Добавление профессионального набора данных для обучения голосовой связи

Когда вы готовы создать пользовательский синтез речи для вашего приложения, начните с собирания аудиозаписей и связанных сценариев для обучения модели голоса. Дополнительные сведения о записи образцов голоса см. в этом руководстве. Служба речи использует эти данные для создания уникального голоса, настроенного для сопоставления голоса в записях. После обучения голоса вы можете начать синтез речи в приложениях.

Все отправляемые данные должны соответствовать требованиям к выбранному типу данных. Важно правильно отформатировать данные перед отправкой, что гарантирует, что данные точно обрабатываются службой "Речь". Чтобы убедиться, что данные правильно отформатированы, см. статью "Типы данных обучения".

Отправка данных

Когда вы будете готовы отправить данные, откройте вкладку Prepare training data (Подготовка обучающих данных), чтобы добавить первый обучающий набор и передать данные. Обучающий набор — это набор речевых фрагментов и их сценариев сопоставления, используемых для обучения голосовой модели. Обучающий набор можно использовать для организации обучающих данных. Сервис проверяет готовность данных для каждого обучаемого набора. Вы можете импортировать несколько файлов данных в набор обучения.

Чтобы отправить обучающие данные, выполните следующие действия.

1. Войдите на портал Microsoft Foundry (классический).

2. Выберите Тонкая настройка в левой области и выберите Тонкая настройка службы ИИ.

3. Выберите задачу профессиональной настройки голосовой связи (по имени модели), которую вы начали, как описано в статье о создании профессиональной голосовой связи.

4. Выберите Подготовить обучающие данные>Загрузить данные.

5. В мастере отправки данных выберите тип данных. Если вы используете примеры данных, выберите отдельные речевые фрагменты и соответствующие расшифровки.

   

6. Выберите Далее.

7. На странице "Указание целевого набора обучения" нажмите кнопку "Создать".

8. Введите имя набора обучения и нажмите кнопку "Создать".

   

9. Выберите Далее.

10. На странице отправки данных выберите файл записи и файл скрипта в соответствующих плитках. Вы можете выбрать локальные файлы на компьютере или ввести URL-адрес хранилища BLOB-объектов Azure для отправки данных.

11. Выберите Далее.

12. Введите имя и описание данных, а затем нажмите кнопку "Далее".

13. Просмотрите сведения о отправке и выберите " Отправить данные".

Файлы данных автоматически проверяются при выборе кнопки "Отправить данные". Проверка данных включает ряд проверок аудиофайлов, чтобы проверить их формат, размер и частоту выборки. Если возникнут ошибки, исправьте их и повторите отправку.

После того как вы загрузите данные, вы можете проверить сведения в подробном представлении обучающего набора. На странице деталей можно проверить вопросы произношения и уровень шума для каждого из ваших данных. Оценка произношения на уровне предложения составляет от 0 до 100. Оценка ниже 70 обычно означает ошибку в речи или несоответствие в сценарии. Речевые фрагменты с общей оценкой ниже 70 отклоняются. Заметный акцент уменьшает оценку произношения и влияет на созданный цифровой голос.

Устранение проблем с данными в Сети

После отправки данных можно проверить сведения о данных для обучаемого набора. Прежде чем продолжить обучение голосовой модели, попробуйте устранить все проблемы с данными.

Типичные проблемы с данными

В следующих таблицах описываются распространенные проблемы с данными.

Автоматически отклонено

Процесс обучения исключает данные с этими проблемами. Процесс импорта игнорирует данные с этими проблемами, поэтому их не нужно удалять. Вы можете устранить эти проблемы с данными в Интернете или отправить исправленные данные для обучения.

Автоматическое исправление

Система автоматически исправляет следующие проблемы, но необходимо проверить и подтвердить правильность исправлений.

Требуется проверка вручную

Неразрешенные проблемы, перечисленные в следующей таблице, влияют на качество обучения, но процесс обучения не исключает данные с этими проблемами. Для повышения качества обучения исправьте эти проблемы вручную.

Следующий шаг

Когда вы будете готовы создать пользовательский голос для преобразования текста в речь для приложения, первым шагом будет собрать аудиозаписи и соответствующие сценарии для начала обучения модели голоса. Дополнительные сведения о записи образцов голоса см. в этом руководстве. Служба речи использует эти данные для создания уникального голоса, настроенного для сопоставления голоса в записях. После обучения голосовой модели вы можете использовать ее для синтезирования речи в приложениях.

