Nota
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
参考文档 | 包 (NuGet) | GitHub 上的其他示例
本作指南介绍如何识别人工语音并将其翻译为其他语言。
有关以下内容的详细信息,请参阅语音翻译 概述 :
- 将语音转换为文本
- 将语音翻译为多个目标语言
- 执行语音到语音翻译的直接语音
敏感数据和环境变量
本文中的示例源代码取决于用于存储敏感数据的环境变量,例如语音资源的密钥和区域。 该 Program
类包含两 static readonly string
个值,这些值是从主机的环境变量中分配的: SPEECH__SUBSCRIPTION__KEY
和 SPEECH__SERVICE__REGION
。 这两个字段都在类范围内,因此可以在类的方法主体中访问这些字段:
public class Program
{
static readonly string SPEECH__SUBSCRIPTION__KEY =
Environment.GetEnvironmentVariable(nameof(SPEECH__SUBSCRIPTION__KEY));
static readonly string SPEECH__SERVICE__REGION =
Environment.GetEnvironmentVariable(nameof(SPEECH__SERVICE__REGION));
static Task Main() => Task.CompletedTask;
}
有关环境变量的详细信息,请参阅 环境变量和应用程序配置。
重要
请谨慎使用 API 密钥。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。 如果使用 API 密钥,请将其安全地存储在 Azure Key Vault 中。 若要详细了解如何在应用中安全地使用 API 密钥,请参阅 API 密钥与 Azure 密钥保管库。
有关 AI 服务安全性的详细信息,请参阅 对 Azure AI 服务的请求进行身份验证。
创建语音翻译配置
若要使用语音 SDK 调用语音服务,需要创建一个 SpeechTranslationConfig
实例。 此类包含有关语音资源的信息,例如密钥和关联的区域、终结点、主机或授权令牌。
小窍门
无论你是执行语音识别、语音合成、翻译还是意向识别,你都会始终创建配置。
可以通过多种方式进行初始化 SpeechTranslationConfig
:
- 使用订阅:传入密钥和关联的区域。
- 使用终结点:传入语音服务终结点。 密钥或授权令牌是可选的。
- 使用主机:传入主机地址。 密钥或授权令牌是可选的。
- 使用授权令牌:传入授权令牌和关联的区域。
让我们看看如何使用密钥和区域创建 SpeechTranslationConfig
实例。 在 Azure 门户中获取语音资源密钥和区域。
public class Program
{
static readonly string SPEECH__SUBSCRIPTION__KEY =
Environment.GetEnvironmentVariable(nameof(SPEECH__SUBSCRIPTION__KEY));
static readonly string SPEECH__SERVICE__REGION =
Environment.GetEnvironmentVariable(nameof(SPEECH__SERVICE__REGION));
static Task Main() => TranslateSpeechAsync();
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
}
}
更改源语言
语音翻译的一个常见任务是指定输入(或源)语言。 以下示例演示如何将输入语言更改为意大利语。 在代码中 SpeechTranslationConfig
,通过将实例 SpeechRecognitionLanguage
分配给属性来与实例交互:
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
// Source (input) language
speechTranslationConfig.SpeechRecognitionLanguage = "it-IT";
}
该 SpeechRecognitionLanguage
属性需要语言区域设置格式字符串。 请参阅 支持的语音翻译区域设置列表。
添加翻译语言
语音翻译的另一个常见任务是指定目标翻译语言。 至少需要一个,但支持多个。 以下代码片段将法语和德语设置为翻译语言目标:
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
speechTranslationConfig.SpeechRecognitionLanguage = "it-IT";
speechTranslationConfig.AddTargetLanguage("fr");
speechTranslationConfig.AddTargetLanguage("de");
}
每次调用 AddTargetLanguage
时,都会指定新的目标翻译语言。 换句话说,从源语言识别语音时,每个目标翻译都可用作生成的翻译作的一部分。
初始化翻译识别器
创建 SpeechTranslationConfig
实例后,下一步是初始化 TranslationRecognizer
。 初始化 TranslationRecognizer
时,需要向其 speechTranslationConfig
传递实例。 配置对象提供语音服务验证请求所需的凭据。
如果使用设备的默认麦克风识别语音, TranslationRecognizer
则实例应如下所示:
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
var fromLanguage = "en-US";
var toLanguages = new List<string> { "it", "fr", "de" };
speechTranslationConfig.SpeechRecognitionLanguage = fromLanguage;
toLanguages.ForEach(speechTranslationConfig.AddTargetLanguage);
using var translationRecognizer = new TranslationRecognizer(speechTranslationConfig);
}
如果要指定音频输入设备,则需要创建类AudioConfig
实例并在初始化audioConfig
时提供TranslationRecognizer
参数。
小窍门
首先,按如下所示引用 AudioConfig
对象:
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
var fromLanguage = "en-US";
var toLanguages = new List<string> { "it", "fr", "de" };
speechTranslationConfig.SpeechRecognitionLanguage = fromLanguage;
toLanguages.ForEach(speechTranslationConfig.AddTargetLanguage);
using var audioConfig = AudioConfig.FromDefaultMicrophoneInput();
using var translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig);
}
如果要提供音频文件而不是使用麦克风,则仍需提供参数 audioConfig
。 但是,在创建 AudioConfig
类实例而不是调用 FromDefaultMicrophoneInput
时,调用 FromWavFileInput
并传递 filename
参数:
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
var fromLanguage = "en-US";
var toLanguages = new List<string> { "it", "fr", "de" };
speechTranslationConfig.SpeechRecognitionLanguage = fromLanguage;
toLanguages.ForEach(speechTranslationConfig.AddTargetLanguage);
using var audioConfig = AudioConfig.FromWavFileInput("YourAudioFile.wav");
using var translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig);
}
翻译语音
若要翻译语音,语音 SDK 依赖于麦克风或音频文件输入。 语音识别发生在语音翻译之前。 初始化所有对象后,调用识别一次函数并获取结果:
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
var fromLanguage = "en-US";
var toLanguages = new List<string> { "it", "fr", "de" };
speechTranslationConfig.SpeechRecognitionLanguage = fromLanguage;
toLanguages.ForEach(speechTranslationConfig.AddTargetLanguage);
using var translationRecognizer = new TranslationRecognizer(speechTranslationConfig);
Console.Write($"Say something in '{fromLanguage}' and ");
Console.WriteLine($"we'll translate into '{string.Join("', '", toLanguages)}'.\n");
var result = await translationRecognizer.RecognizeOnceAsync();
if (result.Reason == ResultReason.TranslatedSpeech)
{
Console.WriteLine($"Recognized: \"{result.Text}\":");
foreach (var element in result.Translations)
{
Console.WriteLine($" TRANSLATED into '{element.Key}': {element.Value}");
}
}
}
有关语音转文本的详细信息,请参阅 语音识别的基础知识。
基于事件的翻译
该 TranslationRecognizer
对象公开事件 Recognizing
。 该事件多次触发,并提供检索中间转换结果的机制。
注释
使用 多语言语音翻译时,中间翻译结果不可用。
以下示例将中间翻译结果输出到控制台:
using (var audioInput = AudioConfig.FromWavFileInput(@"whatstheweatherlike.wav"))
{
using (var translationRecognizer = new TranslationRecognizer(config, audioInput))
{
// Subscribes to events.
translationRecognizer.Recognizing += (s, e) =>
{
Console.WriteLine($"RECOGNIZING in '{fromLanguage}': Text={e.Result.Text}");
foreach (var element in e.Result.Translations)
{
Console.WriteLine($" TRANSLATING into '{element.Key}': {element.Value}");
}
};
translationRecognizer.Recognized += (s, e) => {
if (e.Result.Reason == ResultReason.TranslatedSpeech)
{
Console.WriteLine($"RECOGNIZED in '{fromLanguage}': Text={e.Result.Text}");
foreach (var element in e.Result.Translations)
{
Console.WriteLine($" TRANSLATED into '{element.Key}': {element.Value}");
}
}
else if (e.Result.Reason == ResultReason.RecognizedSpeech)
{
Console.WriteLine($"RECOGNIZED: Text={e.Result.Text}");
Console.WriteLine($" Speech not translated.");
}
else if (e.Result.Reason == ResultReason.NoMatch)
{
Console.WriteLine($"NOMATCH: Speech could not be recognized.");
}
};
// Starts continuous recognition. Uses StopContinuousRecognitionAsync() to stop recognition.
