Snabbstart: Identifiera och konvertera tal till text

I den här snabbstarten provar du tal till text i realtid i Azure AI Foundry.

Förutsättningar

• Ett Azure-abonnemang.
• Ett AI Foundry-projekt. Om du behöver skapa ett projekt kan du läsa Skapa ett Azure AI Foundry-projekt.

Prova tal till text i realtid

1. Gå till ditt Azure AI Foundry-projekt.

2. Välj Lekplatser i den vänstra rutan och välj sedan en lekplats att använda. I det här exemplet väljer du Prova lekplatsen Tal.

   

3. Välj Transkription i realtid.

4. Välj Visa avancerade alternativ för att konfigurera alternativ för tal till text, till exempel:

   • Språkidentifiering: Används för att identifiera språk som talas i ljud jämfört med en lista över språk som stöds. Mer information om språkidentifieringsalternativ som start och kontinuerlig igenkänning finns i Språkidentifiering.
   • Talardiarisering: Används för att identifiera och separera talarna i ljudfiler. Diarization skiljer på olika talare som deltar i samtalet. Taltjänsten tillhandahåller information om vilken talare som talade en viss del av transkriberat tal. Mer information om talardiarisering finns i snabbstartsguiden för tal till text i realtid med talardiarisering.
   • Anpassad slutpunkt: Använd en distribuerad modell från anpassat tal för att förbättra igenkänningsprecisionen. Om du vill använda Microsofts baslinjemodell lämnar du den här inställningen till Ingen. Mer information om anpassat tal finns i Anpassat tal.
   • Utdataformat: Välj mellan enkla och detaljerade utdataformat. Enkla utdata innehåller visningsformat och tidsstämplar. Detaljerad output innehåller fler format (till exempel visning, lexikala, ITN och maskerade ITN), tidsstämplar och N-bästalistor.
   • Fraslista: Förbättra transkriptionsprecisionen genom att ange en lista över kända fraser, till exempel namn på personer eller specifika platser. Använd kommatecken eller semikolon för att separera varje värde i fraslistan. Mer information om fraslistor finns i Fraslistor.

5. Välj en ljudfil som ska laddas upp eller spela in ljud i realtid. I det här exemplet använder Call1_separated_16k_health_insurance.wav vi filen som är tillgänglig på Speech SDK-lagringsplatsen på GitHub. Du kan ladda ned filen eller använda din egen ljudfil.

   

6. Du kan visa transkriptionen i realtid längst ned på sidan.

   

7. Du kan välja fliken JSON för att se JSON-utdata från transkriptionen. Egenskaperna inkluderar Offset, Duration, RecognitionStatus, Display, Lexical, ITNoch mycket mer.

   

Referensdokumentation Paket (NuGet) |

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Konfigurera miljön

Speech SDK är tillgängligt som ett NuGet-paket och implementerar .NET Standard 2.0. Du installerar Speech SDK senare i den här guiden. Andra krav finns i Installera Speech SDK.

Ange miljövariabler

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och slutpunkt öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du din slutpunkt med en av slutpunkterna för resursen.

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

Identifiera tal från en mikrofon

Följ de här stegen för att skapa ett konsolprogram och installera Speech SDK.

1. Öppna ett kommandotolksfönster i mappen där du vill ha det nya projektet. Kör det här kommandot för att skapa ett konsolprogram med .NET CLI.

   dotnet new console
   

   Det här kommandot skapar Program.cs-filen i projektkatalogen.

2. Installera Speech SDK i ditt nya projekt med .NET CLI.

   dotnet add package Microsoft.CognitiveServices.Speech
   

3. Ersätt innehållet i Program.cs med följande kod:

   using System;
   using System.IO;
   using System.Threading.Tasks;
   using Microsoft.CognitiveServices.Speech;
   using Microsoft.CognitiveServices.Speech.Audio;
   
   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(SpeechRecognitionResult speechRecognitionResult)
       {
           switch (speechRecognitionResult.Reason)
           {
               case ResultReason.RecognizedSpeech:
                   Console.WriteLine($"RECOGNIZED: Text={speechRecognitionResult.Text}");
                   break;
               case ResultReason.NoMatch:
                   Console.WriteLine($"NOMATCH: Speech could not be recognized.");
                   break;
               case ResultReason.Canceled:
                   var cancellation = CancellationDetails.FromResult(speechRecognitionResult);
                   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 speechConfig = SpeechConfig.FromEndpoint(speechKey, endpoint);
           speechConfig.SpeechRecognitionLanguage = "en-US";
   
           using var audioConfig = AudioConfig.FromDefaultMicrophoneInput();
           using var speechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);
   
           Console.WriteLine("Speak into your microphone.");
           var speechRecognitionResult = await speechRecognizer.RecognizeOnceAsync();
           OutputSpeechRecognitionResult(speechRecognitionResult);
       }
   }
   

4. Om du vill ändra taligenkänningsspråket ersätter du en-US med ett annat språk som stöds. Använd till exempel es-ES för spanska (Spanien). Om du inte anger något språk är en-USstandardvärdet . Mer information om hur du identifierar ett av flera språk som kan talas finns i Språkidentifiering.

5. Kör det nya konsolprogrammet för att starta taligenkänning från en mikrofon:

   dotnet run
   

   Viktigt!

