Получение результата пакетного транскрибирования

Чтобы получить результаты транскрибирования, сначала проверьте состояние задания транскрибирования. Если задание завершено, можно получить расшифровки и отчет о транскрибировании.

Получить статус транскрипции

Чтобы получить состояние задания транскрибирования, вызовите операцию Транскрипции — ПолучитьREST API для преобразования речи в текст.

Внимание

Задания на пакетную транскрипцию выполняются по мере возможности. В пиковые часы выполнение задания транскрибирования может занять до 30 минут, чтобы начать обработку и до 24 часов. Большую часть времени в процессе выполнения статус транскрибирования Running. Причина заключается в том, что задание приобретает Running состояние в момент, когда перемещается в бэкэнд-платформу пакетного транскрибирования. При использовании базовой модели это назначение происходит почти сразу; Это немного медленнее для пользовательских моделей. Таким образом, время, которое задание на транскрибирование проводит в состоянии Running, не соответствует фактическому времени транскрибирования, а также включает время ожидания во внутренних очередях.

Выполните HTTP-запрос GET с URI, как показано в следующем примере. Замените YourTranscriptionId на идентификатор транскрипции, замените YourSpeechResoureKey на ключ ресурса "Речь" и замените YourResourceName на имя ресурса "Речь".

curl -v -X GET "https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions/YourTranscriptionId?api-version=2024-11-15" -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey"

Вы должны получить ответ в следующем формате:

{
  "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions/5cff1d03-118f-4c4c-b3ba-e1f1cd88c14d?api-version=2024-11-15",
  "displayName": "My Transcription",
  "locale": "en-US",
  "createdDateTime": "2025-05-24T13:36:57Z",
  "lastActionDateTime": "2025-05-24T13:37:13Z",
  "links": {
    "files": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions/5cff1d03-118f-4c4c-b3ba-e1f1cd88c14d/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"
    },
    "durationMilliseconds": 3000
  },
  "status": "Succeeded"
}

Свойство status указывает текущее состояние транскрибирования. Расшифровки и отчет о расшифровке доступны, когда статус расшифровки — Succeeded.

Внимание

Задания пакетной транскрипции выполняются по мере возможности. В пиковые часы может потребоваться до 30 минут или дольше, чтобы задание транскрибирования начало обработки. Большую часть времени в процессе выполнения статус транскрибирования Running. Причина заключается в том, что задание приобретает Running состояние в момент, когда перемещается в бэкэнд-платформу пакетного транскрибирования. При использовании базовой модели это назначение происходит почти сразу; Это немного медленнее для пользовательских моделей. Таким образом, время, в течение которого задание на транскрибирование находится в состоянии Running, не совпадает с фактическим временем транскрибирования, а включает также время ожидания во внутренних очередях.

Чтобы получить состояние задания транскрибирования, используйте spx batch transcription status команду. Создайте параметры запроса в соответствии со следующими инструкциями:

  • Установите для параметра transcription идентификатор транскрипции, которую нужно получить.
  • Задайте для требуемого api-version параметра v3.2значение . Интерфейс командной строки службы "Речь" еще не поддерживает версию 2024-11-15 или более поздней, поэтому временно необходимо использовать v3.2.

Ниже приведен пример команды интерфейса командной строки службы "Речь", чтобы получить состояние транскрибирования:

spx batch transcription status --api-version v3.2 --transcription YourTranscriptionId

Вы должны получить ответ в следующем формате:

