共用方式為

快速入門：辨識語音並轉換成文字

在這個快速入門中，你將嘗試在 Microsoft Foundry 中即時語音轉文字。

先決條件

嘗試即時語音轉換文字:

  1. 登入 Microsoft Foundry。 確定 新鑄造廠 的開關是開啟的。 這些步驟指的是 Foundry（新）。
  2. 從右上方功能表中選取 [建置]。
  3. 選取左窗格中的 模型 。
  4. AI 服務標籤會顯示可在 Foundry 入口網站中直接使用的 Foundry 模型。 選取 [Azure 語音 - 語音轉換文字] 以開啟 [語音轉換文字] 試驗場。
  5. 或者使用 [參數] 區段來變更工作、語言、褻瀆原則和其他設定。 您也可以新增 LLM 的特殊指示。
  6. 使用 上傳檔案 區段來選取您的音訊檔案。 然後選取 [開始]。
  7. 在 [文字記錄] 索引標籤中檢視轉錄輸出。選擇性地在 JSON 索引標籤中檢視原始 API 回應輸出。
  8. 切換至 [ 程式碼 ] 索引標籤，以取得在應用程式中使用語音轉文字功能的範例程式碼。

參考文件 | 套件 (NuGet) | GitHub 上的其他範例

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

  • Azure 訂用帳戶。 您可以免費建立一個訂用帳戶。
  • 在 Azure 入口網站中建立語音 AI 服務資源。
  • 取得語音資源金鑰和端點。 部署語音資源之後，選取 [移至資源] 以檢視和管理索引鍵。

設定 Azure 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。 如有任何其他需求，請參閱安裝語音 SDK。

設定環境變數

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源密鑰和端點的環境變數，請開啟主控台視窗，並遵循作系統和開發環境的指示。

  • 若要設定 SPEECH_KEY 環境變數，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 ENDPOINT 環境變數，請將 您的端點 取代為您資源的其中一個端點。
setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 Visual Studio。

從麥克風辨識語音

秘訣

試試 Azure Speech in Foundry Tools 工具包 ，輕鬆在 Visual Studio Code 上建立並執行範例。

遵循下列步驟來建立主控台應用程式並安裝語音 SDK。

  1. 在資料夾開啟要新增專案的命令提示字元視窗。 執行此命令以使用 .NET CLI 建立主控台應用程式。

    dotnet new console

    此命令會在您的專案目錄中建立 Program.cs 檔案。

  2. 使用 .NET CLI 在新專案中安裝語音 SDK。

    dotnet add package Microsoft.CognitiveServices.Speech

  3. 以下列程式碼取代 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 "ENDPOINT"
    static string speechKey = Environment.GetEnvironmentVariable("SPEECH_KEY");
    static string endpoint = Environment.GetEnvironmentVariable("ENDPOINT");

    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 endpoint values?");
                }
                break;
        }
    }

    async static Task Main(string[] args)
    {
        var speechConfig = SpeechConfig.FromEndpoint(speechKey, endpoint);
        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en-US取代 。 例如，es-ES 為西班牙文 (西班牙)。 如果您未指定任何語言，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：

    dotnet run

    重要事項

    確保您已設定 SPEECH_KEY 和 ENDPOINT環境變數。 如果您未設定這些變數，則範例會失敗，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以文字的形式顯示: 

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

備註

一些其他考量:

  • 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 PullAudioInputStream 或 PushAudioInputStream。 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 入口網站或 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

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

  • Azure 訂用帳戶。 您可以免費建立一個訂用帳戶。
  • 在 Azure 入口網站中建立語音 AI 服務資源。
  • 取得語音資源金鑰和端點。 部署語音資源之後，選取 [移至資源] 以檢視和管理索引鍵。

設定 Azure 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。 如有其他需求，請參閱安裝語音 SDK。

設定環境變數

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源密鑰和端點的環境變數，請開啟主控台視窗，並遵循作系統和開發環境的指示。

  • 若要設定 SPEECH_KEY 環境變數，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 ENDPOINT 環境變數，請將 您的端點 取代為您資源的其中一個端點。
setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 Visual Studio。

