Создание пакетного транскрибирования

Чтобы создать задание пакетного распознавания, используйте операцию Transcriptions - Submit в REST API преобразования речи в текст. Создайте текст запроса в соответствии со следующими инструкциями:

• Необходимо задать либо свойство contentContainerUrl, либо свойство contentUrls. Дополнительные сведения о хранилище объектов Blob Azure для пакетного транскрибирования см. в разделе Определение местоположения звуковых файлов для пакетного транскрибирования.
• Задайте обязательное свойство locale. Это значение должно соответствовать ожидаемой локализации звуковых данных для транскрипции. Вы не можете изменить локаль позже.
• Задайте обязательное свойство displayName. Выберите имя транскрибирования, к которому можно ссылаться позже. Имя транскрибирования не должно быть уникальным и может быть изменено позже.
• Задайте обязательное свойство timeToLiveHours. Это свойство указывает, сколько времени транскрибирование должно храниться в системе после его завершения. Кратчайшая поддерживаемая длительность составляет 6 часов, самая длинная поддерживаемая длительность — 31 дней. Рекомендуемое значение — 48 часов (два дня), когда данные используются напрямую.
• При необходимости для использования модели, отличной от базовой, задайте идентификатор модели в свойстве model. Дополнительные сведения см. в разделах Использование пользовательской модели и Использование модели Whisper.
• При необходимости установите свойство wordLevelTimestampsEnabled, чтобы включить true метки времени на уровне слов в результатах транскрибирования. Значение по умолчанию — false. Для моделей Whisper вместо этого задайте свойство displayFormWordLevelTimestampsEnabled. Whisper — это модель только для отображения, поэтому лексическое поле не заполняется в транскрибировании.
• При необходимости задайте languageIdentification свойство. Используется для определения языков, на которых говорят в аудиозаписях, при сравнении со списком поддерживаемых языков. Если задано свойство languageIdentification, необходимо также задать локали кандидатов для languageIdentification.candidateLocales.

Дополнительные сведения см. в разделе "Параметры конфигурации запроса".

Выполните HTTP-запрос POST, использующий URI, как показано в следующем примере Transcriptions - Submit.

• Замените YourSpeechResoureKey своим ключом ресурса Microsoft Foundry.
• Замените YourServiceRegion регион ресурсов Microsoft Foundry.
• Задайте свойства текста запроса, как описано ранее.

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "contentUrls": [
    "https://crbn.us/hello.wav",
    "https://crbn.us/whatstheweatherlike.wav"
  ],
  "locale": "en-US",
  "displayName": "My Transcription",
  "model": null,
  "properties": {
    "wordLevelTimestampsEnabled": true,
    "languageIdentification": {
      "candidateLocales": [
        "en-US", "de-DE", "es-ES"
      ],
      "mode": "Continuous"
    },
    "timeToLiveHours": 48
  }
}'  "https://YourServiceRegion.api.cognitive.microsoft.com/speechtotext/transcriptions:submit?api-version=2024-11-15"

Вы должны получить ответ в следующем формате:

{
  "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/transcriptions/788a1f24-f980-4809-8978-e5cf41f77b35?api-version=2024-11-15",
  "displayName": "My Transcription 2",
  "locale": "en-US",
  "createdDateTime": "2025-05-24T03:20:39Z",
  "lastActionDateTime": "2025-05-24T03:20:39Z",
  "links": {
    "files": "https://eastus.api.cognitive.microsoft.com/speechtotext/transcriptions/788a1f24-f980-4809-8978-e5cf41f77b35/files?api-version=2024-11-15"
  },
  "properties": {
    "wordLevelTimestampsEnabled": true,
    "displayFormWordLevelTimestampsEnabled": false,
    "channels": [
      0,
      1
    ],
    "punctuationMode": "DictatedAndAutomatic",
    "profanityFilterMode": "Masked",
    "timeToLiveHours": 48,
    "languageIdentification": {
      "candidateLocales": [
        "en-US",
        "de-DE",
        "es-ES"
      ],
      "mode": "Continuous"
    }
  },
  "status": "NotStarted"
}

Свойство верхнего уровня self в тексте ответа — это URI транскрипции. Используйте этот URI для получения сведений, таких как URI файлов транскрипции и отчетов о транскрипции. Этот URI также используется для обновления или удаления транскрибирования.

Вы можете запросить статус ваших транскрипций с помощью операции Transcriptions - Get.

Вызов транскрибирования— регулярное удаление из службы после получения результатов. Кроме того, можно задать свойство timeToLive, чтобы обеспечить постепенное удаление результатов.

Чтобы создать транскрибирование, используйте spx batch transcription create команду. Создайте параметры запроса в соответствии со следующими инструкциями:

• Задайте обязательный параметр content. Можно указать разделенный запятыми список отдельных файлов или URL-адрес для всего контейнера. Дополнительные сведения о хранилище объектов Blob Azure для пакетного транскрибирования см. в разделе Определение местоположения звуковых файлов для пакетного транскрибирования.
• Задайте обязательное свойство language. Это значение должно соответствовать ожидаемой локализации звуковых данных для транскрипции. Вы не можете изменить локаль позже. Параметр language в речевом CLI соответствует свойству locale в запросе и ответе JSON.
• Задайте обязательное свойство name. Выберите имя транскрибирования, к которому можно ссылаться позже. Имя транскрибирования не должно быть уникальным и может быть изменено позже. Параметр name в речевом CLI соответствует свойству displayName в запросе и ответе JSON.
• Задайте для требуемого api-version параметра v3.2значение . Интерфейс командной строки службы "Речь" еще не поддерживает версию 2024-11-15 или более позднюю, поэтому необходимо использовать v3.2.

