 Program.cs 檔案。

    dotnet new console
    
  2. 使用 .NET CLI 在新專案中安裝語音 SDK。

    dotnet add package Microsoft.CognitiveServices.Speech
    
  3. 使用下列程式碼取代 Program.cs 的內容:

    using System;
    using System.IO;
    using System.Threading.Tasks;
    using Microsoft.CognitiveServices.Speech;
    using Microsoft.CognitiveServices.Speech.Audio;
    
    class Program 
    {
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        static string speechKey = Environment.GetEnvironmentVariable("SPEECH_KEY");
        static string speechRegion = Environment.GetEnvironmentVariable("SPEECH_REGION");
    
        static void OutputSpeechRecognitionResult(SpeechRecognitionResult speechRecognitionResult)
        {
            switch (speechRecognitionResult.Reason)
            {
                case ResultReason.RecognizedSpeech:
                    Console.WriteLine($"RECOGNIZED: Text={speechRecognitionResult.Text}");
                    break;
                case ResultReason.NoMatch:
                    Console.WriteLine($"NOMATCH: Speech could not be recognized.");
                    break;
                case ResultReason.Canceled:
                    var cancellation = CancellationDetails.FromResult(speechRecognitionResult);
                    Console.WriteLine($"CANCELED: Reason={cancellation.Reason}");
    
                    if (cancellation.Reason == CancellationReason.Error)
                    {
                        Console.WriteLine($"CANCELED: ErrorCode={cancellation.ErrorCode}");
                        Console.WriteLine($"CANCELED: ErrorDetails={cancellation.ErrorDetails}");
                        Console.WriteLine($"CANCELED: Did you set the speech resource key and region values?");
                    }
                    break;
            }
        }
    
        async static Task Main(string[] args)
        {
            var speechConfig = SpeechConfig.FromSubscription(speechKey, speechRegion);        
            speechConfig.SpeechRecognitionLanguage = "en-US";
    
            using var audioConfig = AudioConfig.FromDefaultMicrophoneInput();
            using var speechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);
    
            Console.WriteLine("Speak into your microphone.");
            var speechRecognitionResult = await speechRecognizer.RecognizeOnceAsync();
            OutputSpeechRecognitionResult(speechRecognitionResult);
        }
    }
    
  4. 若要變更語音辨識語言,請以另一種支援的語言取代 en-US。 例如,用於 es-ES 西班牙文 (西班牙) 。 如果您未指定語言,則預設值為 en-US 。 如需如何識別可能說出之多種語言之一的詳細資訊,請參閱 語言識別

  5. 執行新的主控台應用程式,以從麥克風啟動語音辨識:

    dotnet run
    

    重要

    請確定您已設定 和 SPEECH_REGION 環境變數,如設定SPEECH_KEY 環境變數中所述。 如果您未設定這些變數,範例會失敗並出現錯誤訊息。

  6. 出現提示時,請用麥克風說話。 您說話的內容應該會顯示為文字:

    Speak into your microphone.
    RECOGNIZED: Text=I'm excited to try speech to text.
    

備註

以下是一些其他考慮:

  • 此範例使用 RecognizeOnceAsync 作業來轉換最長 30 秒的語句,或直到偵測到無聲為止。 如需較長音訊的連續辨識相關資訊 (包括多語系交談),請參閱如何辨識語音

  • 若要從音訊檔案辨識語音,請使用 FromWavFileInput,而不是 FromDefaultMicrophoneInput

    using var audioConfig = AudioConfig.FromWavFileInput("YourAudioFile.wav");
    
  • 針對 MP4 之類的壓縮音訊檔案,請安裝 GStreamer 並使用 PullAudioInputStreamPushAudioInputStream。 如需詳細資訊,請參閱如何使用壓縮的輸入音訊

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

參考文件 | 套件 (NuGet) | GitHub 上的其他範例

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

設定環境

語音 SDK 可以 NuGet 套件的形式取得,並且實作 .NET Standard 2.0。 您稍後會在本指南中安裝語音 SDK。 如需其他需求,請參閱 安裝語音 SDK

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數,請將 您的金鑰 取代為資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數,請將 您的區域 取代為資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請先重新開機 Visual Studio,再執行範例。

從麥克風辨識語音

請遵循下列步驟來建立主控台應用程式並安裝語音 SDK。

  1. 在名為 SpeechRecognition的Visual Studio Community中建立新的 C++ 主控台專案。

  2. 使用 NuGet 套件管理員在新專案中安裝語音 SDK。

    Install-Package Microsoft.CognitiveServices.Speech
    
  3. 以下列程式碼取代 SpeechRecognition.cpp 的內容:

    #include <iostream> 
    #include <stdlib.h>
    #include <speechapi_cxx.h>
    
    using namespace Microsoft::CognitiveServices::Speech;
    using namespace Microsoft::CognitiveServices::Speech::Audio;
    
    std::string GetEnvironmentVariable(const char* name);
    
    int main()
    {
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
        auto speechRegion = GetEnvironmentVariable("SPEECH_REGION");
    
        if ((size(speechKey) == 0) || (size(speechRegion) == 0)) {
            std::cout << "Please set both SPEECH_KEY and SPEECH_REGION environment variables." << std::endl;
            return -1;
        }
    
        auto speechConfig = SpeechConfig::FromSubscription(speechKey, speechRegion);
    
        speechConfig->SetSpeechRecognitionLanguage("en-US");
    
        auto audioConfig = AudioConfig::FromDefaultMicrophoneInput();
        auto speechRecognizer = SpeechRecognizer::FromConfig(speechConfig, audioConfig);
    
        std::cout << "Speak into your microphone.\n";
        auto result = speechRecognizer->RecognizeOnceAsync().get();
    
        if (result->Reason == ResultReason::RecognizedSpeech)
        {
            std::cout << "RECOGNIZED: Text=" << result->Text << std::endl;
        }
        else if (result->Reason == ResultReason::NoMatch)
        {
            std::cout << "NOMATCH: Speech could not be recognized." << std::endl;
        }
        else if (result->Reason == ResultReason::Canceled)
        {
            auto cancellation = CancellationDetails::FromResult(result);
            std::cout << "CANCELED: Reason=" << (int)cancellation->Reason << std::endl;
    
            if (cancellation->Reason == CancellationReason::Error)
            {
                std::cout << "CANCELED: ErrorCode=" << (int)cancellation->ErrorCode << std::endl;
                std::cout << "CANCELED: ErrorDetails=" << cancellation->ErrorDetails << std::endl;
                std::cout << "CANCELED: Did you set the speech resource key and region values?" << std::endl;
            }
        }
    }
    
    std::string GetEnvironmentVariable(const char* name)
    {
    #if defined(_MSC_VER)
        size_t requiredSize = 0;
        (void)getenv_s(&requiredSize, nullptr, 0, name);
        if (requiredSize == 0)
        {
            return "";
        }
        auto buffer = std::make_unique<char[]>(requiredSize);
        (void)getenv_s(&requiredSize, buffer.get(), requiredSize, name);
        return buffer.get();
    #else
        auto value = getenv(name);
        return value ? value : "";
    #endif
    }
    
  4. 若要變更語音辨識語言,請以另一種支援的語言取代 en-US。 例如,用於 es-ES 西班牙文 (西班牙) 。 如果您未指定語言,則預設值為 en-US 。 如需如何識別可能說出之多種語言之一的詳細資訊,請參閱 語言識別

  5. 組建並執行新的主控台應用程式,以從麥克風啟動語音辨識。

    重要

    請確定您已設定 和 SPEECH_REGION 環境變數,如設定SPEECH_KEY 環境變數中所述。 如果您未設定這些變數,範例會失敗並出現錯誤訊息。

  6. 出現提示時,請用麥克風說話。 您說話的內容應該會顯示為文字:

    Speak into your microphone.
    RECOGNIZED: Text=I'm excited to try speech to text.
    

備註

以下是一些其他考慮:

  • 此範例使用 RecognizeOnceAsync 作業來轉換最長 30 秒的語句,或直到偵測到無聲為止。 如需較長音訊的連續辨識相關資訊 (包括多語系交談),請參閱如何辨識語音

  • 若要從音訊檔案辨識語音,請使用 FromWavFileInput,而不是 FromDefaultMicrophoneInput

    auto audioInput = AudioConfig::FromWavFileInput("YourAudioFile.wav");
    
  • 針對 MP4 之類的壓縮音訊檔案,請安裝 GStreamer 並使用 PullAudioInputStreamPushAudioInputStream。 如需詳細資訊,請參閱如何使用壓縮的輸入音訊

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

參考文件 | 套件 (Go) | GitHub 上的其他範例

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

設定環境

安裝適用於 Go 的語音 SDK。 如需需求和指示,請參閱 安裝語音 SDK

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數,請將 您的金鑰 取代為資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數,請將 您的區域 取代為資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請先重新開機 Visual Studio,再執行範例。

從麥克風辨識語音

請遵循下列步驟來建立 GO 模組。

  1. 開啟您想要新模組的命令提示字元,然後建立名為 語音辨識.go的新檔案。

  2. 將下列程式碼複製到 語音辨識.go

    package main
    
    import (
        "bufio"
        "fmt"
        "os"
    
        "github.com/Microsoft/cognitive-services-speech-sdk-go/audio"
        "github.com/Microsoft/cognitive-services-speech-sdk-go/speech"
    )
    
    func sessionStartedHandler(event speech.SessionEventArgs) {
        defer event.Close()
        fmt.Println("Session Started (ID=", event.SessionID, ")")
    }
    
    func sessionStoppedHandler(event speech.SessionEventArgs) {
        defer event.Close()
        fmt.Println("Session Stopped (ID=", event.SessionID, ")")
    }
    
    func recognizingHandler(event speech.SpeechRecognitionEventArgs) {
        defer event.Close()
        fmt.Println("Recognizing:", event.Result.Text)
    }
    
    func recognizedHandler(event speech.SpeechRecognitionEventArgs) {
        defer event.Close()
        fmt.Println("Recognized:", event.Result.Text)
    }
    
    func cancelledHandler(event speech.SpeechRecognitionCanceledEventArgs) {
        defer event.Close()
        fmt.Println("Received a cancellation: ", event.ErrorDetails)
        fmt.Println("Did you set the speech resource key and region values?")
    }
    