Console.WriteLine("Start translation...");
await translationRecognizer.StartContinuousRecognitionAsync().ConfigureAwait(false);
// Waits for completion.
// Use Task.WaitAny to keep the task rooted.
Task.WaitAny(new[] { stopTranslation.Task });
// Stops translation.
await translationRecognizer.StopContinuousRecognitionAsync().ConfigureAwait(false);
}
}
合成翻译
成功语音识别和翻译后,结果将包含字典中的所有翻译。
Translations
字典键是目标翻译语言,值为翻译文本。 可以翻译识别的语音,然后用其他语言(语音转语音)合成。
基于事件的合成
该 TranslationRecognizer
对象公开事件 Synthesizing
。 该事件多次触发,并提供从翻译识别结果中检索合成音频的机制。 如果要翻译为多种语言,请参阅 手动合成。
通过分配实例来指定 VoiceName
合成语音,并为事件提供用于获取音频的事件处理程序 Synthesizing
。 以下示例将翻译后的音频保存为.wav文件。
重要
基于事件的合成仅适用于单个翻译。
不要 添加多个目标翻译语言。 此外,该值 VoiceName
应与目标翻译语言相同。 例如, "de"
可以映射到 "de-DE-Hedda"
.
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
var fromLanguage = "en-US";
var toLanguage = "de";
speechTranslationConfig.SpeechRecognitionLanguage = fromLanguage;
speechTranslationConfig.AddTargetLanguage(toLanguage);
speechTranslationConfig.VoiceName = "de-DE-Hedda";
using var translationRecognizer = new TranslationRecognizer(speechTranslationConfig);
translationRecognizer.Synthesizing += (_, e) =>
{
var audio = e.Result.GetAudio();
Console.WriteLine($"Audio synthesized: {audio.Length:#,0} byte(s) {(audio.Length == 0 ? "(Complete)" : "")}");
if (audio.Length > 0)
{
File.WriteAllBytes("YourAudioFile.wav", audio);
}
};
Console.Write($"Say something in '{fromLanguage}' and ");
Console.WriteLine($"we'll translate into '{toLanguage}'.\n");
var result = await translationRecognizer.RecognizeOnceAsync();
if (result.Reason == ResultReason.TranslatedSpeech)
{
Console.WriteLine($"Recognized: \"{result.Text}\"");
Console.WriteLine($"Translated into '{toLanguage}': {result.Translations[toLanguage]}");
}
}
手动合成
可以使用 Translations
字典从翻译文本合成音频。 循环访问每个翻译并合成它。 创建 SpeechSynthesizer
实例时,对象 SpeechConfig
需要将其 SpeechSynthesisVoiceName
属性设置为所需的语音。
以下示例翻译为五种语言。 然后,将每个翻译合成到相应的神经语言中的音频文件。
static async Task TranslateSpeechAsync()
{
var speechTranslationConfig =
SpeechTranslationConfig.FromSubscription(SPEECH__SERVICE__KEY, SPEECH__SERVICE__REGION);
var fromLanguage = "en-US";
var toLanguages = new List<string> { "de", "en", "it", "pt", "zh-Hans" };
speechTranslationConfig.SpeechRecognitionLanguage = fromLanguage;
toLanguages.ForEach(speechTranslationConfig.AddTargetLanguage);
using var translationRecognizer = new TranslationRecognizer(speechTranslationConfig);
Console.Write($"Say something in '{fromLanguage}' and ");
Console.WriteLine($"we'll translate into '{string.Join("', '", toLanguages)}'.\n");
var result = await translationRecognizer.RecognizeOnceAsync();
if (result.Reason == ResultReason.TranslatedSpeech)
{
var languageToVoiceMap = new Dictionary<string, string>
{
["de"] = "de-DE-KatjaNeural",
["en"] = "en-US-AriaNeural",
["it"] = "it-IT-ElsaNeural",
["pt"] = "pt-BR-FranciscaNeural",
["zh-Hans"] = "zh-cn-XiaoxiaoNeural"
};
Console.WriteLine($"Recognized: \"{result.Text}\"");
foreach (var (language, translation) in result.Translations)
{
Console.WriteLine($"Translated into '{language}': {translation}");
var speechConfig =
SpeechConfig.FromSubscription(
SPEECH__SERVICE__KEY, SPEECH__SERVICE__REGION);
speechConfig.SpeechSynthesisVoiceName = languageToVoiceMap[language];
using var audioConfig = AudioConfig.FromWavFileOutput($"{language}-translation.wav");
using var speechSynthesizer = new SpeechSynthesizer(speechConfig, audioConfig);
await speechSynthesizer.SpeakTextAsync(translation);
}
}
}
有关语音合成的详细信息,请参阅 语音合成的基础知识。
使用语言识别进行多语言翻译
在许多情况下,你可能不知道要指定的输入语言。 使用 语言标识 ,最多可以检测 10 种可能的输入语言,并自动翻译到目标语言。
下面的示例预测 en-US
或 zh-cn
应该检测到,因为它们是在 AutoDetectSourceLanguageConfig
. 然后,语音将翻译为 de
并在 fr
调用 AddTargetLanguage()
中指定的内容。
speechTranslationConfig.AddTargetLanguage("de");
speechTranslationConfig.AddTargetLanguage("fr");
var autoDetectSourceLanguageConfig = AutoDetectSourceLanguageConfig.FromLanguages(new string[] { "en-US", "zh-cn" });
var translationRecognizer = new TranslationRecognizer(speechTranslationConfig, autoDetectSourceLanguageConfig, audioConfig);
有关完整的代码示例,请参阅 语言标识。
不使用源语言候选语言的多语言语音翻译
多语言语音翻译实现了一种新的语音翻译技术,可解锁各种功能,包括没有指定的输入语言,以及在同一会话中处理语言切换。 这些功能可实现可实施到产品中的新级别的语音翻译功能。
当前在语音翻译中使用语言 ID 时,必须从 v2 终结点创建 SpeechTranslationConfig
对象。 将字符串“YourServiceRegion”替换为语音资源区域(如“chinanorth”)。 将“YourSpeechResoureKey”替换为语音资源密钥。
var v2EndpointInString = String.Format("wss://{0}.stt.speech.azure.cn/speech/universal/v2", "YourServiceRegion");
var v2EndpointUrl = new Uri(v2EndpointInString);
var speechTranslationConfig = SpeechTranslationConfig.FromEndpoint(v2EndpointUrl, "YourSpeechResoureKey");
指定翻译目标语言。 替换为所选语言。 可以添加更多行。
config.AddTargetLanguage("de");
config.AddTargetLanguage("fr");
使用多语言语音翻译的主要区别在于,无需指定源语言。 这是因为服务会自动检测源语言。
AutoDetectSourceLanguageConfig
使用fromOpenRange
该方法创建对象,让服务知道要使用没有指定源语言的多语言语音翻译。
AutoDetectSourceLanguageConfig autoDetectSourceLanguageConfig = AutoDetectSourceLanguageConfig.fromOpenRange();
var translationRecognizer = new TranslationRecognizer(speechTranslationConfig, autoDetectSourceLanguageConfig, audioConfig);
有关语音 SDK 的完整代码示例,请参阅 GitHub 上的语音翻译示例。