Вот пример команды CLI для службы "Речь", которая создает задание на транскрипцию.

spx batch transcription create --api-version v3.2 --name "My Transcription" --language "en-US" --content https://crbn.us/hello.wav,https://crbn.us/whatstheweatherlike.wav

Вы должны получить ответ в следующем формате:

{
  "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/transcriptions/bbbbcccc-1111-dddd-2222-eeee3333ffff",
  "model": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/models/base/ccccdddd-2222-eeee-3333-ffff4444aaaa"
  },
  "links": {
    "files": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/transcriptions/7f4232d5-9873-47a7-a6f7-4a3f00d00dc0/files"
  },
  "properties": {
    "diarizationEnabled": false,
    "wordLevelTimestampsEnabled": false,
    "channels": [
      0,
      1
    ],
    "punctuationMode": "DictatedAndAutomatic",
    "profanityFilterMode": "Masked"
  },
  "lastActionDateTime": "2025-05-24T03:20:39Z",
  "status": "NotStarted",
  "createdDateTime": "2025-05-24T03:20:39Z",
  "locale": "en-US",
  "displayName": "My Transcription",
  "description": ""
}

Свойство верхнего уровня self в тексте ответа — это URI транскрипции. Используйте этот универсальный код ресурса (URI) для получения сведений, таких как URI файлов транскрипций и отчетов о транскрипциях. Этот URI также используется для обновления или удаления транскрипции.

Для справки по CLI "Speech" для транскрипции выполните следующую команду:

spx help batch transcription

Ниже приведены некоторые параметры свойств для настройки транскрибирования при вызове операции «Транскрибирование — отправка ». Дополнительные примеры можно найти на той же странице, например создание транскрибирования с идентификацией языка.

Текст запроса имеет два разных уровня. Неправильное расположение свойства приводит к тому, что служба молча игнорирует его или возвращает ошибку проверки.

• Корневой уровень: метаданные, описывающие само задание транскрибирования (displayName, , locale, modelcontentUrls). contentContainerUrl
• Внутри properties: параметры, управляющие поведением транскрибирования. Заключите их в объект "properties": { }.

В следующем примере показана правильная структура:

{
  "contentUrls": ["https://..."],
  "locale": "en-US",
  "displayName": "My Transcription",
  "model": null,
  "properties": {
    "destinationContainerUrl": "https://<storage>.blob.core.windows.net/<container>?<SAS>",
    "wordLevelTimestampsEnabled": true,
    "timeToLiveHours": 48
  }
}

Для справки по Speech CLI с параметрами настройки транскрипции выполните следующую команду:

spx help batch transcription create advanced

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "contentUrls": [
    "https://crbn.us/hello.wav",
    "https://crbn.us/whatstheweatherlike.wav"
  ],
  "locale": "en-US",
  "displayName": "My Transcription",
  "model": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base/ccccdddd-2222-eeee-3333-ffff4444aaaa"
  },
  "properties": {
    "wordLevelTimestampsEnabled": true,
  }
}'  "https://YourServiceRegion.api.cognitive.microsoft.com/speechtotext/transcriptions:submit?api-version=2024-11-15"

spx batch transcription create --name "My Transcription" --language "en-US" --content https://crbn.us/hello.wav,https://crbn.us/whatstheweatherlike.wav --model "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/models/base/ccccdddd-2222-eeee-3333-ffff4444aaaa"

Вы можете сделать запрос Модели — Список базовых моделей, чтобы получить доступные базовые модели для всех локалей.

Выполните HTTP-запрос GET, как показано в следующем примере для eastus региона. Замените YourSpeechResoureKey своим ключом ресурса Microsoft Foundry. Замените eastus , если вы используете другой регион.

curl -v -X GET "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base?api-version=2024-11-15" -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey"

По умолчанию возвращаются только 100 старейших базовых моделей. Используйте параметры запроса skip и top для просмотра результатов. Например, следующий запрос возвращает следующие 100 базовых моделей после первых 100 моделей.

curl -v -X GET "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base?api-version=2024-11-15&skip=100&top=100" -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey"

Убедитесь, что вы задаете переменные конфигурации для ресурса Foundry для обработки речи в одном из поддерживаемых регионов. Для отображения доступных базовых моделей для всех локалей можно выполнить команду spx csr list --base.

Задайте для требуемого api-version параметра v3.2значение . Интерфейс командной строки службы "Речь" еще не поддерживает версию 2024-11-15 или более позднюю, поэтому необходимо использовать v3.2.

spx csr list --base --api-version v3.2

Вы задаете полный URI модели, как показано в этом примере для eastus региона. Замените YourSpeechResoureKey своим ключом ресурса Microsoft Foundry. Замените eastus , если вы используете другой регион.

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "contentUrls": [
    "https://crbn.us/hello.wav",
    "https://crbn.us/whatstheweatherlike.wav"
  ],
  "locale": "en-US",
  "displayName": "My Transcription",
  "model": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base/69adf293-9664-4040-932b-02ed16332e00?api-version=2024-11-15"
  },
  "properties": {
    "wordLevelTimestampsEnabled": true,
  },
}'  "https://eastus.api.cognitive.microsoft.com/speechtotext/transcriptions:submit?api-version=2024-11-15"

Вы задаете полный URI модели, как показано в этом примере для eastus региона. Замените eastus , если вы используете другой регион.

Задайте для требуемого api-version параметра v3.2значение . Интерфейс командной строки службы "Речь" еще не поддерживает версию 2024-11-15 или более позднюю, поэтому необходимо использовать v3.2.

spx batch transcription create --name "My Transcription" --language "en-US" --content https://crbn.us/hello.wav,https://crbn.us/whatstheweatherlike.wav --model "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base/ddddeeee-3333-ffff-4444-aaaa5555bbbb" --api-version v3.2