    func main() {
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        speechKey :=  os.Getenv("SPEECH_KEY")
        speechRegion := os.Getenv("SPEECH_REGION")
    
        audioConfig, err := audio.NewAudioConfigFromDefaultMicrophoneInput()
        if err != nil {
            fmt.Println("Got an error: ", err)
            return
        }
        defer audioConfig.Close()
        speechConfig, err := speech.NewSpeechConfigFromSubscription(speechKey, speechRegion)
        if err != nil {
            fmt.Println("Got an error: ", err)
            return
        }
        defer speechConfig.Close()
        speechRecognizer, err := speech.NewSpeechRecognizerFromConfig(speechConfig, audioConfig)
        if err != nil {
            fmt.Println("Got an error: ", err)
            return
        }
        defer speechRecognizer.Close()
        speechRecognizer.SessionStarted(sessionStartedHandler)
        speechRecognizer.SessionStopped(sessionStoppedHandler)
        speechRecognizer.Recognizing(recognizingHandler)
        speechRecognizer.Recognized(recognizedHandler)
        speechRecognizer.Canceled(cancelledHandler)
        speechRecognizer.StartContinuousRecognitionAsync()
        defer speechRecognizer.StopContinuousRecognitionAsync()
        bufio.NewReader(os.Stdin).ReadBytes('\n')
    }
    
  3. 執行下列命令來建立 go.mod 檔案,該檔案會連結至 Github 上託管的元件:

    go mod init speech-recognition
    go get github.com/Microsoft/cognitive-services-speech-sdk-go
    

    重要

    請確定您已如設定環境變數中所述設定 SPEECH_KEYSPEECH_REGION環境變數。 如果您未設定這些變數,範例會失敗並顯示錯誤訊息。

  4. 建置並執行程式碼:

    go build
    go run speech-recognition
    

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

參考文件 | GitHub 上的其他範例

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要改為以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

設定環境

您必須先安裝語音 SDK,才能執行動作。 本快速入門中的範例適用於 JAVA 執行階段

  1. 安裝 Apache Maven。 然後執行 mvn -v 以確認安裝成功。

  2. 在專案的根目錄中建立新 pom.xml 檔案,並將下列程式碼複製到其中:

    <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
        <modelVersion>4.0.0</modelVersion>
        <groupId>com.microsoft.cognitiveservices.speech.samples</groupId>
        <artifactId>quickstart-eclipse</artifactId>
        <version>1.0.0-SNAPSHOT</version>
        <build>
            <sourceDirectory>src</sourceDirectory>
            <plugins>
            <plugin>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.7.0</version>
                <configuration>
                <source>1.8</source>
                <target>1.8</target>
                </configuration>
            </plugin>
            </plugins>
        </build>
        <dependencies>
            <dependency>
            <groupId>com.microsoft.cognitiveservices.speech</groupId>
            <artifactId>client-sdk</artifactId>
            <version>1.33.0</version>
            </dependency>
        </dependencies>
    </project>
    
  3. 安裝語音 SDK 和相依性。

    mvn clean dependency:copy-dependencies
    

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數, 請將 your-key 取代為您資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數, 請將您的區域 取代為您資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請在執行範例之前重新開機 Visual Studio。

從麥克風辨識語音

請遵循下列步驟來建立語音辨識的主控台應用程式。

  1. 在相同的專案根目錄中建立名為 SpeechRecognition.java 的新檔案。

  2. 將下列程式碼複製到 SpeechRecognition.java

    import com.microsoft.cognitiveservices.speech.*;
    import com.microsoft.cognitiveservices.speech.audio.AudioConfig;
    
    import java.util.concurrent.ExecutionException;
    import java.util.concurrent.Future;
    
    public class SpeechRecognition {
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        private static String speechKey = System.getenv("SPEECH_KEY");
        private static String speechRegion = System.getenv("SPEECH_REGION");
    
        public static void main(String[] args) throws InterruptedException, ExecutionException {
            SpeechConfig speechConfig = SpeechConfig.fromSubscription(speechKey, speechRegion);
            speechConfig.setSpeechRecognitionLanguage("en-US");
            recognizeFromMicrophone(speechConfig);
        }
    
        public static void recognizeFromMicrophone(SpeechConfig speechConfig) throws InterruptedException, ExecutionException {
            AudioConfig audioConfig = AudioConfig.fromDefaultMicrophoneInput();
            SpeechRecognizer speechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);
    
            System.out.println("Speak into your microphone.");
            Future<SpeechRecognitionResult> task = speechRecognizer.recognizeOnceAsync();
            SpeechRecognitionResult speechRecognitionResult = task.get();
    
            if (speechRecognitionResult.getReason() == ResultReason.RecognizedSpeech) {
                System.out.println("RECOGNIZED: Text=" + speechRecognitionResult.getText());
            }
            else if (speechRecognitionResult.getReason() == ResultReason.NoMatch) {
                System.out.println("NOMATCH: Speech could not be recognized.");
            }
            else if (speechRecognitionResult.getReason() == ResultReason.Canceled) {
                CancellationDetails cancellation = CancellationDetails.fromResult(speechRecognitionResult);
                System.out.println("CANCELED: Reason=" + cancellation.getReason());
    
                if (cancellation.getReason() == CancellationReason.Error) {
                    System.out.println("CANCELED: ErrorCode=" + cancellation.getErrorCode());
                    System.out.println("CANCELED: ErrorDetails=" + cancellation.getErrorDetails());
                    System.out.println("CANCELED: Did you set the speech resource key and region values?");
                }
            }
    