Все отправляемые данные должны соответствовать требованиям к выбранному типу данных. Перед отправкой важно правильно отформатировать данные, чтобы обеспечить их точную обработку в службе "Речь". Чтобы убедиться, что данные правильно отформатированы, см. статью "Типы данных обучения".

Отправка данных

Когда вы будете готовы отправить данные, откройте вкладку Prepare training data (Подготовка обучающих данных), чтобы добавить первый обучающий набор и передать данные. Обучающий набор — это набор речевых фрагментов и их сценариев сопоставления, используемых для обучения голосовой модели. Обучающий набор можно использовать для организации обучающих данных. Служба проверяет готовность данных каждого обучающего набора. В обучающий набор можно импортировать несколько наборов данных.

Чтобы отправить обучающие данные, выполните следующие действия.

1. Войдите в службу Speech Studio.
2. Выберите Пользовательский голос> наименование вашего проекта >Подготовить данные для обучения>Загрузить данные.
3. В мастере отправки данных выберите тип данных и нажмите кнопку "Далее".
4. Выберите локальные файлы на компьютере или введите URL-адрес хранилища BLOB-объектов Azure для отправки данных.
5. Если в контекстных проектах поддержки вы выбрали типы данных Длинные аудио + транскрибирование или Только аудио, вы увидите вариант выбора режима обработки:
   • Обработано как контекстное: обрабатывает звук при сохранении контекстной информации для расширенных возможностей общения и более естественных шаблонов речи.
   • Сегментировано: обрабатывает звук и транскрибирование в отдельные речевые фрагменты с помощью стандартной сегментации.
6. В разделе "Укажите целевой набор обучения", выберите существующий набор обучения или создайте новый. Если вы создали новый набор обучения, убедитесь, что он выбран в раскрывающемся списке перед продолжением.
7. Выберите Далее.
8. Введите имя и описание данных, а затем нажмите кнопку "Далее".
9. Просмотрите сведения о отправке и нажмите кнопку "Отправить".

Файлы данных проверяются автоматически при нажатии кнопки Submit (Отправить). Проверка данных включает ряд проверок звуковых файлов, включая проверку формата, размера и частоты выборки. Если возникнут ошибки, исправьте их и повторите отправку.

После того как вы загрузите данные, вы можете проверить сведения в подробном представлении обучающего набора. На странице сведений можно дополнительно проверить проблему произношения и уровень шума для каждого из данных. Оценка произношения на уровне предложения составляет от 0 до 100. Оценка ниже 70 обычно означает ошибку в речи или несоответствие в сценарии. Речевые фрагменты с общей оценкой ниже 70 будут отклонены. Заметный акцент уменьшает оценку произношения и влияет на созданный цифровой голос.

Устранение проблем с данными в Сети

После отправки можно проверить сведения о данных обучающего набора. Прежде чем продолжить обучение голосовой модели, необходимо попытаться устранить любые проблемы с данными.

Вы можете определить и устранить проблемы с данными в речевых фрагментах в Speech Studio.

Обработано как сегментированные данные

1. На странице сведений перейдите на страницу "Принятые данные" или "Отклоненные данные". Выберите отдельные речевые фрагменты, которые вы хотите изменить, а затем нажмите кнопку "Изменить".

   

   Вы можете выбрать, какие проблемы с данными должны отображаться в зависимости от условий.

   

2. Откроется окно правки.

   

3. Обновите файл расшифровки или записи в соответствии с описанием проблемы в окне редактирования.

   Вы можете изменить расшифровку в текстовом поле, а затем нажмите кнопку "Готово"

   

   Если нужно обновить файл записи, выберите элемент Обновление файла записи, а затем отправьте исправленный файл записи (WAV).

   

4. После внесения изменений в данные необходимо проверить качество данных, нажав кнопку "Анализ данных", прежде чем использовать этот набор данных для обучения.

   Нельзя выбирать этот обучающий набор для модели обучения до завершения анализа.

   

   Кроме того, вы можете удалять речевые фрагменты с проблемами. Для этого выберите их и нажмите кнопку Удалить.