從麥克風辨識語音

秘訣

試試 Azure Speech in Foundry Tools 工具包 ，輕鬆在 Visual Studio Code 上建立並執行範例。

遵循下列步驟來建立主控台應用程式並安裝語音 SDK。

  1. 在 Visual Studio Community 中建立名為 SpeechRecognition 的新 C++ 主控台專案。

  2. 選取 [工具]>[Nuget 套件管理員]>[套件管理員主控台]。 在套件管理員主控台中，執行此命令。

    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 "ENDPOINT"
    auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
    auto endpoint = GetEnvironmentVariable("ENDPOINT");

    if ((size(speechKey) == 0) || (size(endpoint) == 0)) {
        std::cout << "Please set both SPEECH_KEY and ENDPOINT environment variables." << std::endl;
        return -1;
    }

    auto speechConfig = SpeechConfig::FromEndpoint(speechKey, endpoint);

    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 endpoint 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en-US取代 。 例如，es-ES 為西班牙文 (西班牙)。 如果您未指定任何語言，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. 若要從麥克風啟動語音識別， 請建置並執行 新的控制台應用程式。

    重要事項

    確保您已設定 SPEECH_KEY 和 ENDPOINT環境變數。 如果您未設定這些變數，則範例會失敗，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以文字的形式顯示: 

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

備註

一些其他考量:

  • 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 audioConfig = AudioConfig::FromWavFileInput("YourAudioFile.wav");

  • 針對 MP4 之類的壓縮音訊檔案，請安裝 GStreamer 並使用 PullAudioInputStream 或 PushAudioInputStream。 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 入口網站或 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

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

設定 Azure 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

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源索引鍵和區域的環境變數，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，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 SPEECH_REGION 環境變數，請以您的其中一個資源區域取代 your-region。
  • 若要設定 ENDPOINT 環境變數，請取代 your-endpoint 為語音資源的實際端點。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 Visual Studio。

從麥克風辨識語音

遵循下列步驟來建立 GO 模組。

  1. 在資料夾開啟要新增專案的命令提示字元視窗。 建立名為 speech-recognition.go 的新檔案。

  2. 將下列程式碼複製到 speech-recognition.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

    重要事項

    確保您已設定 SPEECH_KEY 和 SPEECH_REGION環境變數。 如果您未設定這些變數，則範例會失敗，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 入口網站或 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

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

  • Azure 訂用帳戶。 您可以免費建立一個訂用帳戶。
  • 在 Azure 入口網站中建立語音 AI 服務資源。
  • 取得語音資源金鑰和端點。 部署語音資源之後，選取 [移至資源] 以檢視和管理索引鍵。

設定 Azure 環境

若要設定環境，請 安裝語音 SDK。 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>1.43.0</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

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源密鑰和端點的環境變數，請開啟主控台視窗，並遵循作系統和開發環境的指示。

  • 若要設定 SPEECH_KEY 環境變數，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 ENDPOINT 環境變數，請將 您的端點 取代為您資源的其中一個端點。
setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 Visual Studio。

從麥克風辨識語音

遵循下列步驟來建立新的主控台應用程式，以進行語音辨識。

  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 "ENDPOINT"
    private static String speechKey = System.getenv("SPEECH_KEY");
    private static String endpoint = System.getenv("ENDPOINT");

    public static void main(String[] args) throws InterruptedException, ExecutionException {
        SpeechConfig speechConfig = SpeechConfig.fromEndpoint(speechKey, endpoint);
        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 endpoint values?");
            }
        }

        System.exit(0);
    }
}

  3. 若要變更語音辨識語言，請以另一種en-US取代 。 例如，es-ES 為西班牙文 (西班牙)。 如果您未指定任何語言，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。

  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

    重要事項

    確保您已設定 SPEECH_KEY 和 ENDPOINT環境變數。 如果您未設定這些變數，則範例會失敗，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以文字的形式顯示: 

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

備註

一些其他考量:

  • 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 PullAudioInputStream 或 PushAudioInputStream。 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 入口網站或 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