            System.exit(0);
        }
    }
    
  3. 若要變更語音辨識語言,請以另一種支援的語言取代 en-US。 例如,針對西班牙文 (西班牙) 使用 es-ES 。 如果您未指定語言,則預設值為 en-US 。 如需如何識別可能說出其中一種語言的詳細資訊,請參閱 語言識別

  4. 執行新的主控台應用程式,以從麥克風啟動語音辨識:

    javac SpeechRecognition.java -cp ".;target\dependency\*"
    java -cp ".;target\dependency\*" SpeechRecognition
    

    重要

    請確定您已如設定環境變數中所述設定 SPEECH_KEYSPEECH_REGION環境變數。 如果您未設定這些變數,範例會失敗並顯示錯誤訊息。

  5. 出現提示時,請用麥克風說話。 您說話的內容應該會顯示為文字:

    Speak into your microphone.
    RECOGNIZED: Text=I'm excited to try speech to text.
    

備註

以下是一些其他考慮:

  • 此範例使用 RecognizeOnceAsync 作業來轉換最長 30 秒的語句,或直到偵測到無聲為止。 如需較長音訊的連續辨識相關資訊 (包括多語系交談),請參閱如何辨識語音

  • 若要從音訊檔案辨識語音,請使用 fromWavFileInput,而不是 fromDefaultMicrophoneInput

    AudioConfig audioConfig = AudioConfig.fromWavFileInput("YourAudioFile.wav");
    
  • 針對 MP4 之類的壓縮音訊檔案,請安裝 GStreamer 並使用 PullAudioInputStreamPushAudioInputStream。 如需詳細資訊,請參閱如何使用壓縮的輸入音訊

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

參考文件 | 套件 (npm) | GitHub 上的其他範例 | 程式庫原始程式碼

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要改為以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

您也需要本機電腦上的 .wav 音訊檔案。 您可以使用自己的 .wav 檔案 (最多 30 秒) 或下載 https://crbn.us/whatstheweatherlike.wav 範例檔案。

設定環境

您必須先安裝適用於 JavaScript 的語音 SDK,才能執行動作。 執行此命令︰npm install microsoft-cognitiveservices-speech-sdk。 如需引導式安裝指示,請參閱 安裝語音 SDK

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數, 請將 your-key 取代為您資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數, 請將您的區域 取代為您資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請在執行範例之前重新開機 Visual Studio。

從檔案辨識語音

請遵循下列步驟來建立 Node.js 主控台應用程式進行語音辨識。

  1. 開啟您想要新專案的命令提示字元,然後建立名為 SpeechRecognition.js的新檔案。

  2. 安裝適用於 JavaScript 的語音 SDK:

    npm install microsoft-cognitiveservices-speech-sdk
    
  3. 將下列程式碼複製到 SpeechRecognition.js

    const fs = require("fs");
    const sdk = require("microsoft-cognitiveservices-speech-sdk");
    
    // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
    const speechConfig = sdk.SpeechConfig.fromSubscription(process.env.SPEECH_KEY, process.env.SPEECH_REGION);
    speechConfig.speechRecognitionLanguage = "en-US";
    
    function fromFile() {
        let audioConfig = sdk.AudioConfig.fromWavFileInput(fs.readFileSync("YourAudioFile.wav"));
        let speechRecognizer = new sdk.SpeechRecognizer(speechConfig, audioConfig);
    
        speechRecognizer.recognizeOnceAsync(result => {
            switch (result.reason) {
                case sdk.ResultReason.RecognizedSpeech:
                    console.log(`RECOGNIZED: Text=${result.text}`);
                    break;
                case sdk.ResultReason.NoMatch:
                    console.log("NOMATCH: Speech could not be recognized.");
                    break;
                case sdk.ResultReason.Canceled:
                    const cancellation = sdk.CancellationDetails.fromResult(result);
                    console.log(`CANCELED: Reason=${cancellation.reason}`);
    
                    if (cancellation.reason == sdk.CancellationReason.Error) {
                        console.log(`CANCELED: ErrorCode=${cancellation.ErrorCode}`);
                        console.log(`CANCELED: ErrorDetails=${cancellation.errorDetails}`);
                        console.log("CANCELED: Did you set the speech resource key and region values?");
                    }
                    break;
            }
            speechRecognizer.close();
        });
    }
    fromFile();
    
  4. SpeechRecognition.js中,以您自己的.wav檔案取代YourAudioFile.wav。 此範例只會辨識 來自 .wav 檔案的語音。 如需其他音訊格式的資訊,請參閱如何使用壓縮的輸入音訊。 此範例最多支援 30 秒的音訊。

  5. 若要變更語音辨識語言,請以另一種支援的語言取代 en-US。 例如,針對西班牙文 (西班牙) 使用 es-ES 。 如果您未指定語言,則預設值為 en-US 。 如需如何識別可能說出其中一種語言的詳細資訊,請參閱 語言識別

  6. 執行新的主控台應用程式,以從檔案啟動語音辨識:

    node.exe SpeechRecognition.js
    

    重要

    請確定您已如設定環境變數中所述設定 SPEECH_KEYSPEECH_REGION環境變數。 如果您未設定這些變數,範例會失敗並顯示錯誤訊息。

    音訊檔案中的語音應輸出為文字:

    RECOGNIZED: Text=I'm excited to try speech to text.
    