Обработано как контекстное

В отличие от обработанного как сегментированного, обработанный как Контекстуальный сохраняет исходные звуковые файлы и создает соответствующую контекстную информацию.

1. На странице сведений щелкните отдельные речевые фрагменты с параметром "Количество проблем".

   

   Контекстная информация представлена в виде сегментов. Выберите сегмент, который нужно изменить, а затем нажмите кнопку "Изменить ".

   

   Вы можете выбрать, какие проблемы с данными должны отображаться в зависимости от условий.

   

2. Измените расшифровку в текстовом поле в соответствии с описанием проблемы, а затем нажмите кнопку "Готово".

   

3. После внесения изменений в данные необходимо проверить качество данных, нажав кнопку "Анализ данных", прежде чем использовать этот набор данных для обучения.

   Нельзя выбирать этот обучающий набор для модели обучения до завершения анализа.

   

Типичные проблемы с данными

Проблемы делятся на три типа. Чтобы определить тип ошибки, обратитесь к приведенным ниже таблицам.

Автоматически отклонено

Данные с такими ошибками не будут использоваться для обучения. Импортированные данные с ошибками будут игнорироваться, поэтому удалять их не нужно. Эти ошибки данных можно исправить в Интернете или снова отправить исправленные данные для обучения.

Автоматическое исправление

Следующие ошибки исправляются автоматически, но вам следует проверять эти исправления и убеждаться, что они выполнены верно.

Требуется проверка вручную

Неисправленные ошибки, указанные в следующей таблице, влияют на качество обучения, но данные с этими ошибками не будут исключены во время обучения. Для более высокого качества обучения эти ошибки рекомендуется исправлять вручную.

Следующие шаги

Вам нужен обучающий набор данных для создания профессионального голоса. Набор данных для обучения включает звуковые файлы и скрипты. Аудиофайлы являются записями голосовых дикторов, читающих сценарные файлы. Файлы скриптов — это текст звуковых файлов.

В этой статье вы создадите обучающий набор и получите его идентификатор ресурса. Затем с помощью идентификатора ресурса можно отправить набор звуковых и скриптовых файлов.

Создание обучаемого набора

Чтобы создать набор обучения, используйте операцию TrainingSets_Create пользовательского голосового API. Создайте текст запроса в соответствии со следующими инструкциями:

• Задайте обязательное свойство projectId. См. статью о создании проекта.
• Установите требуемое свойство voiceKind в значение Male или Female. Тип нельзя изменить позже.
• Задайте обязательное свойство locale. Это должна быть локаль данных обучающего набора. Языковой стандарт обучающего набора должен совпадать с языковым стандартом заявления о согласии. Изменить региональные настройки позже будет невозможно. Список локалей для преобразования текста в речь можно найти здесь.
• При необходимости задайте description свойство для описания набора обучения. Описание набора обучения можно изменить позже.

Выполните HTTP-запрос PUT с помощью URI, как показано в следующем TrainingSets_Create примере.

• Замените YourResourceKey ключом ресурса службы речи.
• Замените YourResourceRegion на регион ресурса «Речь».
• Замените JessicaTrainingSetId идентификатором тренировочного набора данных по вашему выбору. Идентификатор, чувствительный к регистру, будет использоваться в URI тренировочного набора и не может быть изменен позже.

curl -v -X PUT -H "Ocp-Apim-Subscription-Key: YourResourceKey" -H "Content-Type: application/json" -d '{
  "description": "300 sentences Jessica data in general style.",
  "projectId": "ProjectId",
  "locale": "en-US",
  "voiceKind": "Female"
} '  "https://YourResourceRegion.api.cognitive.microsoft.com/customvoice/trainingsets/JessicaTrainingSetId?api-version=2026-01-01"

Вы должны получить ответ в следующем формате:

{
  "id": "JessicaTrainingSetId",
  "description": "300 sentences Jessica data in general style.",
  "projectId": "ProjectId",
  "locale": "en-US",
  "voiceKind": "Female",
  "status": "Succeeded",
  "createdDateTime": "2023-04-01T05:30:00.000Z",
  "lastActionDateTime": "2023-04-02T10:15:30.000Z"
}

Загрузка данных обучающего набора

Чтобы отправить обучающий набор аудио и скриптов, используйте операцию TrainingSets_UploadData пользовательского голосового API.

