Краткое руководство: распознавание и преобразование речи в текст

Справочная документация | Пакет (NuGet) | Дополнительные примеры на GitHub

В этом кратком руководстве показано, как с помощью приложения перевести речь на одном языке в текст на другом.

Необходимые компоненты

Настройка среды

Пакет SDK для службы "Речь" доступен в виде пакета NuGet и реализует .NET Standard 2.0. Вы установите пакет SDK для работы с речью позднее в этом руководстве, но сначала проверьте руководство по установке пакета SDK, чтобы узнать о дополнительных требованиях.

Настройка переменных среды

Для доступа к средствам Foundry необходимо пройти проверку подлинности приложения. В этой статье показано, как использовать переменные среды для хранения учетных данных. Затем вы можете получить доступ к переменным среды из кода для проверки подлинности приложения. Для рабочей среды используйте более безопасный способ хранения и доступа к учетным данным.

Чтобы задать переменные среды для ключа ресурса службы "Речь" и конечной точки, откройте окно консоли и следуйте инструкциям для вашей операционной системы и среды разработки.

• Чтобы задать переменную среды SPEECH_KEY, замените your-key одним из ключей вашего ресурса.
• Чтобы задать ENDPOINT переменную среды, замените вашу конечную точку одной из доступных конечных точек для вашего ресурса.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Перевод речи с микрофона

Выполните следующие шаги, чтобы создать новое консольное приложение и установить Speech SDK.

1. Откройте командную строку, в которой должен быть создан проект, и создайте консольное приложение с помощью CLI .NET. Файл Program.cs должен быть создан в каталоге проекта.

   dotnet new console
   

2. Установите SDK для речи в ваш новый проект с помощью .NET CLI.

   dotnet add package Microsoft.CognitiveServices.Speech
   

3. Замените все содержимое Program.cs следующим кодом:

   using System;
   using System.IO;
   using System.Threading.Tasks;
   using Microsoft.CognitiveServices.Speech;
   using Microsoft.CognitiveServices.Speech.Audio;
   using Microsoft.CognitiveServices.Speech.Translation;
   
   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(TranslationRecognitionResult translationRecognitionResult)
       {
           switch (translationRecognitionResult.Reason)
           {
               case ResultReason.TranslatedSpeech:
                   Console.WriteLine($"RECOGNIZED: Text={translationRecognitionResult.Text}");
                   foreach (var element in translationRecognitionResult.Translations)
                   {
                       Console.WriteLine($"TRANSLATED into '{element.Key}': {element.Value}");
                   }
                   break;
               case ResultReason.NoMatch:
                   Console.WriteLine($"NOMATCH: Speech could not be recognized.");
                   break;
               case ResultReason.Canceled:
                   var cancellation = CancellationDetails.FromResult(translationRecognitionResult);
                   Console.WriteLine($"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 speechTranslationConfig = SpeechTranslationConfig.FromEndpoint(speechKey, endpoint);       
           speechTranslationConfig.SpeechRecognitionLanguage = "en-US";
           speechTranslationConfig.AddTargetLanguage("it");
   
           using var audioConfig = AudioConfig.FromDefaultMicrophoneInput();
           using var translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig);
   
           Console.WriteLine("Speak into your microphone.");
           var translationRecognitionResult = await translationRecognizer.RecognizeOnceAsync();
           OutputSpeechRecognitionResult(translationRecognitionResult);
       }
   }
   

4. Чтобы изменить язык распознавания речи, замените en-US на другой поддерживаемый язык. Укажите полную локаль с техническим разделителем - тире (-). Например, es-ES для испанского (Испания). Если язык не указан, по умолчанию используется en-US. Дополнительные сведения о том, как определить один из нескольких языков, на которых могут говорить, см. в разделе Определение языка.

5. Чтобы изменить целевой язык перевода, замените it на другой поддерживаемый язык. За редким исключением, вы указываете только код языка, который предшествует дефису языкового стандарта (-). Например, для испанского языка (Испания) используйте es, а не es-ES. Если язык не указан, по умолчанию используется en.