参考文档 | 包 (NuGet) | GitHub 上的其他示例
本作指南介绍如何识别人工语音并将其翻译为其他语言。
有关以下内容的详细信息,请参阅语音翻译 概述 :
- 将语音转换为文本
- 将语音翻译为多个目标语言
- 执行语音到语音翻译的直接语音
敏感数据和环境变量
本文中的示例源代码取决于用于存储敏感数据的环境变量,例如语音资源的密钥和区域。 C++代码文件包含两个从主机环境变量分配的字符串值: SPEECH__SUBSCRIPTION__KEY
和 SPEECH__SERVICE__REGION
。 这两个字段都在类范围内,因此可以在类的方法主体中访问这些字段:
auto SPEECH__SUBSCRIPTION__KEY = getenv("SPEECH__SUBSCRIPTION__KEY");
auto SPEECH__SERVICE__REGION = getenv("SPEECH__SERVICE__REGION");
有关环境变量的详细信息,请参阅 环境变量和应用程序配置。
重要
请谨慎使用 API 密钥。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。 如果使用 API 密钥,请将其安全地存储在 Azure Key Vault 中。 若要详细了解如何在应用中安全地使用 API 密钥,请参阅 API 密钥与 Azure 密钥保管库。
有关 AI 服务安全性的详细信息,请参阅 对 Azure AI 服务的请求进行身份验证。
创建语音翻译配置
若要使用语音 SDK 调用语音服务,需要创建一个 SpeechTranslationConfig
实例。 此类包含有关语音资源的信息,例如密钥和关联的区域、终结点、主机或授权令牌。
小窍门
无论你是执行语音识别、语音合成、翻译还是意向识别,你都会始终创建配置。
可以通过多种方式进行初始化 SpeechTranslationConfig
:
- 使用订阅:传入密钥和关联的区域。
- 使用终结点:传入语音服务终结点。 密钥或授权令牌是可选的。
- 使用主机:传入主机地址。 密钥或授权令牌是可选的。
- 使用授权令牌:传入授权令牌和关联的区域。
让我们看看如何使用密钥和区域创建 SpeechTranslationConfig
实例。 在 Azure 门户中获取语音资源密钥和区域。
auto SPEECH__SUBSCRIPTION__KEY = getenv("SPEECH__SUBSCRIPTION__KEY");
auto SPEECH__SERVICE__REGION = getenv("SPEECH__SERVICE__REGION");
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
}
int main(int argc, char** argv) {
setlocale(LC_ALL, "");
translateSpeech();
return 0;
}
更改源语言
语音翻译的一个常见任务是指定输入(或源)语言。 以下示例演示如何将输入语言更改为意大利语。 在代码中,通过调用SpeechTranslationConfig
该方法与SetSpeechRecognitionLanguage
实例交互。
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
// Source (input) language
speechTranslationConfig->SetSpeechRecognitionLanguage("it-IT");
}
该 SpeechRecognitionLanguage
属性需要语言区域设置格式字符串。 请参阅 支持的语音翻译区域设置列表。
添加翻译语言
语音翻译的另一个常见任务是指定目标翻译语言。 至少需要一个,但支持多个。 以下代码片段将法语和德语设置为翻译语言目标:
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
speechTranslationConfig->SetSpeechRecognitionLanguage("it-IT");
speechTranslationConfig->AddTargetLanguage("fr");
speechTranslationConfig->AddTargetLanguage("de");
}
每次调用 AddTargetLanguage
时,都会指定新的目标翻译语言。 换句话说,从源语言识别语音时,每个目标翻译都可用作生成的翻译作的一部分。
初始化翻译识别器
创建 SpeechTranslationConfig
实例后,下一步是初始化 TranslationRecognizer
。 初始化 TranslationRecognizer
时,需要向其 translationConfig
传递实例。 配置对象提供语音服务验证请求所需的凭据。
如果使用设备的默认麦克风识别语音,应 TranslationRecognizer
如下所示:
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
auto fromLanguage = "en-US";
auto toLanguages = { "it", "fr", "de" };
speechTranslationConfig->SetSpeechRecognitionLanguage(fromLanguage);
for (auto language : toLanguages) {
speechTranslationConfig->AddTargetLanguage(language);
}
auto translationRecognizer = TranslationRecognizer::FromConfig(translationConfig);
}
如果要指定音频输入设备,则需要创建类AudioConfig
实例并在初始化audioConfig
时提供TranslationRecognizer
参数。
小窍门
首先,按如下所示引用 AudioConfig
对象:
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
auto fromLanguage = "en-US";
auto toLanguages = { "it", "fr", "de" };
speechTranslationConfig->SetSpeechRecognitionLanguage(fromLanguage);
for (auto language : toLanguages) {
speechTranslationConfig->AddTargetLanguage(language);
}
auto audioConfig = AudioConfig::FromDefaultMicrophoneInput();
auto translationRecognizer = TranslationRecognizer::FromConfig(translationConfig, audioConfig);
}
如果要提供音频文件而不是使用麦克风,则仍需提供参数 audioConfig
。 但是,在创建 AudioConfig
类实例而不是调用 FromDefaultMicrophoneInput
时,调用 FromWavFileInput
并传递 filename
参数:
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
auto fromLanguage = "en-US";
auto toLanguages = { "it", "fr", "de" };
speechTranslationConfig->SetSpeechRecognitionLanguage(fromLanguage);
for (auto language : toLanguages) {
speechTranslationConfig->AddTargetLanguage(language);
}
auto audioConfig = AudioConfig::FromWavFileInput("YourAudioFile.wav");
auto translationRecognizer = TranslationRecognizer::FromConfig(translationConfig, audioConfig);
}
翻译语音
若要翻译语音,语音 SDK 依赖于麦克风或音频文件输入。 语音识别发生在语音翻译之前。 初始化所有对象后,调用识别一次函数并获取结果:
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
string fromLanguage = "en-US";
string toLanguages[3] = { "it", "fr", "de" };
speechTranslationConfig->SetSpeechRecognitionLanguage(fromLanguage);
for (auto language : toLanguages) {
speechTranslationConfig->AddTargetLanguage(language);
}
auto translationRecognizer = TranslationRecognizer::FromConfig(translationConfig);
cout << "Say something in '" << fromLanguage << "' and we'll translate...\n";
auto result = translationRecognizer->RecognizeOnceAsync().get();
if (result->Reason == ResultReason::TranslatedSpeech)
{
cout << "Recognized: \"" << result->Text << "\"" << std::endl;
for (auto pair : result->Translations)
{
auto language = pair.first;
auto translation = pair.second;
cout << "Translated into '" << language << "': " << translation << std::endl;
}
}
}
有关语音转文本的详细信息,请参阅 语音识别的基础知识。
合成翻译
成功语音识别和翻译后,结果将包含字典中的所有翻译。
Translations
字典键是目标翻译语言,值为翻译文本。 可以翻译识别的语音,然后用其他语言(语音转语音)合成。
基于事件的合成
该 TranslationRecognizer
对象公开事件 Synthesizing
。 该事件多次触发,并提供从翻译识别结果中检索合成音频的机制。 如果要翻译为多种语言,请参阅 手动合成。
通过分配实例来指定 SetVoiceName
合成语音,并为事件提供用于获取音频的事件处理程序 Synthesizing
。 以下示例将翻译后的音频保存为.wav文件。
重要
基于事件的合成仅适用于单个翻译。
不要 添加多个目标翻译语言。 此外,该值 SetVoiceName
应与目标翻译语言相同。 例如, "de"
可以映射到 "de-DE-Hedda"
.
