Speech 服務是認知服務的一種，提供了語音轉文本，文本轉語音, 語音翻譯等，今天我們實戰(zhàn)的是語音轉文本（Speech To Text）。

創(chuàng)新互聯(lián)是一家專業(yè)提供港口企業(yè)網站建設,專注與網站設計、成都網站設計、html5、小程序制作等業(yè)務。10年已為港口眾多企業(yè)、政府機構等服務。創(chuàng)新互聯(lián)專業(yè)網站建設公司優(yōu)惠進行中。

STT支持兩種訪問方式，1.是SDK，2.是REST API。

其中:

SDK方式支持?識別麥克風的語音流 和 語音文件；

REST API方式僅支持語音文件；

準備工作：創(chuàng)建 認知服務之Speech服務：

創(chuàng)建完成后，兩個重要的參數(shù)可以在頁面查看：

一. REST API方式將語音文件轉換成文本：

Azure global的 Speech API 終結點請參考：

https://docs.microsoft.com/zh-cn/azure/cognitive-services/speech-service/rest-speech-to-text#regions-and-endpoints

Azure 中國區(qū)?的 Speech API 終結點：

截至到2020.2月，僅中國東部2區(qū)域已開通Speech服務，服務終結點為：

https://chinaeast2.stt.speech.azure.cn/speech/recognition/conversation/cognitiveservices/v1

對于Speech To Text來說，有兩種身份驗證方式：

其中Authorization? Token有效期為10分鐘。

為了簡便，本文使用了Ocp-Apim-Subscription-Key的方式。

注意：如果要實現(xiàn)文本轉語音，按照上表，則必須使用 Authorization Token形式進行身份驗證。

構建請求的其他注意事項：

1. 文件格式：
   
   

2. 請求頭：
   
   
   需要注意的是，Key或者Authorization是二選一的關系。

3. 請求參數(shù)：
   
   

在Postman中的示例如下：

如果要在REST API中使用 Authorization Token，則需要先獲得Token：

Global 獲取Token的終結點：

https://docs.microsoft.com/zh-cn/azure/cognitive-services/speech-service/rest-speech-to-text#authentication

中國區(qū)獲取Token的終結點：

截至2020.02，只有中國東部2有Speech服務，其Token終結點為：

https://chinaeast2.api.cognitive.azure.cn/sts/v1.0/issuetoken

Postman獲取Token 參考如下：

二. SDK方式將語音文件轉換成文本（Python示例）：

在官網可以看到類似的代碼，但需要注意的是，該代碼僅在Azure Global的Speech服務中正常工作，針對中國區(qū)，需要做特定的修改（見下文）。

import azure.cognitiveservices.speech as speechsdk # Creates an instance of a speech config with specified subscription key and service region. # Replace with your own subscription key and service region (e.g., "chinaeast2"). speech_key, service_region = "YourSubscriptionKey", "YourServiceRegion" speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region) # Creates an audio configuration that points to an audio file. # Replace with your own audio filename. audio_filename = "whatstheweatherlike.wav" audio_input = speechsdk.AudioConfig(filename=audio_filename) # Creates a recognizer with the given settings speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_input) print("Recognizing first result...") # Starts speech recognition, and returns after a single utterance is recognized. The end of a # single utterance is determined by listening for silence at the end or until a maximum of 15 # seconds of audio is processed. ?The task returns the recognition text as result. # Note: Since recognize_once() returns only a single utterance, it is suitable only for single # shot recognition like command or query. # For long-running multi-utterance recognition, use start_continuous_recognition() instead. result = speech_recognizer.recognize_once() # Checks result. if result.reason == speechsdk.ResultReason.RecognizedSpeech: ? ?print("Recognized: {}".format(result.text)) elif result.reason == speechsdk.ResultReason.NoMatch: ? ?print("No speech could be recognized: {}".format(result.no_match_details)) elif result.reason == speechsdk.ResultReason.Canceled: ? ?cancellation_details = 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))

代碼提供頁面：

https://docs.azure.cn/zh-cn/cognitive-services/speech-service/quickstarts/speech-to-text-from-file?tabs=linux&pivots=programming-language-python#create-a-python-application-that-uses-the-speech-sdk