{
  "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/transcriptions/bbbbcccc-1111-dddd-2222-eeee3333ffff",
  "model": {
    "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/models/base/ccccdddd-2222-eeee-3333-ffff4444aaaa"
  },
  "links": {
    "files": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/transcriptions/637d9333-6559-47a6-b8de-c7d732c1ddf3/files"
  },
  "properties": {
    "diarizationEnabled": false,
    "wordLevelTimestampsEnabled": false,
    "displayFormWordLevelTimestampsEnabled": true,
    "channels": [
      0,
      1
    ],
    "punctuationMode": "DictatedAndAutomatic",
    "profanityFilterMode": "Masked",
    "duration": "PT3S"
  },
  "lastActionDateTime": "2025-05-24T13:37:12Z",
  "status": "Succeeded",
  "createdDateTime": "2024-05-10T18:39:07Z",
  "locale": "en-US",
  "displayName": "My Transcription"
}

Свойство status указывает текущее состояние транскрибирования. Транскрипции и отчет о транскрипции доступны, когда статус транскрипции — Succeeded.

Для справки по интерфейсу командной строки службы "Речь" для транскрибирования выполните следующую команду:

spx help batch transcription

Получение результатов транскрибирования

Операция "Транскрибирование — файлы списка" возвращает список файлов результатов для транскрибирования. Для каждого отправленного задания пакетного транскрибирования предоставляется файл отчета о транскрибировании. Кроме того, для каждого успешно транскрибированного аудиофайла предоставляется один файл транскрибирования (конечный результат).

Выполните HTTP-запрос GET с помощью URI "files" из предыдущего текста ответа. Замените YourTranscriptionId на ваш идентификатор транскрипции, замените YourSpeechResoureKey на ваш ключ ресурса Speech и замените YourResourceName на ваше имя ресурса Speech.

curl -v -X GET "https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions/YourTranscriptionId/files?api-version=2024-11-15" -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey"

Вы должны получить ответ в следующем формате:

{
  "values": [
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions/5cff1d03-118f-4c4c-b3ba-e1f1cd88c14d/files/ec226a24-d3c7-4ae4-b59e-49d5bdab492e?api-version=2024-11-15",
      "name": "contenturl_0.json",
      "kind": "Transcription",
      "links": {
        "contentUrl": "YourTranscriptionUrl"
      },
      "properties": {
        "size": 1230
      },
      "createdDateTime": "2025-05-24T13:37:12Z"
    },
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions/5cff1d03-118f-4c4c-b3ba-e1f1cd88c14d/files/078cd816-7944-4619-a6a6-bc52fb000f8c?api-version=2024-11-15",
      "name": "contenturl_1.json",
      "kind": "Transcription",
      "links": {
        "contentUrl": "YourTranscriptionUrl"
      },
      "properties": {
        "size": 2413
      },
      "createdDateTime": "2025-05-24T13:37:12Z"
    },
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions/5cff1d03-118f-4c4c-b3ba-e1f1cd88c14d/files/5baff707-8d68-4c69-850e-48775c57c982?api-version=2024-11-15",
      "name": "report.json",
      "kind": "TranscriptionReport",
      "links": {
        "contentUrl": "YourTranscriptionReportUrl"
      },
      "properties": {
        "size": 747
      },
      "createdDateTime": "2025-05-24T13:37:12Z"
    }
  ]
}

Расположение каждой транскрипции и файлы отчета о транскрипции с более подробными сведениями возвращаются в теле ответа. Свойство contentUrl содержит URL-адрес файла транскрибирования ("kind": "Transcription") или отчета транскрибирования ("kind": "TranscriptionReport").

Если вы не указали контейнер в destinationContainerUrl свойстве запроса транскрибирования, результаты хранятся в контейнере, управляемом корпорацией Майкрософт. При удалении задания транскрибирования данные результатов транскрибирования также удаляются.

Команда spx batch transcription list возвращает список файлов результатов для транскрибирования. Для каждого отправленного задания пакетного транскрибирования предоставляется файл отчета о транскрипции. Кроме того, для каждого успешно транскрибированного аудиофайла предоставляется один файл транскрибирования (конечный результат).

  • Задайте обязательный files флаг.
  • Установите для обязательного параметра transcription идентификатор транскрипции, для которой нужно получить журналы.
  • Задайте для требуемого api-version параметра v3.2значение . Интерфейс командной строки службы "Речь" еще не поддерживает версию 2024-11-15 или более поздней, поэтому временно необходимо использовать v3.2.