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
auto fromLanguage = "en-US";
auto toLanguage = "de";
speechTranslationConfig->SetSpeechRecognitionLanguage(fromLanguage);
speechTranslationConfig->AddTargetLanguage(toLanguage);
speechTranslationConfig->SetVoiceName("de-DE-Hedda");
auto translationRecognizer = TranslationRecognizer::FromConfig(translationConfig);
translationRecognizer->Synthesizing.Connect([](const TranslationSynthesisEventArgs& e)
{
auto audio = e.Result->Audio;
auto size = audio.size();
cout << "Audio synthesized: " << size << " byte(s)" << (size == 0 ? "(COMPLETE)" : "") << std::endl;
if (size > 0) {
ofstream file("translation.wav", ios::out | ios::binary);
auto audioData = audio.data();
file.write((const char*)audioData, sizeof(audio[0]) * size);
file.close();
}
});
cout << "Say something in '" << fromLanguage << "' and we'll translate...\n";
auto result = translationRecognizer->RecognizeOnceAsync().get();
if (result->Reason == ResultReason::TranslatedSpeech)
{
cout << "Recognized: \"" << result->Text << "\"" << std::endl;
for (auto pair : result->Translations)
{
auto language = pair.first;
auto translation = pair.second;
cout << "Translated into '" << language << "': " << translation << std::endl;
}
}
}
手动合成
可以使用 Translations
字典从翻译文本合成音频。 循环访问每个翻译并合成它。 创建 SpeechSynthesizer
实例时,对象 SpeechConfig
需要将其 SetSpeechSynthesisVoiceName
属性设置为所需的语音。
以下示例翻译为五种语言。 然后,将每个翻译合成到相应的神经语言中的音频文件。
void translateSpeech() {
auto speechTranslationConfig =
SpeechTranslationConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
auto fromLanguage = "en-US";
auto toLanguages = { "de", "en", "it", "pt", "zh-Hans" };
speechTranslationConfig->SetSpeechRecognitionLanguage(fromLanguage);
for (auto language : toLanguages) {
speechTranslationConfig->AddTargetLanguage(language);
}
auto translationRecognizer = TranslationRecognizer::FromConfig(translationConfig);
cout << "Say something in '" << fromLanguage << "' and we'll translate...\n";
auto result = translationRecognizer->RecognizeOnceAsync().get();
if (result->Reason == ResultReason::TranslatedSpeech)
{
map<string, string> languageToVoiceMap;
languageToVoiceMap["de"] = "de-DE-KatjaNeural";
languageToVoiceMap["en"] = "en-US-AriaNeural";
languageToVoiceMap["it"] = "it-IT-ElsaNeural";
languageToVoiceMap["pt"] = "pt-BR-FranciscaNeural";
languageToVoiceMap["zh-Hans"] = "zh-cn-XiaoxiaoNeural";
cout << "Recognized: \"" << result->Text << "\"" << std::endl;
for (auto pair : result->Translations)
{
auto language = pair.first;
auto translation = pair.second;
cout << "Translated into '" << language << "': " << translation << std::endl;
auto speechConfig =
SpeechConfig::FromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
speechConfig->SetSpeechSynthesisVoiceName(languageToVoiceMap[language]);
auto audioConfig = AudioConfig::FromWavFileOutput(language + "-translation.wav");
auto speechSynthesizer = SpeechSynthesizer::FromConfig(speechConfig, audioConfig);
speechSynthesizer->SpeakTextAsync(translation).get();
}
}
}
有关语音合成的详细信息,请参阅 语音合成的基础知识。
使用语言识别进行多语言翻译
在许多情况下,你可能不知道要指定的输入语言。 使用 语言标识 ,最多可以检测 10 种可能的输入语言,并自动翻译到目标语言。
下面的示例预测 en-US
或 zh-cn
应该检测到,因为它们是在 AutoDetectSourceLanguageConfig
. 然后,语音将翻译为 de
并在 fr
调用 AddTargetLanguage()
中指定的内容。
speechTranslationConfig->AddTargetLanguage("de");
speechTranslationConfig->AddTargetLanguage("fr");
auto autoDetectSourceLanguageConfig = AutoDetectSourceLanguageConfig::FromLanguages({ "en-US", "zh-cn" });
auto translationRecognizer = TranslationRecognizer::FromConfig(speechTranslationConfig, autoDetectSourceLanguageConfig, audioConfig);
有关完整的代码示例,请参阅 语言标识。
参考文档 | 包 (Go) | GitHub 上的其他示例
语音 SDK for Go 不支持语音翻译。 请选择另一种编程语言或 Go 参考和本文开头链接的示例。
本作指南介绍如何识别人工语音并将其翻译为其他语言。
有关以下内容的详细信息,请参阅语音翻译 概述 :
- 将语音转换为文本
- 将语音翻译为多个目标语言
- 执行语音到语音翻译的直接语音
敏感数据和环境变量
本文中的示例源代码取决于用于存储敏感数据的环境变量,例如语音资源的密钥和区域。 Java 代码文件包含两 static final String
个值,这些值是从主机的环境变量中分配的: SPEECH__SUBSCRIPTION__KEY
和 SPEECH__SERVICE__REGION
。 这两个字段都在类范围内,因此可以在类的方法主体中访问这些字段:
public class App {
static final String SPEECH__SUBSCRIPTION__KEY = System.getenv("SPEECH__SUBSCRIPTION__KEY");
static final String SPEECH__SERVICE__REGION = System.getenv("SPEECH__SERVICE__REGION");
public static void main(String[] args) { }
}
有关环境变量的详细信息,请参阅 环境变量和应用程序配置。
重要
请谨慎使用 API 密钥。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。 如果使用 API 密钥,请将其安全地存储在 Azure Key Vault 中。 若要详细了解如何在应用中安全地使用 API 密钥,请参阅 API 密钥与 Azure 密钥保管库。
有关 AI 服务安全性的详细信息,请参阅 对 Azure AI 服务的请求进行身份验证。
创建语音翻译配置
若要使用语音 SDK 调用语音服务,需要创建一个 SpeechTranslationConfig
实例。 此类包含有关语音资源的信息,例如密钥和关联的区域、终结点、主机或授权令牌。
小窍门
无论你是执行语音识别、语音合成、翻译还是意向识别,你都会始终创建配置。
可以通过多种方式初始化 SpeechTranslationConfig
实例:
- 使用订阅:传入密钥和关联的区域。
- 使用终结点:传入语音服务终结点。 密钥或授权令牌是可选的。
- 使用主机:传入主机地址。 密钥或授权令牌是可选的。
- 使用授权令牌:传入授权令牌和关联的区域。
让我们看看如何使用密钥和区域创建 SpeechTranslationConfig
实例。 在 Azure 门户中获取语音资源密钥和区域。
public class App {
static final String SPEECH__SUBSCRIPTION__KEY = System.getenv("SPEECH__SERVICE__KEY");
static final String SPEECH__SERVICE__REGION = System.getenv("SPEECH__SERVICE__REGION");
public static void main(String[] args) {
try {
translateSpeech();
System.exit(0);
} catch (Exception ex) {
System.out.println(ex);
System.exit(1);
}
}
static void translateSpeech() {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
}
}
更改源语言
语音翻译的一个常见任务是指定输入(或源)语言。 以下示例演示如何将输入语言更改为意大利语。 在代码中,通过调用SpeechTranslationConfig
方法与setSpeechRecognitionLanguage
实例交互:
static void translateSpeech() {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
// Source (input) language
speechTranslationConfig.setSpeechRecognitionLanguage("it-IT");
}
该 setSpeechRecognitionLanguage
函数需要语言区域设置格式字符串。 请参阅 支持的语音翻译区域设置列表。
添加翻译语言
语音翻译的另一个常见任务是指定目标翻译语言。 至少需要一个,但支持多个。 以下代码片段将法语和德语设置为翻译语言目标:
static void translateSpeech() {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
speechTranslationConfig.setSpeechRecognitionLanguage("it-IT");
// Translate to languages. See https://aka.ms/speech/sttt-languages
speechTranslationConfig.addTargetLanguage("fr");
speechTranslationConfig.addTargetLanguage("de");