備註

此範例使用 recognizeOnceAsync 作業來轉換最長 30 秒的語句,或直到偵測到無聲為止。 如需較長音訊的連續辨識相關資訊 (包括多語系交談),請參閱如何辨識語音

注意

Node.js 不支援從麥克風辨識語音。 這項功能僅在瀏覽器型 JavaScript 環境中受到支援。 如需詳細資訊,請參閱React範例,以及GitHub 上麥克風的語音轉換文字實作

React 範例會顯示驗證權杖交換和管理的設計模式。 它也會顯示從麥克風或檔案擷取音訊,以進行語音轉換文字轉換。

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

參考文件 | 套件 (下載) | GitHub 上的其他範例

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要改為以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

設定 Azure 環境

適用於 Objective-C 的語音 SDK 會以架構套件組合的形式散發。 此架構同時支援 iOS 和 macOS 上的 Objective-C 和 Swift。

語音 SDK 可用於 Xcode 專案中做為 CocoaPod,或 直接 下載並手動連結。 本指南使用 CocoaPod。 依照安裝指示中的說明安裝 CocoaPod 相依性管理員。

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數, 請將 your-key 取代為您資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數, 請將您的區域 取代為您資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請在執行範例之前重新開機 Visual Studio。

從麥克風辨識語音

遵循下列步驟在 macOS 應用程式中辨識語音。

  1. 複製 Azure-Samples/cognitive-services-speech-sdk 存放庫,以取得在 macOS 上的 Objective-C 中從麥克風辨識語音範例專案。 存放庫也有 iOS 範例。

  2. 在主控台視窗中,流覽至下載範例應用程式的目錄 helloworld

  3. 執行 pod install 命令。 此命令會產生一個 helloworld.xcworkspace Xcode 工作區,其中包含範例應用程式和作為相依性的語音 SDK。

  4. 在 XCode 中開啟 helloworld.xcworkspace 工作區。

  5. 開啟名為 AppDelegate.m 的檔案,並找出 buttonPressed 方法,如下所示。

    - (void)buttonPressed:(NSButton *)button {
        // Creates an instance of a speech config with specified subscription key and service region.
        NSString *speechKey = [[[NSProcessInfo processInfo] environment] objectForKey:@"SPEECH_KEY"];
        NSString *serviceRegion = [[[NSProcessInfo processInfo] environment] objectForKey:@"SPEECH_REGION"];
    
        SPXAudioConfiguration *audioConfig = [[SPXAudioConfiguration alloc] initWithMicrophone:nil];
        SPXSpeechConfiguration *speechConfig = [[SPXSpeechConfiguration alloc] initWithSubscription:speechKey region:serviceRegion];
        SPXSpeechRecognizer *speechRecognizer = [[SPXSpeechRecognizer alloc] initWithSpeechConfiguration:speechConfig language:@"en-US" audioConfiguration:audioConfig];
    
        NSLog(@"Speak into your microphone.");
    
        SPXSpeechRecognitionResult *speechResult = [speechRecognizer recognizeOnce];
    
        // Checks result.
        if (SPXResultReason_Canceled == speechResult.reason) {
            SPXCancellationDetails *details = [[SPXCancellationDetails alloc] initFromCanceledRecognitionResult:speechResult];
            NSLog(@"Speech recognition was canceled: %@. Did you set the speech resource key and region values?", details.errorDetails);
            [self.label setStringValue:([NSString stringWithFormat:@"Canceled: %@", details.errorDetails])];
        } else if (SPXResultReason_RecognizedSpeech == speechResult.reason) {
            NSLog(@"Speech recognition result received: %@", speechResult.text);
            [self.label setStringValue:(speechResult.text)];
        } else {
            NSLog(@"There was an error.");
            [self.label setStringValue:(@"Speech Recognition Error")];
        }
    }
    
  6. AppDelegate.m中,使用 您先前 為語音資源金鑰和區域設定的環境變數。

    NSString *speechKey = [[[NSProcessInfo processInfo] environment] objectForKey:@"SPEECH_KEY"];
    NSString *serviceRegion = [[[NSProcessInfo processInfo] environment] objectForKey:@"SPEECH_REGION"];
    
  7. 若要變更語音辨識語言,請以另一種支援的語言取代 en-US。 例如,用於 es-ES 西班牙文 (西班牙) 。 如果您未指定語言,則預設值為 en-US 。 如需如何識別可能說出之多種語言之一的詳細資訊,請參閱 語言識別