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

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

  1. 建立新的資料夾 transcription-quickstart ，並使用下列命令移至快速入門資料夾：

    mkdir transcription-quickstart && cd transcription-quickstart

  2. 使用下列命令建立 package.json：

    npm init -y

  3. 使用下列項目安裝適用於 JavaScript 的語音 SDK：

    npm install microsoft-cognitiveservices-speech-sdk

擷取資源資訊

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源索引鍵和區域的環境變數，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，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 SPEECH_REGION 環境變數，請以您的其中一個資源區域取代 your-region。
  • 若要設定 ENDPOINT 環境變數，請取代 your-endpoint 為語音資源的實際端點。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 Visual Studio。

從檔案辨識語音

若要從檔案轉譯語音：

  1. 使用下列內容建立名為 transcription.js 的新檔案：

    import { readFileSync, createReadStream } from "fs";
import { SpeechConfig, AudioConfig, ConversationTranscriber, AudioInputStream } from "microsoft-cognitiveservices-speech-sdk";
// This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
const speechConfig = SpeechConfig.fromEndpoint(new URL(process.env.ENDPOINT), process.env.SPEECH_KEY);
function fromFile() {
    const filename = "katiesteve.wav";
    const audioConfig = AudioConfig.fromWavFileInput(readFileSync(filename));
    const conversationTranscriber = new ConversationTranscriber(speechConfig, audioConfig);
    const pushStream = AudioInputStream.createPushStream();
    createReadStream(filename).on('data', function (chunk) {
        pushStream.write(chunk.slice());
    }).on('end', function () {
        pushStream.close();
    });
    console.log("Transcribing from: " + filename);
    conversationTranscriber.sessionStarted = function (s, e) {
        console.log("SessionStarted event");
        console.log("SessionId:" + e.sessionId);
    };
    conversationTranscriber.sessionStopped = function (s, e) {
        console.log("SessionStopped event");
        console.log("SessionId:" + e.sessionId);
        conversationTranscriber.stopTranscribingAsync();
    };
    conversationTranscriber.canceled = function (s, e) {
        console.log("Canceled event");
        console.log(e.errorDetails);
        conversationTranscriber.stopTranscribingAsync();
    };
    conversationTranscriber.transcribed = function (s, e) {
        console.log("TRANSCRIBED: Text=" + e.result.text + " Speaker ID=" + e.result.speakerId);
    };
    // Start conversation transcription
    conversationTranscriber.startTranscribingAsync(function () { }, function (err) {
        console.trace("err - starting transcription: " + err);
    });
}
fromFile();

    在 transcription.js中，以您自己的 .wav 檔案取代 YourAudioFile.wav 。 此範例只會辨識 .wav 檔案中的語音。 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。 此範例支援最多 30 秒的音訊。

    若要變更語音辨識語言，請以另一種en-US取代 。 例如，es-ES 為西班牙文 (西班牙)。 如果您未指定任何語言，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。

  2. 執行新的主控台應用程式，以從檔案啟動語音辨識：

    node transcription.js

請稍候片刻以取得回應。

輸出

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。

附註

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 上的從麥克風進行語音轉換文字實作。

React 範例會顯示驗證權杖交換和管理的設計模式。 該範例也會顯示要進行語音轉換文字時從麥克風或檔案的音訊擷取。

清除資源

您可以使用 Azure 入口網站或 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

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

  • Azure 訂用帳戶。 您可以免費建立一個訂用帳戶。
  • 在 Azure 入口網站中建立語音 AI 服務資源。
  • 取得語音資源金鑰和端點。 部署語音資源之後，選取 [移至資源] 以檢視和管理索引鍵。

設定 Azure 環境

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

安裝 Python 從 3.7 或更新的版本。 如有其他需求，請參閱安裝語音 SDK。

設定環境變數

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源密鑰和端點的環境變數，請開啟主控台視窗，並遵循作系統和開發環境的指示。

  • 若要設定 SPEECH_KEY 環境變數，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 ENDPOINT 環境變數，請將 您的端點 取代為您資源的其中一個端點。
setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 Visual Studio。