}
每次调用 addTargetLanguage
时,都会指定新的目标翻译语言。 换句话说,从源语言识别语音时,每个目标翻译都可用作生成的翻译作的一部分。
初始化翻译识别器
创建 SpeechTranslationConfig
实例后,下一步是初始化 TranslationRecognizer
。 初始化 TranslationRecognizer
时,需要向其 speechTranslationConfig
传递实例。 配置对象提供语音服务验证请求所需的凭据。
如果使用设备的默认麦克风识别语音,应 TranslationRecognizer
如下所示:
static void translateSpeech() {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
String fromLanguage = "en-US";
String[] toLanguages = { "it", "fr", "de" };
speechTranslationConfig.setSpeechRecognitionLanguage(fromLanguage);
for (String language : toLanguages) {
speechTranslationConfig.addTargetLanguage(language);
}
try (TranslationRecognizer translationRecognizer = new TranslationRecognizer(speechTranslationConfig)) {
}
}
如果要指定音频输入设备,则需要创建类AudioConfig
实例并在初始化audioConfig
时提供TranslationRecognizer
参数。
小窍门
首先,按如下所示引用 AudioConfig
对象:
static void translateSpeech() {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
String fromLanguage = "en-US";
String[] toLanguages = { "it", "fr", "de" };
speechTranslationConfig.setSpeechRecognitionLanguage(fromLanguage);
for (String language : toLanguages) {
speechTranslationConfig.addTargetLanguage(language);
}
AudioConfig audioConfig = AudioConfig.fromDefaultMicrophoneInput();
try (TranslationRecognizer translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig)) {
}
}
如果要提供音频文件而不是使用麦克风,则仍需提供参数 audioConfig
。 但是,在创建 AudioConfig
类实例而不是调用 fromDefaultMicrophoneInput
时,调用 fromWavFileInput
并传递 filename
参数:
static void translateSpeech() {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
String fromLanguage = "en-US";
String[] toLanguages = { "it", "fr", "de" };
speechTranslationConfig.setSpeechRecognitionLanguage(fromLanguage);
for (String language : toLanguages) {
speechTranslationConfig.addTargetLanguage(language);
}
AudioConfig audioConfig = AudioConfig.fromWavFileInput("YourAudioFile.wav");
try (TranslationRecognizer translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig)) {
}
}
翻译语音
若要翻译语音,语音 SDK 依赖于麦克风或音频文件输入。 语音识别发生在语音翻译之前。 初始化所有对象后,调用识别一次函数并获取结果:
static void translateSpeech() throws ExecutionException, InterruptedException {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
String fromLanguage = "en-US";
String[] toLanguages = { "it", "fr", "de" };
speechTranslationConfig.setSpeechRecognitionLanguage(fromLanguage);
for (String language : toLanguages) {
speechTranslationConfig.addTargetLanguage(language);
}
try (TranslationRecognizer translationRecognizer = new TranslationRecognizer(speechTranslationConfig)) {
System.out.printf("Say something in '%s' and we'll translate...", fromLanguage);
TranslationRecognitionResult translationRecognitionResult = translationRecognizer.recognizeOnceAsync().get();
if (translationRecognitionResult.getReason() == ResultReason.TranslatedSpeech) {
System.out.printf("Recognized: \"%s\"\n", translationRecognitionResult.getText());
for (Map.Entry<String, String> pair : translationRecognitionResult.getTranslations().entrySet()) {
System.out.printf("Translated into '%s': %s\n", pair.getKey(), pair.getValue());
}
}
}
}
有关语音转文本的详细信息,请参阅 语音识别的基础知识。
合成翻译
成功语音识别和翻译后,结果将包含字典中的所有翻译。 该 getTranslations
函数返回一个字典,其中键作为目标翻译语言,将值作为翻译的文本返回。 可以翻译识别的语音,然后用其他语言(语音转语音)合成。
基于事件的合成
该 TranslationRecognizer
对象公开事件 synthesizing
。 该事件多次触发,并提供从翻译识别结果中检索合成音频的机制。 如果要翻译为多种语言,请参阅 手动合成。
通过分配实例来指定 setVoiceName
合成语音,并为事件提供用于获取音频的事件处理程序 synthesizing
。 以下示例将翻译后的音频保存为.wav文件。
重要
基于事件的合成仅适用于单个翻译。
不要 添加多个目标翻译语言。 此外,该值 setVoiceName
应与目标翻译语言相同。 例如, "de"
可以映射到 "de-DE-Hedda"
.
static void translateSpeech() throws ExecutionException, FileNotFoundException, InterruptedException, IOException {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
String fromLanguage = "en-US";
String toLanguage = "de";
speechTranslationConfig.setSpeechRecognitionLanguage(fromLanguage);
speechTranslationConfig.addTargetLanguage(toLanguage);
// See: https://aka.ms/speech/sdkregion#standard-and-neural-voices
speechTranslationConfig.setVoiceName("de-DE-Hedda");
try (TranslationRecognizer translationRecognizer = new TranslationRecognizer(speechTranslationConfig)) {
translationRecognizer.synthesizing.addEventListener((s, e) -> {
byte[] audio = e.getResult().getAudio();
int size = audio.length;
System.out.println("Audio synthesized: " + size + " byte(s)" + (size == 0 ? "(COMPLETE)" : ""));
if (size > 0) {
try (FileOutputStream file = new FileOutputStream("translation.wav")) {
file.write(audio);
} catch (IOException ex) {
ex.printStackTrace();
}
}
});
System.out.printf("Say something in '%s' and we'll translate...", fromLanguage);
TranslationRecognitionResult translationRecognitionResult = translationRecognizer.recognizeOnceAsync().get();
if (translationRecognitionResult.getReason() == ResultReason.TranslatedSpeech) {
System.out.printf("Recognized: \"%s\"\n", translationRecognitionResult.getText());
for (Map.Entry<String, String> pair : translationRecognitionResult.getTranslations().entrySet()) {
String language = pair.getKey();
String translation = pair.getValue();
System.out.printf("Translated into '%s': %s\n", language, translation);
}
}
}
}
手动合成
该 getTranslations
函数返回一个字典,可用于从翻译文本合成音频。 循环访问每个翻译并合成它。 创建 SpeechSynthesizer
实例时,对象 SpeechConfig
需要将其 setSpeechSynthesisVoiceName
属性设置为所需的语音。
以下示例翻译为五种语言。 然后,将每个翻译合成到相应的神经语言中的音频文件。
static void translateSpeech() throws ExecutionException, InterruptedException {
SpeechTranslationConfig speechTranslationConfig = SpeechTranslationConfig.fromSubscription(
SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
String fromLanguage = "en-US";
String[] toLanguages = { "de", "en", "it", "pt", "zh-Hans" };
speechTranslationConfig.setSpeechRecognitionLanguage(fromLanguage);
for (String language : toLanguages) {
speechTranslationConfig.addTargetLanguage(language);
}
try (TranslationRecognizer translationRecognizer = new TranslationRecognizer(speechTranslationConfig)) {
System.out.printf("Say something in '%s' and we'll translate...", fromLanguage);