Запустите новое консольное приложение, чтобы начать распознавание речи с микрофона:

dotnet run

Когда услышите приглашение, начните говорить в микрофон. Ваша речь должна выводиться как переведенный текст на целевом языке:

Speak into your microphone.
RECOGNIZED: Text=I'm excited to try speech translation.
TRANSLATED into 'it': Sono entusiasta di provare la traduzione vocale.

Замечания

После выполнения краткого руководства ниже приведены некоторые дополнительные рекомендации.

• В этом примере операция RecognizeOnceAsync используется для транскрибирования речевых фрагментов продолжительностью до 30 секунд или до обнаружения тишины. Сведения о непрерывном распознавании для более продолжительных аудиофайлов, в том числе бесед на нескольких языках, см. в разделе Перевод речи.
• Чтобы распознать речь из звукового файла, используйте FromWavFileInput вместо FromDefaultMicrophoneInput:

  using var audioConfig = AudioConfig.FromWavFileInput("YourAudioFile.wav");
  

• Для сжатых звуковых файлов, таких как MP4, установите GStreamer и используйте PullAudioInputStream или PushAudioInputStream. Дополнительные сведения см. в разделе Как использовать сжатые входные аудиофайлы.

Очистка ресурсов

Для удаления созданного ресурса службы "Речь" можно использовать портал Azure или интерфейс командной строки (CLI) Azure.

Справочная документация | Пакет (NuGet) | Дополнительные примеры на GitHub

В этом кратком руководстве показано, как с помощью приложения перевести речь на одном языке в текст на другом.

Необходимые компоненты

Настройка среды

Пакет SDK для службы "Речь" доступен в виде пакета NuGet и реализует .NET Standard 2.0. Вы установите SDK речевых функций позже в этом руководстве, но сначала проверьте руководство по установке SDK на предмет дополнительных требований.

Настройка переменных среды

Для доступа к средствам Foundry необходимо пройти проверку подлинности приложения. В этой статье показано, как использовать переменные среды для хранения учетных данных. Затем вы можете получить доступ к переменным среды из кода для проверки подлинности приложения. Для рабочей среды используйте более безопасный способ хранения и доступа к учетным данным.

Чтобы задать переменные среды для ключа ресурса службы "Речь" и конечной точки, откройте окно консоли и следуйте инструкциям для вашей операционной системы и среды разработки.

• Чтобы задать переменную среды SPEECH_KEY, замените your-key одним из ключей вашего ресурса.
• Чтобы задать ENDPOINT переменную среды, замените вашу конечную точку одной из доступных конечных точек для вашего ресурса.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Перевод речи с микрофона

Выполните следующие шаги, чтобы создать новое консольное приложение и установить Speech SDK.

1. Создайте проект консоли C++ в Visual Studio Community 2022 с именем SpeechTranslation.

2. Установите пакет SDK для службы "Речь" в новом проекте с помощью диспетчера пакетов NuGet.

   Install-Package Microsoft.CognitiveServices.Speech
   

3. Замените все содержимое SpeechTranslation.cpp следующим кодом:

   #include <iostream> 
   #include <stdlib.h>
   #include <speechapi_cxx.h>
   
   using namespace Microsoft::CognitiveServices::Speech;
   using namespace Microsoft::CognitiveServices::Speech::Audio;
   using namespace Microsoft::CognitiveServices::Speech::Translation;
   
   std::string GetEnvironmentVariable(const char* name);
   
   int main()
   {
       // This example requires environment variables named "SPEECH_KEY" and "END_POINT"
       auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
       auto endpoint = GetEnvironmentVariable("END_POINT");
   
       auto speechTranslationConfig = SpeechTranslationConfig::FromEndpoint(speechKey, endpoint);
       speechTranslationConfig->SetSpeechRecognitionLanguage("en-US");
       speechTranslationConfig->AddTargetLanguage("it");
   
       auto audioConfig = AudioConfig::FromDefaultMicrophoneInput();
       auto translationRecognizer = TranslationRecognizer::FromConfig(speechTranslationConfig, audioConfig);
   
