什么是语音转文本？

Azure 语音服务提供高级语音转文本功能。 此功能支持实时和批量听录，为将音频流转换为文本提供了多种解决方案。

语音转文本的核心功能

语音转文本服务提供以下核心功能：

• 实时听录：使用实时音频输入的中间结果进行即时听录。
• 快速听录：对于具有可预测延迟的情况，同步输出最快。
• 批量听录：高效处理大量预录制的音频。
• 自定义语音：针对特定领域和条件的具有增强准确性的模型。

实时听录

实时语音转文本功能将从麦克风或文件中识别出的音频转录为文本。 这一功能非常适合需要立即听录的应用程序，例如：

• 用于辅助功能和录制的实时音频听录。
• 评估和提供有关发音准确性的反馈。
• 提供实时听录来帮助客户服务代表。
• 将口语转录为书面文本以供文档使用。
• 启用交互式语音响应系统以转录用户查询和命令。

可以通过语音 SDK、语音 CLI 和 REST API 访问实时语音转文本，因此该功能可以集成到各种应用程序和工作流中。 可以通过语音 SDK、语音 CLI 和适用于短音频的语音到文本 REST API 实时进行语音转文本。

快速转录

使用快速听录 API 来转录音频文件，并同步返回结果，比实时音频更快。 在需要快速获取音频文字记录且延迟可预测的情况下使用快速转录，例如：

• 快速音频文件听录、字幕和编辑
• 会议记录
• 语音邮件

有关详细信息，请参阅 使用快速听录 API。

批量听录

批量听录旨在听录存储在文件中的大量音频。 此方法以异步方式处理音频，适合以下场景：

• 大量音频文件的听录、字幕或字幕
• 分析呼叫中心记录的通话，以提取有价值的见解。

可以通过以下方式访问批量听录：

• 语音转文本 REST API：利用 RESTful 调用的灵活性促进开展批处理。 若要开始，请参阅如何使用批量听录和批量听录示例。

• 语音 CLI：支持实时和批量听录，轻松管理听录任务。 要获取有关批量听录的语音 CLI 帮助，请运行以下命令：

  spx help batch transcription
  

自定义语音

通过使用 自定义语音，可以评估和提高应用程序和产品的语音识别的准确性。 使用自定义语音模型实时 语音转文本、 语音翻译和 批量听录。

现成的语音识别使用通用语言模型作为基本模型。 Azure 使用它拥有的数据训练基本模型，因此它反映了常用的口语。 基本模型通过方言和语音进行预训练，以适应各种常见领域。 发出语音识别请求时，默认使用每个支持的语言的最新基础模型。 基础模型在大多数语音识别场景中都效果良好。

通过使用自定义语音，可以定制语音识别模型，以更好地满足应用程序的特定需求。 这种定制对于以下方面特别有用：

• 提升对特定领域词汇的识别：使用与你的领域相关的文本数据训练模型。
• 针对特定音频条件，提升准确性：使用带有参考听录的音频数据来完善模型。

有关自定义语音的更多信息，请参阅自定义语音概述和语音转文本 REST API 文档。

有关每种语言和区域设置的自定义选项的详细信息，请参阅文档语音服务的语言和语音支持。

用法示例

下面是有关如何使用 Azure 语音转文本的一些实际示例：

相关内容

• 语音转文本入门
• 创建批量听录
• 有关详细的定价信息，请访问语音服务定价页。