TranslationRecognitionResult translationRecognitionResult = translationRecognizer.recognizeOnceAsync().get();
if (translationRecognitionResult.getReason() == ResultReason.TranslatedSpeech) {
// See: https://aka.ms/speech/sdkregion#standard-and-neural-voices
Map<String, String> languageToVoiceMap = new HashMap<String, String>();
languageToVoiceMap.put("de", "de-DE-KatjaNeural");
languageToVoiceMap.put("en", "en-US-AriaNeural");
languageToVoiceMap.put("it", "it-IT-ElsaNeural");
languageToVoiceMap.put("pt", "pt-BR-FranciscaNeural");
languageToVoiceMap.put("zh-Hans", "zh-cn-XiaoxiaoNeural");
System.out.printf("Recognized: \"%s\"\n", translationRecognitionResult.getText());
for (Map.Entry<String, String> pair : translationRecognitionResult.getTranslations().entrySet()) {
String language = pair.getKey();
String translation = pair.getValue();
System.out.printf("Translated into '%s': %s\n", language, translation);
SpeechConfig speechConfig =
SpeechConfig.fromSubscription(SPEECH__SUBSCRIPTION__KEY, SPEECH__SERVICE__REGION);
speechConfig.setSpeechSynthesisVoiceName(languageToVoiceMap.get(language));
AudioConfig audioConfig = AudioConfig.fromWavFileOutput(language + "-translation.wav");
try (SpeechSynthesizer speechSynthesizer = new SpeechSynthesizer(speechConfig, audioConfig)) {
speechSynthesizer.SpeakTextAsync(translation).get();
}
}
}
}
}
有关语音合成的详细信息,请参阅 语音合成的基础知识。
参考文档 | 包 (npm) | GitHub 上的其他示例 | 库源代码
本作指南介绍如何识别人工语音并将其翻译为其他语言。
有关以下内容的详细信息,请参阅语音翻译 概述 :
- 将语音转换为文本
- 将语音翻译为多个目标语言
- 执行语音到语音翻译的直接语音
创建翻译配置
若要使用语音 SDK 调用翻译服务,需要创建一个 SpeechTranslationConfig
实例。 此类包含有关语音资源的信息,例如密钥和关联的区域、终结点、主机或授权令牌。
注释
无论你是执行语音识别、语音合成、翻译还是意向识别,你都会始终创建配置。
可以通过多种方式进行初始化 SpeechTranslationConfig
:
- 使用订阅:传入密钥和关联的区域。
- 使用终结点:传入语音服务终结点。 密钥或授权令牌是可选的。
- 使用主机:传入主机地址。 密钥或授权令牌是可选的。
- 使用授权令牌:传入授权令牌和关联的区域。
让我们看看如何使用密钥和区域创建 SpeechTranslationConfig
实例。 在 Azure 门户中获取语音资源密钥和区域。
const speechTranslationConfig = SpeechTranslationConfig.fromSubscription("YourSpeechResoureKey", "YourServiceRegion");
初始化翻译器
创建 SpeechTranslationConfig
实例后,下一步是初始化 TranslationRecognizer
。 初始化 TranslationRecognizer
时,需要向其 speechTranslationConfig
传递实例。 配置对象提供翻译服务验证请求所需的凭据。
如果要翻译通过设备的默认麦克风提供的语音,应 TranslationRecognizer
如下所示:
const translationRecognizer = new TranslationRecognizer(speechTranslationConfig);
如果要指定音频输入设备,则需要创建类AudioConfig
实例并在初始化audioConfig
时提供TranslationRecognizer
参数。
小窍门
AudioConfig
按如下所示引用对象:
const audioConfig = AudioConfig.fromDefaultMicrophoneInput();
const translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig);
如果要提供音频文件而不是使用麦克风,则仍需提供参数 audioConfig
。 但是,只有在以 Node.js为目标时,才能执行此作。 创建 AudioConfig
类实例而不是调用 fromDefaultMicrophoneInput
时,调用 fromWavFileOutput
并传递 filename
参数:
const audioConfig = AudioConfig.fromWavFileInput("YourAudioFile.wav");
const translationRecognizer = new TranslationRecognizer(speechTranslationConfig, audioConfig);
翻译语音
适用于 JavaScript 的语音 SDK 的 TranslationRecognizer 类 公开可用于语音翻译的方法:
- 单次翻译(异步):在非阻止(异步)模式下执行翻译。 它转换单个话语。 它通过侦听末尾的静音或最多处理 15 秒的音频来确定单个话语的结束。
-
连续转换(异步):异步启动连续转换作。 用户注册到事件并处理各种应用程序状态。 若要停止异步连续转换,请调用
stopContinuousRecognitionAsync
。
若要详细了解如何选择语音识别模式,请参阅 语音转文本入门。
指定目标语言
若要翻译,必须同时指定源语言和至少一种目标语言。
可以使用 语音翻译表中列出的区域设置来选择源语言。 在同一链接中找到翻译语言的选项。
当你想要查看文本或想要听到合成翻译语音时,目标语言的选项会有所不同。 若要从英语翻译为德语,请修改翻译配置对象:
speechTranslationConfig.speechRecognitionLanguage = "en-US";
speechTranslationConfig.addTargetLanguage("de");
单次识别
下面是通过 recognizeOnceAsync
以下方法进行异步单次翻译的示例:
translationRecognizer.recognizeOnceAsync(result => {
// Interact with result
});
需要编写一些代码来处理结果。 此示例评估 result.reason
翻译为德语:
translationRecognizer.recognizeOnceAsync(
function (result) {
let translation = result.translations.get("de");
window.console.log(translation);
translationRecognizer.close();
},
function (err) {
window.console.log(err);
translationRecognizer.close();
});
代码还可以处理翻译处理时提供的更新。 可以使用这些更新提供有关翻译进度的视觉反馈。 此 JavaScript Node.js 示例 显示了这些类型的更新。 以下代码还显示翻译过程中生成的详细信息:
translationRecognizer.recognizing = function (s, e) {
var str = ("(recognizing) Reason: " + SpeechSDK.ResultReason[e.result.reason] +
" Text: " + e.result.text +
" Translation:");
str += e.result.translations.get("de");
console.log(str);
};
translationRecognizer.recognized = function (s, e) {
var str = "\r\n(recognized) Reason: " + SpeechSDK.ResultReason[e.result.reason] +
" Text: " + e.result.text +
" Translation:";
str += e.result.translations.get("de");
str += "\r\n";
console.log(str);
};
连续翻译
与单次识别相比,连续翻译比单次识别要多一点。 它要求你订阅recognizing
和recognized
canceled
事件以获取识别结果。 若要停止翻译,必须调用 stopContinuousRecognitionAsync
。
下面是如何在音频输入文件上执行连续翻译的示例。 首先定义输入并初始化 TranslationRecognizer
:
const translationRecognizer = new TranslationRecognizer(speechTranslationConfig);
在以下代码中,订阅从以下代码 TranslationRecognizer
发送的事件:
-
recognizing
:包含中间转换结果的事件的信号。 -
recognized
:包含最终转换结果的事件的信号。 这些结果表示成功翻译尝试。 -
sessionStopped
:指示转换会话结束(作)的事件的信号。 -
canceled
:包含已取消翻译结果的事件的信号。 这些事件表示由于直接取消而取消的转换尝试。 或者,它们表示传输或协议失败。
translationRecognizer.recognizing = (s, e) => {
console.log(`TRANSLATING: Text=${e.result.text}`);
};
translationRecognizer.recognized = (s, e) => {
if (e.result.reason == ResultReason.RecognizedSpeech) {
console.log(`TRANSLATED: Text=${e.result.text}`);
}
else if (e.result.reason == ResultReason.NoMatch) {
console.log("NOMATCH: Speech could not be translated.");
}
};
translationRecognizer.canceled = (s, e) => {
console.log(`CANCELED: Reason=${e.reason}`);
if (e.reason == CancellationReason.Error) {
console.log(`"CANCELED: ErrorCode=${e.errorCode}`);
console.log(`"CANCELED: ErrorDetails=${e.errorDetails}`);
console.log("CANCELED: Did you set the speech resource key and region values?");
}
translationRecognizer.stopContinuousRecognitionAsync();
};
translationRecognizer.sessionStopped = (s, e) => {
console.log("\n Session stopped event.");
translationRecognizer.stopContinuousRecognitionAsync();
};
设置所有内容后,可以调用 startContinuousRecognitionAsync
:
// Starts continuous recognition. Uses stopContinuousRecognitionAsync() to stop recognition.
translationRecognizer.startContinuousRecognitionAsync();
// Something later can call. Stops recognition.