       std::cout << "Speak into your microphone.\n";
       auto result = translationRecognizer->RecognizeOnceAsync().get();
   
       if (result->Reason == ResultReason::TranslatedSpeech)
       {
           std::cout << "RECOGNIZED: Text=" << result->Text << std::endl;
           for (auto pair : result->Translations)
           {
               auto language = pair.first;
               auto translation = pair.second;
               std::cout << "Translated into '" << language << "': " << translation << 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. Чтобы изменить язык распознавания речи, замените en-US на другой поддерживаемый язык. Укажите полную локаль с техническим разделителем - тире (-). Например, es-ES для испанского (Испания). Если язык не указан, по умолчанию используется en-US. Дополнительные сведения о том, как определить один из нескольких языков, на которых могут говорить, см. в разделе Определение языка.

5. Чтобы изменить целевой язык перевода, замените it на другой поддерживаемый язык. За редким исключением, вы указываете только код языка, который предшествует дефису языкового стандарта (-). Например, для испанского языка (Испания) используйте es, а не es-ES. Если язык не указан, по умолчанию используется en.

Чтобы начать распознавание речи с микрофона, создайте и запустите новое консольное приложение.

Когда услышите приглашение, начните говорить в микрофон. Ваша речь должна выводиться как переведенный текст на целевом языке:

Speak into your microphone.
RECOGNIZED: Text=I'm excited to try speech translation.
Translated into 'it': Sono entusiasta di provare la traduzione vocale.

Замечания

После выполнения краткого руководства ниже приведены некоторые дополнительные рекомендации.

• В этом примере операция RecognizeOnceAsync используется для транскрибирования речевых фрагментов продолжительностью до 30 секунд или до обнаружения тишины. Сведения о непрерывном распознавании для более продолжительных аудиофайлов, в том числе бесед на нескольких языках, см. в разделе Перевод речи.
• Чтобы распознать речь из звукового файла, используйте FromWavFileInput вместо FromDefaultMicrophoneInput:

  auto audioInput = AudioConfig::FromWavFileInput("YourAudioFile.wav");
  

• Для сжатых звуковых файлов, таких как MP4, установите GStreamer и используйте PullAudioInputStream или PushAudioInputStream. Дополнительные сведения см. в разделе Как использовать сжатые входные аудиофайлы.

Очистка ресурсов

Для удаления созданного ресурса службы "Речь" можно использовать портал Azure или интерфейс командной строки (CLI) Azure.

Справочная документация | Пакет (Go) | Дополнительные примеры на GitHub

Пакет Speech SDK для Go не поддерживает голосовой перевод. Выберите другой язык программирования или обратитесь к справочнику и примерам для языка Go, ссылки на которые приведены в начале этой статьи.

Справочная документация | Дополнительные примеры на GitHub

В этом кратком руководстве показано, как с помощью приложения перевести речь на одном языке в текст на другом.

Необходимые компоненты

Настройка среды

Прежде чем выполнять какие-либо действия, необходимо установить пакет Speech SDK. Пример, приведенный в этом кратком руководстве, работает со средой выполнения Java.

1. Установите Apache Maven. Затем выполните команду mvn -v , чтобы подтвердить успешную установку.
2. Создайте файл pom.xml в корне проекта и скопируйте в него следующий файл:

   <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. Установите SDK для обработки речи и необходимые зависимости.

   mvn clean dependency:copy-dependencies
   

Настройка переменных среды

Для доступа к средствам Foundry необходимо пройти проверку подлинности приложения. В этой статье показано, как использовать переменные среды для хранения учетных данных. Затем вы можете получить доступ к переменным среды из кода для проверки подлинности приложения. Для рабочей среды используйте более безопасный способ хранения и доступа к учетным данным.

Чтобы задать переменные среды для ключа ресурса службы "Речь" и конечной точки, откройте окно консоли и следуйте инструкциям для вашей операционной системы и среды разработки.

• Чтобы задать переменную среды SPEECH_KEY, замените your-key одним из ключей вашего ресурса.
• Чтобы задать ENDPOINT переменную среды, замените вашу конечную точку одной из доступных конечных точек для вашего ресурса.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Перевод речи с микрофона

Чтобы создать новое консольное приложение для распознавания речи, выполните следующие действия.