  8. 若要讓偵錯輸出可見,請選取 [檢視>偵錯區域>啟動主控台]。

  9. 建置並執行範例程式碼,方法是從功能表中選取 [產品] > [執行] ,或選取 [播放] 按鈕。

重要

請確定您已設定 和 SPEECH_REGION 環境變數,如設定SPEECH_KEY 環境變數中所述。 如果您未設定這些變數,範例會失敗並出現錯誤訊息。

選取應用程式中的按鈕,並說出幾個字後,應該會在螢幕的下半部看到說出的文字。 當您第一次執行應用程式時,系統應會提示您為應用程式授與電腦麥克風的存取權。

備註

以下是一些其他考慮:

  • 此範例使用 recognizeOnce 作業來轉換最長 30 秒的語句,或直到偵測到無聲為止。 如需較長音訊的連續辨識相關資訊 (包括多語系交談),請參閱如何辨識語音

  • 若要從音訊檔案辨識語音,請使用 initWithWavFileInput,而不是 initWithMicrophone

    SPXAudioConfiguration *audioConfig = [[SPXAudioConfiguration alloc] initWithWavFileInput:YourAudioFile];
    

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

參考文件 | 套件 (下載) | GitHub 上的其他範例

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

設定 Azure 環境

適用於 Swift 的語音 SDK 會以架構套件組合的形式散發。 此架構同時支援 iOS 和 macOS 上的 Objective-C 和 Swift。

語音 SDK 可用於 Xcode 專案中做為 CocoaPod,或直接和手動 下載 。 本指南使用 CocoaPod。 依照安裝指示中的說明安裝 CocoaPod 相依性管理員。

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數,請將 您的金鑰 取代為資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數,請將 您的區域 取代為資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請先重新開機 Visual Studio,再執行範例。

從麥克風辨識語音

遵循下列步驟在 macOS 應用程式中辨識語音。

  1. 複製 Azure-Samples/cognitive-services-speech-sdk 存放庫,以取得在 macOS 上的 Swift 中從麥克風辨識語音範例專案。 存放庫也有 iOS 範例。

  2. 瀏覽至在終端中所下載範例應用程式 (helloworld) 的目錄。

  3. 執行 pod install 命令。 此命令會產生 Xcode helloworld.xcworkspace 工作區,其中包含範例應用程式和語音 SDK 作為相依性。

  4. 在 XCode 中開啟 helloworld.xcworkspace 工作區。

  5. 開啟名為 AppDelegate.swift 的檔案,並找出 applicationDidFinishLaunchingrecognizeFromMic 方法,如下所示。

    import Cocoa
    
    @NSApplicationMain
    class AppDelegate: NSObject, NSApplicationDelegate {
        var label: NSTextField!
        var fromMicButton: NSButton!
    
        var sub: String!
        var region: String!
    
        @IBOutlet weak var window: NSWindow!
    
        func applicationDidFinishLaunching(_ aNotification: Notification) {
            print("loading")
            // load subscription information
            sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
            region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
    
            label = NSTextField(frame: NSRect(x: 100, y: 50, width: 200, height: 200))
            label.textColor = NSColor.black
            label.lineBreakMode = .byWordWrapping
    
            label.stringValue = "Recognition Result"
            label.isEditable = false
    
            self.window.contentView?.addSubview(label)
    
            fromMicButton = NSButton(frame: NSRect(x: 100, y: 300, width: 200, height: 30))
            fromMicButton.title = "Recognize"
            fromMicButton.target = self
            fromMicButton.action = #selector(fromMicButtonClicked)
            self.window.contentView?.addSubview(fromMicButton)
        }
    
        @objc func fromMicButtonClicked() {
            DispatchQueue.global(qos: .userInitiated).async {
                self.recognizeFromMic()
            }
        }
    
        func recognizeFromMic() {
            var speechConfig: SPXSpeechConfiguration?
            do {
                try speechConfig = SPXSpeechConfiguration(subscription: sub, region: region)
            } catch {
                print("error \(error) happened")
                speechConfig = nil
            }
            speechConfig?.speechRecognitionLanguage = "en-US"
    
            let audioConfig = SPXAudioConfiguration()
    
            let reco = try! SPXSpeechRecognizer(speechConfiguration: speechConfig!, audioConfiguration: audioConfig)
    
            reco.addRecognizingEventHandler() {reco, evt in
                print("intermediate recognition result: \(evt.result.text ?? "(no result)")")
                self.updateLabel(text: evt.result.text, color: .gray)
            }
    
            updateLabel(text: "Listening ...", color: .gray)
            print("Listening...")
    
            let result = try! reco.recognizeOnce()
            print("recognition result: \(result.text ?? "(no result)"), reason: \(result.reason.rawValue)")
            updateLabel(text: result.text, color: .black)
    
            if result.reason != SPXResultReason.recognizedSpeech {
                let cancellationDetails = try! SPXCancellationDetails(fromCanceledRecognitionResult: result)
                print("cancelled: \(result.reason), \(cancellationDetails.errorDetails)")
                print("Did you set the speech resource key and region values?")
                updateLabel(text: "Error: \(cancellationDetails.errorDetails)", color: .red)
            }
        }
    
        func updateLabel(text: String?, color: NSColor) {
            DispatchQueue.main.async {
                self.label.stringValue = text!
                self.label.textColor = color
            }
        }
    }
    