Перед вызовом этого API сохраните файлы записей и скриптов в BLOB-объекте Azure. В следующем примере файлы записи обозначены как https://contoso.blob.core.windows.net/voicecontainer/jessica300/*.wav, а файлы скриптов — как https://contoso.blob.core.windows.net/voicecontainer/jessica300/*.txt.

Создайте текст запроса в соответствии со следующими инструкциями:

• Задайте требуемому свойству значение kind, AudioAndScript, LongAudio или AudioOnly. Вид определяет тип обучающего набора.
• При необходимости задайте processAs свойство, чтобы указать метод обработки. Поддерживаемые значения: Segmented (по умолчанию) и Contextual. Contextual — расширенный режим, который сохраняет звук в целом, чтобы сохранить контекстную информацию для более естественных интонации. Режим Contextual доступен только в том случае, если kind установлено в LongAudio или AudioOnly. Если это не указано, используется режим по умолчанию Segmented . Дополнительные сведения см. в разделе "Учебные типы данных".
• Задайте обязательное свойство audios. В свойстве audios задайте следующие свойства:
  • Задайте для требуемого containerUrl свойства URL-адрес контейнера Хранилище BLOB-объектов Azure, который содержит звуковые файлы. Используйте подписи общего доступа (SAS) для контейнера с разрешениями на чтение и список.
  • Задайте требуемое extensions свойство расширениям звуковых файлов.
  • По желанию установите свойство prefix, чтобы задать префикс для имени BLOB.
• Задайте обязательное свойство scripts. В свойстве scripts задайте следующие свойства:
  • Задайте для требуемого containerUrl свойства URL-адрес контейнера хранилища блоб-объектов Azure, в котором содержатся файлы скриптов. Используйте подписи общего доступа (SAS) для контейнера с разрешениями на чтение и список.
  • Задайте требуемое extensions свойство расширениям файлов скриптов.
  • По желанию установите свойство prefix, чтобы задать префикс для имени BLOB.

Выполните HTTP-запрос POST с помощью URI, как показано в следующем TrainingSets_UploadData примере.

• Замените YourResourceKey ключом ресурса службы речи.
• Замените YourResourceRegion на регион ресурса «Речь».
• Замените JessicaTrainingSetId , если вы указали другой идентификатор набора обучения на предыдущем шаге.

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourResourceKey" -H "Content-Type: application/json" -d '{
  "kind": "AudioAndScript",
  "audios": {
    "containerUrl": "https://contoso.blob.core.windows.net/voicecontainer?mySasToken",
    "prefix": "jessica300/",
    "extensions": [
      ".wav"
    ]
  },
  "scripts": {
    "containerUrl": "https://contoso.blob.core.windows.net/voicecontainer?mySasToken",
    "prefix": "jessica300/",
    "extensions": [
      ".txt"
    ]
  }
} '  "https://YourResourceRegion.api.cognitive.microsoft.com/customvoice/trainingsets/JessicaTrainingSetId:upload?api-version=2026-01-01"

В следующем примере передаются длинные звуковые данные с контекстной обработкой:

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourResourceKey" -H "Content-Type: application/json" -d '{
  "kind": "LongAudio",
  "processAs": "Contextual",
  "audios": {
    "containerUrl": "https://contoso.blob.core.windows.net/voicecontainer?mySasToken",
    "prefix": "jessica-long/",
    "extensions": [
      ".wav"
    ]
  },
  "scripts": {
    "containerUrl": "https://contoso.blob.core.windows.net/voicecontainer?mySasToken",
    "prefix": "jessica-long/",
    "extensions": [
      ".txt"
    ]
  }
} '  "https://YourResourceRegion.api.cognitive.microsoft.com/customvoice/trainingsets/JessicaTrainingSetId:upload?api-version=2026-01-01"

Заголовок ответа содержит Operation-Location свойство. Используйте этот URI для получения сведений об операции TrainingSets_UploadData . Ниже приведен пример заголовка ответа:

Operation-Location: https://eastus.api.cognitive.microsoft.com/customvoice/operations/aaaabbbb-0000-cccc-1111-dddd2222eeee?api-version=2026-01-01
Operation-Id: aaaabbbb-0000-cccc-1111-dddd2222eeee

Следующие шаги