1. Создайте новый файл с именем SpeechTranslation.java в том же корневом каталоге проекта.

2. Скопируйте в файл SpeechTranslation.javaследующий код:

   import com.microsoft.cognitiveservices.speech.*;
   import com.microsoft.cognitiveservices.speech.audio.AudioConfig;
   import com.microsoft.cognitiveservices.speech.translation.*;
   
   import java.util.concurrent.ExecutionException;
   import java.util.concurrent.Future;
   import java.util.Map;
   
   public class SpeechTranslation {
       // 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 {
           SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromEndpoint(speechKey, endpoint);
           speechTranslationConfig.setSpeechRecognitionLanguage("en-US");
   
           String[] toLanguages = { "it" };
           for (String language : toLanguages) {
               speechTranslationConfig.addTargetLanguage(language);
           }
   
           recognizeFromMicrophone(speechTranslationConfig);
       }
   
       public static void recognizeFromMicrophone(SpeechTranslationConfig speechTranslationConfig) throws InterruptedException, ExecutionException {
           AudioConfig audioConfig = AudioConfig.fromDefaultMicrophoneInput();
           TranslationRecognizer translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig);
   
           System.out.println("Speak into your microphone.");
           Future<TranslationRecognitionResult> task = translationRecognizer.recognizeOnceAsync();
           TranslationRecognitionResult translationRecognitionResult = task.get();
   
           if (translationRecognitionResult.getReason() == ResultReason.TranslatedSpeech) {
               System.out.println("RECOGNIZED: Text=" + translationRecognitionResult.getText());
               for (Map.Entry<String, String> pair : translationRecognitionResult.getTranslations().entrySet()) {
                   System.out.printf("Translated into '%s': %s\n", pair.getKey(), pair.getValue());
               }
           }
           else if (translationRecognitionResult.getReason() == ResultReason.NoMatch) {
               System.out.println("NOMATCH: Speech could not be recognized.");
           }
           else if (translationRecognitionResult.getReason() == ResultReason.Canceled) {
               CancellationDetails cancellation = CancellationDetails.fromResult(translationRecognitionResult);
               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. Чтобы изменить язык распознавания речи, замените en-US на другой поддерживаемый язык. Укажите полную локаль с техническим разделителем - тире (-). Например, es-ES для испанского (Испания). Если язык не указан, по умолчанию используется en-US. Дополнительные сведения о том, как определить один из нескольких языков, на которых могут говорить, см. в разделе Определение языка.

4. Чтобы изменить целевой язык перевода, замените it на другой поддерживаемый язык. За редким исключением, вы указываете только код языка, который предшествует дефису языкового стандарта (-). Например, для испанского языка (Испания) используйте es, а не es-ES. Если язык не указан, по умолчанию используется en.

Запустите новое консольное приложение, чтобы начать распознавание речи с микрофона:

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

Когда услышите приглашение, начните говорить в микрофон. Ваша речь должна выводиться как переведенный текст на целевом языке:

Speak into your microphone.
RECOGNIZED: Text=I'm excited to try speech translation.
Translated into 'it': Sono entusiasta di provare la traduzione vocale.

Замечания

После выполнения краткого руководства ниже приведены некоторые дополнительные рекомендации.

• В этом примере операция RecognizeOnceAsync используется для транскрибирования речевых фрагментов продолжительностью до 30 секунд или до обнаружения тишины. Сведения о непрерывном распознавании для более продолжительных аудиофайлов, в том числе бесед на нескольких языках, см. в разделе Перевод речи.
• Чтобы распознать речь из звукового файла, используйте fromWavFileInput вместо fromDefaultMicrophoneInput:

  AudioConfig audioConfig = AudioConfig.fromWavFileInput("YourAudioFile.wav");
  

• Для сжатых звуковых файлов, таких как MP4, установите GStreamer и используйте PullAudioInputStream или PushAudioInputStream. Дополнительные сведения см. в разделе Как использовать сжатые входные аудиофайлы.