Вот пример команды Speech CLI для получения списка файлов результатов транскрипции:

spx batch transcription list --api-version v3.2 --files --transcription YourTranscriptionId

Вы должны получить ответ в следующем формате:

{
  "values": [
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/transcriptions/637d9333-6559-47a6-b8de-c7d732c1ddf3/files/aaaabbbb-6666-cccc-7777-dddd8888eeee",
      "name": "contenturl_0.json",
      "kind": "Transcription",
      "properties": {
        "size": 3407
      },
      "createdDateTime": "2025-05-24T13:37:12Z",
      "links": {
        "contentUrl": "YourTranscriptionUrl"
      }
    },
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/transcriptions/637d9333-6559-47a6-b8de-c7d732c1ddf3/files/ffffaaaa-5555-bbbb-6666-cccc7777dddd",
      "name": "contenturl_1.json",
      "kind": "Transcription",
      "properties": {
        "size": 8233
      },
      "createdDateTime": "2025-05-24T13:37:12Z",
      "links": {
        "contentUrl": "YourTranscriptionUrl"
      }
    },
    {
      "self": "https://YourResourceName.cognitiveservices.azure.com/speechtotext/v3.2/transcriptions/637d9333-6559-47a6-b8de-c7d732c1ddf3/files/aaaabbbb-6666-cccc-7777-dddd8888eeee",
      "name": "report.json",
      "kind": "TranscriptionReport",
      "properties": {
        "size": 279
      },
      "createdDateTime": "2025-05-24T13:37:12Z",
      "links": {
        "contentUrl": "YourTranscriptionReportUrl"
      }
    }
  ]
}

В теле ответа возвращаются расположение каждой транскрипции и файлы отчета о транскрипции с более подробными сведениями. Свойство contentUrl содержит URL-адрес файла транскрибирования ("kind": "Transcription") или отчета транскрибирования ("kind": "TranscriptionReport").

По умолчанию результаты хранятся в контейнере, управляемом корпорацией Майкрософт. При удалении задания транскрибирования данные результатов транскрибирования также удаляются.

Файл отчета транскрибирования

Один файл отчета транскрибирования предоставляется для каждого отправленного задания пакетной транскрибирования. Файл отчета транскрибирования определяется свойством "kind": "TranscriptionReport" в тексте ответа операции «Транскрибирование — список файлов ».

Содержимое каждого файла результата транскрибирования форматируется как JSON, как показано в этом примере.

{
  "successfulTranscriptionsCount": 2,
  "failedTranscriptionsCount": 0,
  "details": [
    {
      "source": "https://crbn.us/hello.wav",
      "status": "Succeeded"
    },
    {
      "source": "https://crbn.us/whatstheweatherlike.wav",
      "status": "Succeeded"
    }
  ]
}

Файл результатов транскрибирования

Один файл результата транскрибирования предоставляется для каждого успешно транскрибированного звукового файла. Файл результатов транскрибирования определяется свойством "kind": "Transcription" в тексте ответа операции "Транскрибирование — список файлов ".

Содержимое каждого файла результата транскрибирования форматируется как JSON, как показано в этом примере.