// translationRecognizer.StopContinuousRecognitionAsync();
选择源语言
语音翻译的常见任务是指定输入(或源)语言。 以下示例演示如何将输入语言更改为意大利语。 在代码中,找到 SpeechTranslationConfig
实例并直接在其下方添加以下行:
speechTranslationConfig.speechRecognitionLanguage = "it-IT";
该 speechRecognitionLanguage
属性需要语言区域设置格式字符串。 请参阅 支持的语音翻译区域设置列表。
选择一个或多个目标语言
语音 SDK 可以并行转换为多个目标语言。 可用的目标语言与源语言列表略有不同。 使用语言代码而不是区域设置来指定目标语言。
有关文本目标的语言代码列表,请参阅 语言支持页上的语音翻译表。 还可以在此处找到有关翻译到合成语言的详细信息。
以下代码将德语添加为目标语言:
speechTranslationConfig.addTargetLanguage("de");
由于可以翻译多个目标语言,因此代码在检查结果时必须指定目标语言。 以下代码获取德语的翻译结果:
translationRecognizer.recognized = function (s, e) {
var str = "\r\n(recognized) Reason: " +
sdk.ResultReason[e.result.reason] +
" Text: " + e.result.text + " Translations:";
var language = "de";
str += " [" + language + "] " + e.result.translations.get(language);
str += "\r\n";
// show str somewhere
};
参考文档 | 包(下载) | GitHub 上的其他示例
适用于 Objective-C 的语音 SDK 支持语音翻译,但此处尚未包含指南。 请选择另一种编程语言来开始了解概念,或查看本文开头链接的 Objective-C 参考和示例。
参考文档 | 包(下载) | GitHub 上的其他示例
适用于 Swift 的语音 SDK 支持语音翻译,但此处尚未包含指南。 请选择另一种编程语言以开始了解概念,或查看本文开头链接的 Swift 参考和示例。
参考文档 | 包 (PyPi) | GitHub 上的其他示例
本作指南介绍如何识别人工语音并将其翻译为其他语言。
有关以下内容的详细信息,请参阅语音翻译 概述 :
- 将语音转换为文本
- 将语音翻译为多个目标语言
- 执行语音到语音翻译的直接语音
敏感数据和环境变量
本文中的示例源代码取决于用于存储敏感数据的环境变量,例如语音资源的订阅密钥和区域。 Python 代码文件包含两个值,这些值是从主机的环境变量中分配的: SPEECH__SUBSCRIPTION__KEY
和 SPEECH__SERVICE__REGION
。 这两个变量都在全局范围内,因此可以在代码文件的函数定义中访问它们:
speech_key, service_region = os.environ['SPEECH__SUBSCRIPTION__KEY'], os.environ['SPEECH__SERVICE__REGION']
有关环境变量的详细信息,请参阅 环境变量和应用程序配置。
重要
请谨慎使用 API 密钥。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。 如果使用 API 密钥,请将其安全地存储在 Azure Key Vault 中。 若要详细了解如何在应用中安全地使用 API 密钥,请参阅 API 密钥与 Azure 密钥保管库。
有关 AI 服务安全性的详细信息,请参阅 对 Azure AI 服务的请求进行身份验证。
创建语音翻译配置
若要使用语音 SDK 调用语音服务,需要创建一个 SpeechTranslationConfig
实例。 此类包含有关语音资源的信息,例如密钥和关联的区域、终结点、主机或授权令牌。
小窍门
无论你是执行语音识别、语音合成、翻译还是意向识别,你都会始终创建配置。
可以通过多种方式进行初始化 SpeechTranslationConfig
:
- 使用订阅:传入密钥和关联的区域。
- 使用终结点:传入语音服务终结点。 密钥或授权令牌是可选的。
- 使用主机:传入主机地址。 密钥或授权令牌是可选的。
- 使用授权令牌:传入授权令牌和关联的区域。
让我们看看如何使用键和区域创建 SpeechTranslationConfig
实例。 在 Azure 门户中获取语音资源密钥和区域。
from_language, to_language = 'en-US', 'de'
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
更改源语言
语音翻译的一个常见任务是指定输入(或源)语言。 以下示例演示如何将输入语言更改为意大利语。 在代码中,通过将其SpeechTranslationConfig
分配给属性来与speech_recognition_language
实例交互。
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
# Source (input) language
from_language = "it-IT"
translation_config.speech_recognition_language = from_language
该 speech_recognition_language
属性需要语言区域设置格式字符串。 请参阅 支持的语音翻译区域设置列表。
添加翻译语言
语音翻译的另一个常见任务是指定目标翻译语言。 至少需要一个,但支持多个。 以下代码片段将法语和德语设置为翻译语言目标:
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
translation_config.speech_recognition_language = "it-IT"
# Translate to languages. See, https://aka.ms/speech/sttt-languages
translation_config.add_target_language("fr")
translation_config.add_target_language("de")
每次调用 add_target_language
时,都会指定新的目标翻译语言。 换句话说,从源语言识别语音时,每个目标翻译都可用作生成的翻译作的一部分。
初始化翻译识别器
创建 SpeechTranslationConfig
实例后,下一步是初始化 TranslationRecognizer
。 初始化 TranslationRecognizer
时,需要向其 translation_config
传递实例。 配置对象提供语音服务验证请求所需的凭据。
如果使用设备的默认麦克风识别语音,应 TranslationRecognizer
如下所示:
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
translation_config.speech_recognition_language = from_language
translation_config.add_target_language(to_language)
translation_recognizer = speechsdk.translation.TranslationRecognizer(
translation_config=translation_config)
如果要指定音频输入设备,则需要创建类AudioConfig
实例并在初始化audio_config
时提供TranslationRecognizer
参数。
小窍门
首先,按如下所示引用 AudioConfig
对象:
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
translation_config.speech_recognition_language = from_language
for lang in to_languages:
translation_config.add_target_language(lang)
audio_config = speechsdk.audio.AudioConfig(use_default_microphone=True)
translation_recognizer = speechsdk.translation.TranslationRecognizer(
translation_config=translation_config, audio_config=audio_config)
如果要提供音频文件而不是使用麦克风,则仍需提供参数 audioConfig
。 但是,创建类实例时,而不是使用
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
translation_config.speech_recognition_language = from_language
for lang in to_languages:
translation_config.add_target_language(lang)
audio_config = speechsdk.audio.AudioConfig(filename="path-to-file.wav")
translation_recognizer = speechsdk.translation.TranslationRecognizer(
translation_config=translation_config, audio_config=audio_config)
翻译语音
若要翻译语音,语音 SDK 依赖于麦克风或音频文件输入。 语音识别发生在语音翻译之前。 初始化所有对象后,调用识别一次函数并获取结果:
import os
import azure.cognitiveservices.speech as speechsdk
speech_key, service_region = os.environ['SPEECH__SERVICE__KEY'], os.environ['SPEECH__SERVICE__REGION']
from_language, to_languages = 'en-US', 'de'
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
translation_config.speech_recognition_language = from_language
translation_config.add_target_language(to_language)
translation_recognizer = speechsdk.translation.TranslationRecognizer(
translation_config=translation_config)
print('Say something...')