Очистка ресурсов

Для удаления созданного ресурса службы "Речь" можно использовать портал Azure или интерфейс командной строки (CLI) Azure.

Справочная документация | Пакет (npm) | Дополнительные примеры на GitHub | Исходный код библиотеки

В этом кратком руководстве показано, как с помощью приложения перевести речь на одном языке в текст на другом.

Необходимые компоненты

Настройка

1. Создайте новую папку translation-quickstart и перейдите в папку быстрого запуска, используя следующую команду:

   mkdir translation-quickstart && cd translation-quickstart
   

2. Создайте package.json с помощью следующей команды:

   npm init -y
   

3. Установите SDK для распознавания речи в JavaScript с помощью:

   npm install microsoft-cognitiveservices-speech-sdk
   

Получение сведений о ресурсе

Для доступа к средствам Foundry необходимо пройти проверку подлинности приложения. В этой статье показано, как использовать переменные среды для хранения учетных данных. Затем вы можете получить доступ к переменным среды из кода для проверки подлинности приложения. Для рабочей среды используйте более безопасный способ хранения и доступа к учетным данным.

Чтобы задать переменные среды для ключа ресурса службы "Речь" и региона, откройте окно консоли и следуйте инструкциям для вашей операционной системы и среды разработки.

• Чтобы задать переменную среды SPEECH_KEY, замените your-key одним из ключей вашего ресурса.
• Чтобы задать SPEECH_REGION переменную среды, замените регион одним из регионов для ресурса.
• Чтобы задать ENDPOINT переменную среды, замените your-endpoint на фактическую конечную точку ресурса Speech.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Перевод речи из файла

Чтобы перевести речь из файла:

1. Создайте файл с именем translation.js со следующим содержимым:

   import { readFileSync } from "fs";
   import { SpeechTranslationConfig, AudioConfig, TranslationRecognizer, ResultReason, CancellationDetails, CancellationReason } from "microsoft-cognitiveservices-speech-sdk";
   // This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
   const speechTranslationConfig = SpeechTranslationConfig.fromEndpoint(new URL(process.env.ENDPOINT), process.env.SPEECH_KEY);
   speechTranslationConfig.speechRecognitionLanguage = "en-US";
   const language = "it";
   speechTranslationConfig.addTargetLanguage(language);
   function fromFile() {
       const audioConfig = AudioConfig.fromWavFileInput(readFileSync("YourAudioFile.wav"));
       const translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig);
       translationRecognizer.recognizeOnceAsync((result) => {
           switch (result.reason) {
               case ResultReason.TranslatedSpeech:
                   console.log(`RECOGNIZED: Text=${result.text}`);
                   console.log("Translated into [" + language + "]: " + result.translations.get(language));
                   break;
               case ResultReason.NoMatch:
                   console.log("NOMATCH: Speech could not be recognized.");
                   break;
               case ResultReason.Canceled:
                   const cancellation = CancellationDetails.fromResult(result);
                   console.log(`CANCELED: Reason=${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;
           }
           translationRecognizer.close();
       });
   }
   fromFile();
   

   • В translation.js замените YourAudioFile.wav на собственный WAV-файл. В этом примере распознается речь только из WAV-файлов. Дополнительные сведения о других форматах звука см. в разделе Как использовать сжатые входные аудиофайлы. В этом примере поддерживается до 30 секунд звука.

   • Чтобы изменить язык распознавания речи, замените en-US на другой поддерживаемый язык. Укажите полную локаль с техническим разделителем - тире (-). Например, es-ES для испанского (Испания). Если язык не указан, по умолчанию используется en-US. Дополнительные сведения о том, как определить один из нескольких языков, на которых могут говорить, см. в разделе Определение языка.

   • Чтобы изменить целевой язык перевода, замените it на другой поддерживаемый язык. За редкими исключениями, вы указываете только код языка, который предшествует разделителю языкового стандарта (-). Например, для испанского языка (Испания) используйте es, а не es-ES. Если язык не указан, по умолчанию используется en.