{
  "source": "...",
  "timestamp": "2025-05-24T13:37:05Z",
  "durationInTicks": 25800000,
  "durationMilliseconds": 2580,
  "duration": "PT2.58S",
  "combinedRecognizedPhrases": [
    {
      "channel": 0,
      "lexical": "hello world",
      "itn": "hello world",
      "maskedITN": "hello world",
      "display": "Hello world."
    }
  ],
  "recognizedPhrases": [
    {
      "recognitionStatus": "Success",
      "channel": 0,
      "offset": "PT0.76S",
      "duration": "PT1.32S",
      "offsetInTicks": 7600000.0,
      "durationInTicks": 13200000.0,
      "nBest": [
        {
          "confidence": 0.5643338,
          "lexical": "hello world",
          "itn": "hello world",
          "maskedITN": "hello world",
          "display": "Hello world.",
          "displayWords": [
            {
              "displayText": "Hello",
              "offset": "PT0.76S",
              "duration": "PT0.76S",
              "offsetInTicks": 7600000.0,
              "durationInTicks": 7600000.0
            },
            {
              "displayText": "world.",
              "offset": "PT1.52S",
              "duration": "PT0.56S",
              "offsetInTicks": 15200000.0,
              "durationInTicks": 5600000.0
            }
          ]
        },
        {
          "confidence": 0.1769063,
          "lexical": "helloworld",
          "itn": "helloworld",
          "maskedITN": "helloworld",
          "display": "helloworld"
        },
        {
          "confidence": 0.49964225,
          "lexical": "hello worlds",
          "itn": "hello worlds",
          "maskedITN": "hello worlds",
          "display": "hello worlds"
        },
        {
          "confidence": 0.4995761,
          "lexical": "hello worm",
          "itn": "hello worm",
          "maskedITN": "hello worm",
          "display": "hello worm"
        },
        {
          "confidence": 0.49418187,
          "lexical": "hello word",
          "itn": "hello word",
          "maskedITN": "hello word",
          "display": "hello word"
        }
      ]
    }
  ]
}

В зависимости от параметров запроса, заданных при создании задания транскрибирования, файл транскрибирования может содержать следующие свойства результата.

Свойство Описание
channel Номер канала в результатах. Для аудиопотоков в стереоформате левый и правый каналы во время транскрибирования разделяются. Файл результата JSON создается для каждого входного звукового файла.
combinedRecognizedPhrases Объединенные результаты всех фраз для канала.
confidence Значение достоверности для распознавания.
display Отображаемая форма распознанного текста. Включены знаки препинания и прописные буквы.
displayWords Метки времени для каждого слова транскрипции. Для displayFormWordLevelTimestampsEnabled свойства запроса должно быть задано trueзначение . В противном случае это свойство отсутствует.
duration Длительность звука. Значение представляет собой продолжительность, закодированную в формате ISO 8601.
durationInTicks Длительность аудио в тиках (один тик равен 100 наносекундам).
durationMilliseconds Длительность звука в миллисекундах.
itn Форма обратной нормализации текста (ITN) распознанного текста. Применяются такие сокращения, как "Доктор Смит" в "Др Смит", а также преобразования телефонных номеров и другие преобразования.
lexical Фактическое количество распознанных слов.
locale Локаль, определённая по входному аудио. Необходимо languageIdentification задать свойство запроса. В противном случае это свойство отсутствует.
maskedITN Форма ITN с применением маскировки ненормативной лексики.
nBest Список возможных транскрипций для текущей фразы с оценками достоверности.
offset Смещение в звуке этой фразы. Значение — это длительность в кодировке ISO 8601.
offsetInTicks Смещение в аудио для данной фразы в тиках (один тик равен 100 наносекундам).
recognitionStatus Состояние распознавания. Например, "Успешно" или "Сбой".
recognizedPhrases Список результатов для каждой фразы.
source URL-адрес, предоставленный в качестве входного источника звука. Источник соответствует свойству запроса contentUrls или contentContainerUrl. Свойство source является единственным способом подтверждения входных данных звука для транскрибирования.
speaker Определяемый докладчик. Свойства запроса diarization и diarizationEnabled должны быть заданы. В противном случае это свойство отсутствует.
timestamp Дата и время создания транскрипции. Значением является метка времени в кодировке ISO 8601.
words Список результатов с лексическим текстом для каждого слова фразы. Для wordLevelTimestampsEnabled свойства запроса должно быть задано trueзначение . В противном случае это свойство отсутствует.

Связанный контент

  • Last updated on