  6. AppDelegate.m中,使用 您先前 為語音資源金鑰和區域設定的環境變數。

    sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
    region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
    
  7. 若要變更語音辨識語言,請以另一種支援的語言取代 en-US。 例如,用於 es-ES 西班牙文 (西班牙) 。 如果您未指定語言,則預設值為 en-US 。 如需如何識別可能說出其中一種語言的詳細資訊,請參閱 語言識別

  8. 若要讓偵錯輸出可見,請選取 [檢視>偵錯區域>啟動主控台]。

  9. 建置並執行範例程式碼,方法是從功能表中選取 [產品] > [執行] ,或選取 [播放] 按鈕。

    重要

    請確定您已如設定環境變數中所述設定 SPEECH_KEYSPEECH_REGION環境變數。 如果您未設定這些變數,範例會失敗並顯示錯誤訊息。

選取應用程式中的按鈕,並說出幾個字後,應該會在螢幕的下半部看到說出的文字。 當您第一次執行應用程式時,系統應會提示您為應用程式授與電腦麥克風的存取權。

備註

此範例使用 recognizeOnce 作業來轉換最長 30 秒的語句,或直到偵測到無聲為止。 如需較長音訊的連續辨識相關資訊 (包括多語系交談),請參閱如何辨識語音

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

參考文件 | 套件 (PyPi) | GitHub 上的其他範例

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要改為以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

設定環境

適用於 Python 的語音 SDK 會以 Python 套件索引 (PyPI) 模組的形式來提供。 適用於 Python 的語音 SDK 與 Windows、Linux 和 macOS 相容。

從 3.7 或更新版本安裝 Python 版本。 如需其他需求,請參閱 安裝語音 SDK

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數, 請將 your-key 取代為您資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數, 請將您的區域 取代為您資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請在執行範例之前重新開機 Visual Studio。

從麥克風辨識語音

請遵循下列步驟來建立主控台應用程式。

  1. 開啟您想要新專案的命令提示字元,然後建立名為 speech_recognition.py的新檔案。

  2. 執行此命令以安裝語音 SDK:

    pip install azure-cognitiveservices-speech
    
  3. 將下列程式碼複製到 speech_recognition.py

    import os
    import azure.cognitiveservices.speech as speechsdk
    
    def recognize_from_microphone():
        # This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        speech_config = speechsdk.SpeechConfig(subscription=os.environ.get('SPEECH_KEY'), region=os.environ.get('SPEECH_REGION'))
        speech_config.speech_recognition_language="en-US"
    
        audio_config = speechsdk.audio.AudioConfig(use_default_microphone=True)
        speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config)
    
        print("Speak into your microphone.")
        speech_recognition_result = speech_recognizer.recognize_once_async().get()
    
        if speech_recognition_result.reason == speechsdk.ResultReason.RecognizedSpeech:
            print("Recognized: {}".format(speech_recognition_result.text))
        elif speech_recognition_result.reason == speechsdk.ResultReason.NoMatch:
            print("No speech could be recognized: {}".format(speech_recognition_result.no_match_details))
        elif speech_recognition_result.reason == speechsdk.ResultReason.Canceled:
            cancellation_details = speech_recognition_result.cancellation_details
            print("Speech Recognition canceled: {}".format(cancellation_details.reason))
            if cancellation_details.reason == speechsdk.CancellationReason.Error:
                print("Error details: {}".format(cancellation_details.error_details))
                print("Did you set the speech resource key and region values?")
    
    recognize_from_microphone()
    
  4. 若要變更語音辨識語言,請以另一種支援的語言取代 en-US。 例如,針對西班牙文 (西班牙) 使用 es-ES 。 如果您未指定語言,則預設值為 en-US 。 如需詳細了解如何識別所可能說出的多種語言之一,請參閱語言識別

  5. 執行新的主控台應用程式,以從麥克風啟動語音辨識:

    python speech_recognition.py
    

    重要

    請確定您已如設定環境變數中所述設定 SPEECH_KEYSPEECH_REGION環境變數。 如果您未設定這些變數,範例會失敗並顯示錯誤訊息。

  6. 出現提示時,請用麥克風說話。 您說話的內容應該會顯示為文字:

    Speak into your microphone.
    RECOGNIZED: Text=I'm excited to try speech to text.
    

備註

以下是一些其他考慮:

  • 此範例使用 recognize_once_async 作業來轉換最長 30 秒的語句,或直到偵測到無聲為止。 如需較長音訊的連續辨識相關資訊 (包括多語系交談),請參閱如何辨識語音

  • 若要從音訊檔案辨識語音,請使用 filename,而不是 use_default_microphone

    audio_config = speechsdk.audio.AudioConfig(filename="YourAudioFile.wav")
    
  • 針對 MP4 之類的壓縮音訊檔案,請安裝 GStreamer 並使用 PullAudioInputStreamPushAudioInputStream。 如需詳細資訊,請參閱如何使用壓縮的輸入音訊

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

語音轉換文字 REST API 參考 | 適用於簡短音訊的語音轉換文字 REST API 參考 | GitHub 上的其他樣本

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要改為以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

您也需要本機電腦上的 .wav 音訊檔案。 您可以使用自己的 .wav 檔案,最多 60 秒或下載 https://crbn.us/whatstheweatherlike.wav 範例檔案。