針對中國區(qū)，需要使用自定義終結點的方式，才能正常使用SDK：

speech_key,?service_region?=?"Your?Key",?"chinaeast2" template?=?"wss://{}.stt.speech.azure.cn/speech/recognition"?\ ???????????????"/conversation/cognitiveservices/v1?initialSilenceTimeoutMs={:d}&language=zh-CN" speech_config?=?speechsdk.SpeechConfig(subscription=speech_key, endpoint=template.format(service_region,?int(initial_silence_timeout_ms)))

中國區(qū)完整代碼為：

#!/usr/bin/env?python #?coding:?utf-8 #?Copyright?(c)?Microsoft.?All?rights?reserved. #?Licensed?under?the?MIT?license.?See?LICENSE.md?file?in?the?project?root?for?full?license?information. """ Speech?recognition?samples?for?the?Microsoft?Cognitive?Services?Speech?SDK """ import?time import?wave try: ????import?azure.cognitiveservices.speech?as?speechsdk except?ImportError: ????print(""" ????Importing?the?Speech?SDK?for?Python?failed. ????Refer?to ????https://docs.microsoft.com/azure/cognitive-services/speech-service/quickstart-python?for ????installation?instructions. ????""") ????import?sys ????sys.exit(1) #?Set?up?the?subscription?info?for?the?Speech?Service: #?Replace?with?your?own?subscription?key?and?service?region?(e.g.,?"westus"). speech_key,?service_region?=?"your?key",?"chinaeast2" #?Specify?the?path?to?an?audio?file?containing?speech?(mono?WAV?/?PCM?with?a?sampling?rate?of?16 #?kHz). filename?=?"D:\FFOutput\speechtotext.wav" def?speech_recognize_once_from_file_with_custom_endpoint_parameters(): ????"""performs?one-shot?speech?recognition?with?input?from?an?audio?file,?specifying?an ????endpoint?with?custom?parameters""" ????initial_silence_timeout_ms?=?15?*?1e3 ????template?=?"wss://{}.stt.speech.azure.cn/speech/recognition/conversation/cognitiveservices/v1?initialSilenceTimeoutMs={:d}&language=zh-CN" ????speech_config?=?speechsdk.SpeechConfig(subscription=speech_key, ????????????endpoint=template.format(service_region,?int(initial_silence_timeout_ms))) ????print("Using?endpoint",?speech_config.get_property(speechsdk.PropertyId.SpeechServiceConnection_Endpoint)) ????audio_config?=?speechsdk.audio.AudioConfig(filename=filename) ????#?Creates?a?speech?recognizer?using?a?file?as?audio?input. ????#?The?default?language?is?"en-us". ????speech_recognizer?=?speechsdk.SpeechRecognizer(speech_config=speech_config,?audio_config=audio_config) ???? ????result?=?speech_recognizer.recognize_once() ????#?Check?the?result ????if?result.reason?==?speechsdk.ResultReason.RecognizedSpeech: ????????print("Recognized:?{}".format(result.text)) ????elif?result.reason?==?speechsdk.ResultReason.NoMatch: ????????print("No?speech?could?be?recognized:?{}".format(result.no_match_details)) ????elif?result.reason?==?speechsdk.ResultReason.Canceled: ????????cancellation_details?=?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)) speech_recognize_once_from_file_with_custom_endpoint_parameters()

需要注意的是，如果我們使用SDK識別麥克風中的語音，則將

speech_recognizer?=?speechsdk.SpeechRecognizer(speech_config=speech_config,?audio_config=audio_config)

修改為如下即可（去掉audio_config參數(shù)）：

speech_recognizer?=?speechsdk.SpeechRecognizer(speech_config=speech_config)

公眾號鏈接：https://mp.weixin.qq.com/s/NA9kQsVDfzTXEqHMTdDExA

語雀地址：https://www.yuque.com/seanyu/azure/blwb5i

另外有需要云服務器可以了解下創(chuàng)新互聯(lián)cdcxhl.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

分享題目：AzureCognitiveServices-Spee-創(chuàng)新互聯(lián)
文章源于：http://www.rwnh.cn/article0/ccioio.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供面包屑導航、動態(tài)網站、虛擬主機、網站設計公司、網站維護、網站導航

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)