從麥克風辨識語音

秘訣

試試 Azure Speech in Foundry Tools 工具包 ，輕鬆在 Visual Studio Code 上建立並執行範例。

請遵循下列步驟以建立主控台應用程式。

  1. 在資料夾開啟要新增專案的命令提示字元視窗。 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 "ENDPOINT"
     # Replace with your own subscription key and endpoint, the endpoint is like : "https://YourServiceRegion.api.cognitive.microsoft.com"
    speech_config = speechsdk.SpeechConfig(subscription=os.environ.get('SPEECH_KEY'), endpoint=os.environ.get('ENDPOINT'))
    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 endpoint values?")

recognize_from_microphone()

  4. 若要變更語音辨識語言，請以另一種en-US取代 。 例如，es-ES 為西班牙文 (西班牙)。 如果您未指定任何語言，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

    重要事項

    確保您已設定 SPEECH_KEY 和 ENDPOINT環境變數。 如果您未設定這些變數，則範例會失敗，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以文字的形式顯示: 

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

備註

一些其他考量:

  • 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 PullAudioInputStream 或 PushAudioInputStream。 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 入口網站或 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

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

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

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源索引鍵和區域的環境變數，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，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 SPEECH_REGION 環境變數，請以您的其中一個資源區域取代 your-region。
  • 若要設定 ENDPOINT 環境變數，請取代 your-endpoint 為語音資源的實際端點。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 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 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. 執行命令 pod install。 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.swift 的檔案，並找出 applicationDidFinishLaunching 和 recognizeFromMic 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. 在 AppDelegate.m 中，使用您先前所設定的環境變數 (針對語音資源金鑰和區域)。

    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en-US取代 。 例如，es-ES 為西班牙文 (西班牙)。 如果您未指定任何語言，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。

  8. 若要顯示偵錯輸出 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。

    重要事項

    確保您已設定 SPEECH_KEY 和 SPEECH_REGION環境變數。 如果您未設定這些變數，則範例會失敗，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。

Objective-C

適用於 Objective-C 的語音 SDK 會與適用於 Swift 的語音 SDK 共用用戶端程式庫和參考文件。 如需 Objective-C 程式碼範例，請參閱 GitHub 中 於 macOS 上使用 Objective-C 內的麥克風辨識語音範例專案。

清除資源

您可以使用 Azure 入口網站或 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

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

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

  1. 建立新的資料夾 transcription-quickstart ，並使用下列命令移至快速入門資料夾：

    mkdir transcription-quickstart && cd transcription-quickstart

  2. 使用下列命令建立 package.json：

    npm init -y

  3. 請使用下列命令將 package.json 更新為 ECMAScript。

    npm pkg set type=module

  4. 使用下列項目安裝適用於 JavaScript 的語音 SDK：

    npm install microsoft-cognitiveservices-speech-sdk

  5. 您必須安裝 Node.js 類型定義，以避免 TypeScript 錯誤。 執行下列命令：

    npm install --save-dev @types/node

擷取資源資訊

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源索引鍵和區域的環境變數，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，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 SPEECH_REGION 環境變數，請以您的其中一個資源區域取代 your-region。
  • 若要設定 ENDPOINT 環境變數，請取代 your-endpoint 為語音資源的實際端點。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 Visual Studio。

從檔案辨識語音

若要從檔案轉譯語音：

  1. 使用下列內容建立名為 transcription.ts 的新檔案：

    import { readFileSync } from "fs";
import { 
    SpeechConfig, 
    AudioConfig, 
    SpeechRecognizer, 
    ResultReason, 
    CancellationDetails, 
    CancellationReason,
    SpeechRecognitionResult 
} from "microsoft-cognitiveservices-speech-sdk";