設定環境變數

您的應用程式必須經過驗證,才能存取 Azure AI 服務資源。 在生產環境中,請運用安全的方式來儲存和存取您的登入資訊。 例如,取得語音資源的 金鑰 之後,請將它寫入執行應用程式的本機電腦上新的環境變數。

提示

請勿在程式碼中直接包含索引碼,且切勿公開張貼索引碼。 如需更多驗證選項,請參閱Azure AI 服務安全性,例如Azure 金鑰保存庫

若要設定語音資源索引碼的環境變數,請開啟主控台視窗,並遵循作業系統和開發環境的指示進行。

  • 若要設定 SPEECH_KEY 環境變數,請將 您的金鑰 取代為資源的其中一個金鑰。
  • 若要設定 SPEECH_REGION 環境變數,請將 您的區域 取代為資源的其中一個區域。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果您只需要存取目前主控台中的環境變數,您可以使用 來設定環境變數 set ,而不是 setx

新增環境變數之後,您可能需要重新開機任何需要讀取環境變數的程式,包括主控台視窗。 例如,如果您使用 Visual Studio 作為編輯器,請先重新開機 Visual Studio,再執行範例。

從檔案辨識語音

開啟主控台視窗並執行下列 cURL 命令。 以音訊檔案的路徑和名稱取代 YourAudioFile.wav

curl --location --request POST "https://%SPEECH_REGION%.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US&format=detailed" ^
--header "Ocp-Apim-Subscription-Key: %SPEECH_KEY%" ^
--header "Content-Type: audio/wav" ^
--data-binary "@YourAudioFile.wav"

重要

請確定您已設定 和 SPEECH_REGION 環境變數,如設定SPEECH_KEY 環境變數中所述。 如果您未設定這些變數,範例會失敗並出現錯誤訊息。

您應該會收到類似此處所示的回應。 DisplayText 應該是從音訊檔案辨識出的文字。 此命令可辨識最多 60 秒的音訊,並將它轉換成文字。

{
    "RecognitionStatus": "Success",
    "DisplayText": "My voice is my passport, verify me.",
    "Offset": 6600000,
    "Duration": 32100000
}

如需詳細資訊,請參閱 簡短音訊的語音轉換文字 REST API

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

在本快速入門中,您會建立並執行應用程式,以即時辨識和轉譯語音到文字。

提示

您可以在 Speech Studio 中嘗試即時語音轉換文字,而不需註冊或撰寫任何程式碼。

若要以非同步方式轉譯音訊檔案,請參閱 什麼是批次轉譯。 如果您不確定哪個語音轉換文字解決方案適合您,請參閱 什麼是語音轉換文字?

必要條件

  • Azure 訂用帳戶 - 建立免費帳戶
  • 在 Azure 入口網站中建立語音資源
  • 您的語音資源金鑰和區域。 部署語音資源之後,選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊,請參閱取得資源的金鑰

設定環境

請遵循下列步驟,並參閱語音 CLI 快速入門 ,以瞭解平臺的其他需求。

  1. 執行下列 .NET CLI 命令以安裝語音 CLI:

    dotnet tool install --global Microsoft.CognitiveServices.Speech.CLI
    
  2. 執行下列命令來設定語音資源金鑰和區域。 以您的語音資源金鑰取代 SUBSCRIPTION-KEY,而以您的語音資源區域取代 REGION

    spx config @key --set SUBSCRIPTION-KEY
    spx config @region --set REGION
    

從麥克風辨識語音

  1. 執行下列命令即可從麥克風啟動語音辨識:

    spx recognize --microphone --source en-US
    
  2. 用麥克風說話,您會看到單字即時轉譯成文字。 語音 CLI 會在一段無聲、30 秒或選取Ctrl+C之後停止。

    Connection CONNECTED...
    RECOGNIZED: I'm excited to try speech to text.
    

備註

以下是一些其他考慮:

  • 若要從音訊檔案辨識語音,請使用 --file,而不是 --microphone。 針對 MP4 之類的壓縮音訊檔案,請安裝 GStreamer 並使用 --format。 如需詳細資訊,請參閱如何使用壓縮的輸入音訊

    spx recognize --file YourAudioFile.wav
    spx recognize --file YourAudioFile.mp4 --format any
    
  • 若要改善特定單字或語句的辨識正確性,請使用片語清單。 您可以在辨識命令中包含內置的片語清單或片語清單文字檔:

    spx recognize --microphone --phrases "Contoso;Jessie;Rehaan;"
    spx recognize --microphone --phrases @phrases.txt
    
  • 若要變更語音辨識語言,請以另一種支援的語言取代 en-US。 例如,用於 es-ES 西班牙文 (西班牙) 。 如果您未指定語言,則預設值為 en-US

    spx recognize --microphone --source es-ES
    
  • 若要連續辨識超過 30 秒的音訊,請附加 --continuous

    spx recognize --microphone --source es-ES --continuous
    
  • 執行此命令以取得更多語音辨識選項的相關資訊,例如檔案輸入和輸出:

    spx help recognize
    

清除資源

您可以使用 Azure 入口網站Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

後續步驟