2. Запустите новое консольное приложение, чтобы начать распознавание речи из файла:

   node translation.js
   

Выходные данные

Речь из аудиофайла должна выводиться как переведенный текст на целевом языке:

RECOGNIZED: Text=I'm excited to try speech translation.
Translated into [it]: Sono entusiasta di provare la traduzione vocale.

Замечания

Теперь, когда вы завершили работу с кратким руководством, ознакомьтесь с дополнительными рекомендациями.

В этом примере операция recognizeOnceAsync используется для транскрибирования речевых фрагментов продолжительностью до 30 секунд или до обнаружения тишины. Сведения о непрерывном распознавании для более продолжительных аудиофайлов, в том числе бесед на нескольких языках, см. в разделе Перевод речи.

Очистка ресурсов

Для удаления созданного ресурса службы "Речь" можно использовать портал Azure или интерфейс командной строки (CLI) Azure.

Справочный пакет документации | (скачивание) | Дополнительные примеры на GitHub

Speech SDK для Objective-C поддерживает перевод речи, но мы еще не включили здесь руководство. Выберите другой язык программирования, чтобы приступить к работе и ознакомиться с основными понятиями, или обратитесь к справочнику и примерам для языка Objective-C, ссылки на которые приведены в начале этой статьи.

Справочный пакет документации | (скачивание) | Дополнительные примеры на GitHub

Пакет Speech SDK для Swift поддерживает перевод речи, но руководство сюда еще не включено. Выберите другой язык программирования, чтобы приступить к работе и ознакомиться с основными понятиями, или обратитесь к справочнику и примерам для языка Swift, ссылки на которые приведены в начале этой статьи.

Справочные примеры пакета документации | (PyPi) | Дополнительные примеры на GitHub

В этом кратком руководстве показано, как с помощью приложения перевести речь на одном языке в текст на другом.

Необходимые компоненты

Настройка среды

Пакет SDK для Python доступен в виде модуля индекса пакетов Python (PyPI). Пакет SDK для Python совместим с Windows, Linux и macOS.

• Установите Microsoft распространяемый компонент Visual C++ для Visual Studio 2015, 2017, 2019 и 2022 для своей платформы. Перезапустите компьютер, если это первая установка пакета.
• Используйте целевую архитектуру x64 в Linux.

Установите версию Python с версии 3.7 или более поздней версии. Сначала ознакомьтесь со статьей Руководство по установке пакета SDK, чтобы узнать о дополнительных требованиях.

Настройка переменных среды

Для доступа к средствам Foundry необходимо пройти проверку подлинности приложения. В этой статье показано, как использовать переменные среды для хранения учетных данных. Затем вы можете получить доступ к переменным среды из кода для проверки подлинности приложения. Для рабочей среды используйте более безопасный способ хранения и доступа к учетным данным.

Чтобы задать переменные среды для ключа ресурса службы "Речь" и конечной точки, откройте окно консоли и следуйте инструкциям для вашей операционной системы и среды разработки.

• Чтобы задать переменную среды SPEECH_KEY, замените your-key одним из ключей вашего ресурса.
• Чтобы задать ENDPOINT переменную среды, замените вашу конечную точку одной из доступных конечных точек для вашего ресурса.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Перевод речи с микрофона

Чтобы создать новое консольное приложение, выполните указанные ниже действия.

1. Откройте командную строку, в которой должен быть создан новый проект, и создайте новый файл с именем speech_translation.py.

2. Выполните следующую команду для установки пакета Speech SDK.

   pip install azure-cognitiveservices-speech
   

3. Скопируйте в файл speech_translation.pyследующий код:

   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_translation_config = speechsdk.translation.SpeechTranslationConfig(subscription=os.environ.get('SPEECH_KEY'), endpoint=os.environ.get('ENDPOINT'))
       speech_translation_config.speech_recognition_language="en-US"
   
       to_language ="it"
       speech_translation_config.add_target_language(to_language)
   
       audio_config = speechsdk.audio.AudioConfig(use_default_microphone=True)
       translation_recognizer = speechsdk.translation.TranslationRecognizer(translation_config=speech_translation_config, audio_config=audio_config)
   
       print("Speak into your microphone.")
       translation_recognition_result = translation_recognizer.recognize_once_async().get()
   
       if translation_recognition_result.reason == speechsdk.ResultReason.TranslatedSpeech:
           print("Recognized: {}".format(translation_recognition_result.text))
           print("""Translated into '{}': {}""".format(
               to_language, 
               translation_recognition_result.translations[to_language]))
       elif translation_recognition_result.reason == speechsdk.ResultReason.NoMatch:
           print("No speech could be recognized: {}".format(translation_recognition_result.no_match_details))
       elif translation_recognition_result.reason == speechsdk.ResultReason.Canceled:
           cancellation_details = translation_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. Чтобы изменить язык распознавания речи, замените en-US на другой поддерживаемый язык. Укажите полную локаль с техническим разделителем - тире (-). Например, es-ES для испанского (Испания). Если язык не указан, по умолчанию используется en-US. Дополнительные сведения о том, как определить один из нескольких языков, на которых могут говорить, см. в разделе Определение языка.

5. Чтобы изменить целевой язык перевода, замените it на другой поддерживаемый язык. За редким исключением, вы указываете только код языка, который предшествует дефису языкового стандарта (-). Например, для испанского языка (Испания) используйте es, а не es-ES. Если язык не указан, по умолчанию используется en.

Запустите новое консольное приложение, чтобы начать распознавание речи с микрофона:

python speech_translation.py

Когда услышите приглашение, начните говорить в микрофон. Ваша речь должна выводиться как переведенный текст на целевом языке:

Speak into your microphone.
Recognized: I'm excited to try speech translation.
Translated into 'it': Sono entusiasta di provare la traduzione vocale.

Замечания

После выполнения краткого руководства ниже приведены некоторые дополнительные рекомендации.

• В этом примере операция recognize_once_async используется для транскрибирования речевых фрагментов продолжительностью до 30 секунд или до обнаружения тишины. Сведения о непрерывном распознавании для более продолжительных аудиофайлов, в том числе бесед на нескольких языках, см. в разделе Перевод речи.
• Чтобы распознать речь из звукового файла, используйте filename вместо use_default_microphone:

  audio_config = speechsdk.audio.AudioConfig(filename="YourAudioFile.wav")
  

• Для сжатых звуковых файлов, таких как MP4, установите GStreamer и используйте PullAudioInputStream или PushAudioInputStream. Дополнительные сведения см. в разделе Как использовать сжатые входные аудиофайлы.

Очистка ресурсов

Для удаления созданного ресурса службы "Речь" можно использовать портал Azure или интерфейс командной строки (CLI) Azure.

Справочная документация | Пакет (npm) | Дополнительные примеры на GitHub | Исходный код библиотеки

В этом кратком руководстве показано, как с помощью приложения перевести речь на одном языке в текст на другом.

Необходимые компоненты

Настройка

1. Создайте новую папку translation-quickstart и перейдите в папку быстрого запуска, используя следующую команду:

   mkdir translation-quickstart && cd translation-quickstart
   

2. Создайте package.json с помощью следующей команды:

   npm init -y
   

3. Обновите package.json на ECMAScript с помощью следующей команды:

   npm pkg set type=module
   

4. Установите SDK для распознавания речи в JavaScript с помощью:

   npm install microsoft-cognitiveservices-speech-sdk
   

5. Чтобы избежать ошибок TypeScript, необходимо установить определения типов Node.js. Выполните следующую команду:

   npm install --save-dev @types/node
   

Получение сведений о ресурсе

Для доступа к средствам Foundry необходимо пройти проверку подлинности приложения. В этой статье показано, как использовать переменные среды для хранения учетных данных. Затем вы можете получить доступ к переменным среды из кода для проверки подлинности приложения. Для рабочей среды используйте более безопасный способ хранения и доступа к учетным данным.

Чтобы задать переменные среды для ключа ресурса службы "Речь" и региона, откройте окно консоли и следуйте инструкциям для вашей операционной системы и среды разработки.