translation_recognition_result = translation_recognizer.recognize_once()
print(get_result_text(reason=translation_recognition_result.reason, result=translation_recognition_result))
def get_result_text(reason, translation_recognition_result):
reason_format = {
speechsdk.ResultReason.TranslatedSpeech:
f'RECOGNIZED "{from_language}": {translation_recognition_result.text}\n' +
f'TRANSLATED into "{to_language}"": {translation_recognition_result.translations[to_language]}',
speechsdk.ResultReason.RecognizedSpeech: f'Recognized: "{translation_recognition_result.text}"',
speechsdk.ResultReason.NoMatch: f'No speech could be recognized: {translation_recognition_result.no_match_details}',
speechsdk.ResultReason.Canceled: f'Speech Recognition canceled: {translation_recognition_result.cancellation_details}'
}
return reason_format.get(reason, 'Unable to recognize speech')
translate_speech_to_text()
有关语音转文本的详细信息,请参阅 语音识别的基础知识。
合成翻译
成功语音识别和翻译后,结果将包含字典中的所有翻译。
translations
字典键是目标翻译语言,值为翻译文本。 可以翻译识别的语音,然后用其他语言(语音转语音)合成。
基于事件的合成
该 TranslationRecognizer
对象公开事件 Synthesizing
。 该事件多次触发,并提供从翻译识别结果中检索合成音频的机制。 如果要翻译为多种语言,请参阅 手动合成。
通过分配实例来指定 voice_name
合成语音,并为事件提供用于获取音频的事件处理程序 Synthesizing
。 以下示例将翻译后的音频保存为.wav文件。
重要
基于事件的合成仅适用于单个翻译。
不要 添加多个目标翻译语言。 此外,该值 voice_name
应与目标翻译语言相同。 例如, "de"
可以映射到 "de-DE-Hedda"
.
import os
import azure.cognitiveservices.speech as speechsdk
speech_key, service_region = os.environ['SPEECH__SERVICE__KEY'], os.environ['SPEECH__SERVICE__REGION']
from_language, to_language = 'en-US', 'de'
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
translation_config.speech_recognition_language = from_language
translation_config.add_target_language(to_language)
# See: https://aka.ms/speech/sdkregion#standard-and-neural-voices
translation_config.voice_name = "de-DE-Hedda"
translation_recognizer = speechsdk.translation.TranslationRecognizer(
translation_config=translation_config)
def synthesis_callback(evt):
size = len(evt.result.audio)
print(f'Audio synthesized: {size} byte(s) {"(COMPLETED)" if size == 0 else ""}')
if size > 0:
file = open('translation.wav', 'wb+')
file.write(evt.result.audio)
file.close()
translation_recognizer.synthesizing.connect(synthesis_callback)
print(f'Say something in "{from_language}" and we\'ll translate into "{to_language}".')
translation_recognition_result = translation_recognizer.recognize_once()
print(get_result_text(reason=translation_recognition_result.reason, result=translation_recognition_result))
def get_result_text(reason, translation_recognition_result):
reason_format = {
speechsdk.ResultReason.TranslatedSpeech:
f'Recognized "{from_language}": {translation_recognition_result.text}\n' +
f'Translated into "{to_language}"": {translation_recognition_result.translations[to_language]}',
speechsdk.ResultReason.RecognizedSpeech: f'Recognized: "{translation_recognition_result.text}"',
speechsdk.ResultReason.NoMatch: f'No speech could be recognized: {translation_recognition_result.no_match_details}',
speechsdk.ResultReason.Canceled: f'Speech Recognition canceled: {translation_recognition_result.cancellation_details}'
}
return reason_format.get(reason, 'Unable to recognize speech')
translate_speech_to_text()
手动合成
可以使用 translations
字典从翻译文本合成音频。 循环访问每个翻译并合成它。 创建 SpeechSynthesizer
实例时,对象 SpeechConfig
需要将其 speech_synthesis_voice_name
属性设置为所需的语音。
以下示例翻译为五种语言。 然后,将每个翻译合成到相应的神经语言中的音频文件。
import os
import azure.cognitiveservices.speech as speechsdk
speech_key, service_region = os.environ['SPEECH__SERVICE__KEY'], os.environ['SPEECH__SERVICE__REGION']
from_language, to_languages = 'en-US', [ 'de', 'en', 'it', 'pt', 'zh-Hans' ]
def translate_speech_to_text():
translation_config = speechsdk.translation.SpeechTranslationConfig(
subscription=speech_key, region=service_region)
translation_config.speech_recognition_language = from_language
for lang in to_languages:
translation_config.add_target_language(lang)
recognizer = speechsdk.translation.TranslationRecognizer(
translation_config=translation_config)
print('Say something...')
translation_recognition_result = translation_recognizer.recognize_once()
synthesize_translations(result=translation_recognition_result)
def synthesize_translations(translation_recognition_result):
language_to_voice_map = {
"de": "de-DE-KatjaNeural",
"en": "en-US-AriaNeural",
"it": "it-IT-ElsaNeural",
"pt": "pt-BR-FranciscaNeural",
"zh-Hans": "zh-cn-XiaoxiaoNeural"
}
print(f'Recognized: "{translation_recognition_result.text}"')
for language in translation_recognition_result.translations:
translation = translation_recognition_result.translations[language]
print(f'Translated into "{language}": {translation}')
speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)
speech_config.speech_synthesis_voice_name = language_to_voice_map.get(language)
audio_config = speechsdk.audio.AudioOutputConfig(filename=f'{language}-translation.wav')
speech_synthesizer = speechsdk.SpeechSynthesizer(speech_config=speech_config, audio_config=audio_config)
speech_synthesizer.speak_text_async(translation).get()
translate_speech_to_text()
有关语音合成的详细信息,请参阅 语音合成的基础知识。
使用语言识别进行多语言翻译
在许多情况下,你可能不知道要指定的输入语言。 使用 语言标识 ,最多可以检测 10 种可能的输入语言,并自动翻译到目标语言。
有关完整的代码示例,请参阅 语言标识。
语音转文本 REST API 参考 | 用于短音频参考的语音转文本 REST API | GitHub 上的其他示例
可以使用 REST API 进行语音翻译,但我们尚未在此处提供指南。 请选择另一种编程语言以开始使用并了解这些概念。
本作指南介绍如何识别人工语音并将其翻译为其他语言。
有关以下内容的详细信息,请参阅语音翻译 概述 :
- 将语音转换为文本
- 将语音翻译为多个目标语言
- 执行语音到语音翻译的直接语音
先决条件
- 一份 Azure 订阅。 可以创建一个试用帐户
- 在 Azure 门户中创建用于语音的 AI Services 资源。
- 获取语音资源密钥和区域。 部署语音资源后,选择“ 转到”资源 以查看和管理密钥。
下载并安装
请按照以下步骤作,并参阅 语音 CLI 快速入门 ,了解平台的其他要求。
运行以下 .NET CLI 命令以安装语音 CLI:
dotnet tool install --global Microsoft.CognitiveServices.Speech.CLI
运行以下命令以配置语音资源密钥和区域。 替换为
SUBSCRIPTION-KEY
语音资源密钥,并替换为REGION
语音资源区域。spx config @key --set SUBSCRIPTION-KEY spx config @region --set REGION
设置源和目标语言
此命令调用语音 CLI,将语音从麦克风从意大利语翻译为法语:
spx translate --microphone --source it-IT --target fr