// This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
const speechConfig: SpeechConfig = SpeechConfig.fromEndpoint(new URL(process.env.ENDPOINT!), process.env.SPEECH_KEY!);
speechConfig.speechRecognitionLanguage = "en-US";

function fromFile(): void {
    const audioConfig: AudioConfig = AudioConfig.fromWavFileInput(readFileSync("YourAudioFile.wav"));
    const speechRecognizer: SpeechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);

    speechRecognizer.recognizeOnceAsync((result: SpeechRecognitionResult) => {
        switch (result.reason) {
            case ResultReason.RecognizedSpeech:
                console.log(`RECOGNIZED: Text=${result.text}`);
                break;
            case ResultReason.NoMatch:
                console.log("NOMATCH: Speech could not be recognized.");
                break;
            case ResultReason.Canceled:
                const cancellation: CancellationDetails = CancellationDetails.fromResult(result);
                console.log(`CANCELED: Reason=${cancellation.reason}`);

                if (cancellation.reason === 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();

    在 transcription.ts 中，以您自己的 .wav 檔案取代 YourAudioFile.wav 。 此範例只會辨識 .wav 檔案中的語音。 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。 此範例支援最多 30 秒的音訊。

    若要變更語音辨識語言，請以另一種en-US取代 。 例如，es-ES 為西班牙文 (西班牙)。 如果您未指定任何語言，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。

  2. 建立檔案 tsconfig.json 以轉譯 TypeScript 程式代碼，並複製 ECMAScript 的下列程式代碼。

    {
    "compilerOptions": {
      "module": "NodeNext",
      "target": "ES2022", // Supports top-level await
      "moduleResolution": "NodeNext",
      "skipLibCheck": true, // Avoid type errors from node_modules
      "strict": true // Enable strict type-checking options
    },
    "include": ["*.ts"]
}

  3. 從 TypeScript 轉譯為 JavaScript。

    tsc

    如果成功，此命令應該不會產生任何輸出。

  4. 執行新的主控台應用程式，以從檔案啟動語音辨識：

    node transcription.js

請稍候片刻以取得回應。

輸出

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。

清除資源

您可以使用 Azure 入口網站或 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 上的其他範例

在此快速入門中，您會建立並執行應用程式，以即時辨識和轉譯語音轉換文字。

秘訣

如需音訊檔案的快速轉錄，請考慮使用快速轉錄 API。快速轉錄 API 支援語言識別和自動分段標記等功能。

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？

先決條件

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

設定環境變數

你需要驗證你的應用程式才能使用 Foundry Tools。 本文說明如何使用環境變數來儲存您的認證。 然後，您可以從程式碼存取環境變數，以驗證您的應用程式。 針對實際執行環境，使用更安全的方法來儲存和存取您的認證。

重要事項

我們建議使用適用於 Azure 資源的受控識別搭配 Microsoft Entra ID 驗證，以避免使用在雲端執行的應用程式儲存認證。

請謹慎使用 API 金鑰。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。 如果使用 API 金鑰，請將這些金鑰安全地儲存在 Azure Key Vault 中、定期輪替金鑰，並使用角色型存取控制和網路存取限制來限制對 Azure Key Vault 的存取。 如需在應用程式中安全地使用 API 金鑰的詳細資訊，請參閱透過 Azure Key Vault 使用 API 金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

若要設定語音資源索引鍵和區域的環境變數，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，請以您其中一個資源金鑰取代 your-key。
  • 若要設定 SPEECH_REGION 環境變數，請以您的其中一個資源區域取代 your-region。
  • 若要設定 ENDPOINT 環境變數，請取代 your-endpoint 為語音資源的實際端點。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

附註

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

新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的程式，包括主控台視窗。 例如，如果正在使用 Visual Studio 作為編輯器，請您在執行範例前重新啟動 Visual Studio。

從檔案辨識語音

開啟主控台視窗，然後執行下列 cURL 命令: 將 YourAudioFile.wav 取代為音訊檔案的路徑和名稱。

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"

重要事項

確保您已設定 SPEECH_KEY 和 SPEECH_REGION環境變數。 如果您未設定這些變數，則範例會失敗，並顯示錯誤訊息。

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，並將該音訊轉換成文字。

{
    "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 入口網站或 Azure 命令列介面 (CLI) 來移除您所建立的語音資源。

後續步驟

深入了解語音辨識

  • Last updated on