• Чтобы задать переменную среды SPEECH_KEY, замените your-key одним из ключей вашего ресурса.
• Чтобы задать SPEECH_REGION переменную среды, замените регион одним из регионов для ресурса.
• Чтобы задать ENDPOINT переменную среды, замените your-endpoint на фактическую конечную точку ресурса Speech.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Перевод речи из файла

Чтобы перевести речь из файла:

1. Создайте файл с именем translation.ts со следующим содержимым:

   import { readFileSync } from "fs";
   import { 
       SpeechTranslationConfig, 
       AudioConfig, 
       TranslationRecognizer, 
       ResultReason, 
       CancellationDetails, 
       CancellationReason,
       TranslationRecognitionResult 
   } from "microsoft-cognitiveservices-speech-sdk";
   
   // This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
   const speechTranslationConfig: SpeechTranslationConfig = SpeechTranslationConfig.fromEndpoint(new URL(process.env.ENDPOINT!), process.env.SPEECH_KEY!);
   speechTranslationConfig.speechRecognitionLanguage = "en-US";
   
   const language = "it";
   speechTranslationConfig.addTargetLanguage(language);
   
   function fromFile(): void {
       const audioConfig: AudioConfig = AudioConfig.fromWavFileInput(readFileSync("YourAudioFile.wav"));
       const translationRecognizer: TranslationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig);
   
       translationRecognizer.recognizeOnceAsync((result: TranslationRecognitionResult) => {
           switch (result.reason) {
               case ResultReason.TranslatedSpeech:
                   console.log(`RECOGNIZED: Text=${result.text}`);
                   console.log("Translated into [" + language + "]: " + result.translations.get(language));
   
                   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;
           }
           translationRecognizer.close();
       });
   }
   fromFile();
   

   • В translation.ts замените YourAudioFile.wav на собственный WAV-файл. В этом примере распознается речь только из WAV-файлов. Дополнительные сведения о других форматах звука см. в разделе Как использовать сжатые входные аудиофайлы. В этом примере поддерживается до 30 секунд звука.

   • Чтобы изменить язык распознавания речи, замените en-US на другой поддерживаемый язык. Укажите полную локаль с техническим разделителем - тире (-). Например, es-ES для испанского (Испания). Если язык не указан, по умолчанию используется en-US. Дополнительные сведения о том, как определить один из нескольких языков, на которых могут говорить, см. в разделе Определение языка.

   • Чтобы изменить целевой язык перевода, замените it на другой поддерживаемый язык. За редкими исключениями, вы указываете только код языка, который предшествует разделителю языкового стандарта (-). Например, для испанского языка (Испания) используйте es, а не es-ES. Если язык не указан, по умолчанию используется en.

2. tsconfig.json Создайте файл для транспиля кода TypeScript и скопируйте следующий код для ECMAScript.

   {
       "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. Транспилировать код с TypeScript на JavaScript.

   tsc
   

   Эта команда не должна выводить выходные данные в случае успешного выполнения.

4. Запустите новое консольное приложение, чтобы начать распознавание речи из файла:

   node translation.js
   

Выходные данные

Речь из аудиофайла должна выводиться как переведенный текст на целевом языке:

RECOGNIZED: Text=I'm excited to try speech translation.
Translated into [it]: Sono entusiasta di provare la traduzione vocale.

Замечания

Теперь, когда вы завершили работу с кратким руководством, ознакомьтесь с дополнительными рекомендациями.

В этом примере операция recognizeOnceAsync используется для транскрибирования речевых фрагментов продолжительностью до 30 секунд или до обнаружения тишины. Сведения о непрерывном распознавании для более продолжительных аудиофайлов, в том числе бесед на нескольких языках, см. в разделе Перевод речи.

Очистка ресурсов

Для удаления созданного ресурса службы "Речь" можно использовать портал Azure или интерфейс командной строки (CLI) Azure.

Преобразование речи в текст: справочное руководство по REST API | Преобразование речи в текст REST API для коротких аудиофайлов | Дополнительные примеры на GitHub

REST API не поддерживает перевод речи. Выберите другой язык программирования или средство в верхней части этой страницы.