   Se till att du anger SPEECH_KEY miljövariablerna och ENDPOINT. Om du inte anger dessa variabler misslyckas exemplet med ett felmeddelande.

6. Tala i mikrofonen när du uppmanas att göra det. Det du talar bör visas som text:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Kommentarer

Här följer några andra överväganden:

• I det här exemplet används åtgärden RecognizeOnceAsync för att transkribera yttranden på upp till 30 sekunder eller tills tystnad har identifierats. Information om kontinuerlig igenkänning för längre ljud, inklusive flerspråkiga konversationer, finns i Så här känner du igen tal.

• Om du vill känna igen tal från en ljudfil använder du FromWavFileInput i stället för FromDefaultMicrophoneInput:

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

• För komprimerade ljudfiler som MP4 installerar du GStreamer och använder PullAudioInputStream eller PushAudioInputStream. För mer information, se Hur du använder komprimerat indataljud.

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.

Referensdokumentation Paket (NuGet) |

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Konfigurera miljön

Speech SDK är tillgängligt som ett NuGet-paket och implementerar .NET Standard 2.0. Du installerar Speech SDK senare i den här guiden. Andra krav finns i Installera Speech SDK.

Ange miljövariabler

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och slutpunkt öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du din slutpunkt med en av slutpunkterna för resursen.

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

Identifiera tal från en mikrofon

Följ de här stegen för att skapa ett konsolprogram och installera Speech SDK.

1. Skapa ett nytt C++-konsolprojekt i Visual Studio Community med namnet SpeechRecognition.

2. Välj Verktyg>Nuget Package Manager>Paketadministratörskonsol. Kör följande kommando i Package Manager-konsolen:

   Install-Package Microsoft.CognitiveServices.Speech
   

3. Ersätt innehållet i SpeechRecognition.cpp med följande kod:

   #include <iostream> 
   #include <stdlib.h>
   #include <speechapi_cxx.h>
   
   using namespace Microsoft::CognitiveServices::Speech;
   using namespace Microsoft::CognitiveServices::Speech::Audio;
   
   std::string GetEnvironmentVariable(const char* name);
   
   int main()
   {
       // This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
       auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
       auto endpoint = GetEnvironmentVariable("ENDPOINT");
   
       if ((size(speechKey) == 0) || (size(endpoint) == 0)) {
           std::cout << "Please set both SPEECH_KEY and ENDPOINT environment variables." << std::endl;
           return -1;
       }
   
       auto speechConfig = SpeechConfig::FromEndpoint(speechKey, endpoint);
   
       speechConfig->SetSpeechRecognitionLanguage("en-US");
   
       auto audioConfig = AudioConfig::FromDefaultMicrophoneInput();
       auto speechRecognizer = SpeechRecognizer::FromConfig(speechConfig, audioConfig);
   
       std::cout << "Speak into your microphone.\n";
       auto result = speechRecognizer->RecognizeOnceAsync().get();
   
       if (result->Reason == ResultReason::RecognizedSpeech)
       {
           std::cout << "RECOGNIZED: Text=" << result->Text << 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. Om du vill ändra taligenkänningsspråket ersätter du en-US med ett annat språk som stöds. Använd till exempel es-ES för spanska (Spanien). Om du inte anger något språk är en-USstandardvärdet . Mer information om hur du identifierar ett av flera språk som kan talas finns i Språkidentifiering.

5. Skapa och kör det nya konsolprogrammet för att starta taligenkänning från en mikrofon.

   Viktigt!

   Se till att du anger SPEECH_KEY miljövariablerna och ENDPOINT. Om du inte anger dessa variabler misslyckas exemplet med ett felmeddelande.

6. Tala i mikrofonen när du uppmanas att göra det. Det du talar bör visas som text:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Kommentarer

Här följer några andra överväganden:

• I det här exemplet används åtgärden RecognizeOnceAsync för att transkribera yttranden på upp till 30 sekunder eller tills tystnad har identifierats. Information om kontinuerlig igenkänning för längre ljud, inklusive flerspråkiga konversationer, finns i Så här känner du igen tal.

• Om du vill känna igen tal från en ljudfil använder du FromWavFileInput i stället för FromDefaultMicrophoneInput:

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

• För komprimerade ljudfiler som MP4 installerar du GStreamer och använder PullAudioInputStream eller PushAudioInputStream. För mer information, se Hur du använder komprimerat indataljud.

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.

Referensdokumentation Paket (Go) |

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Konfigurera miljön

Installera Speech SDK för Go. Krav och instruktioner finns i Installera Speech SDK.

Ange miljövariabler

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och -region öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange SPEECH_REGION miljövariabeln ersätter du din region med en av regionerna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du your-endpoint med den faktiska slutpunkten för din Speech-resurs.

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

Identifiera tal från en mikrofon

Följ de här stegen för att skapa en GO-modul.

1. Öppna ett kommandotolksfönster i mappen där du vill ha det nya projektet. Skapa en ny fil med namnet speech-recognition.go.

2. Kopiera följande kod till speech-recognition.go:

   package main
   
   import (
       "bufio"
       "fmt"
       "os"
   
       "github.com/Microsoft/cognitive-services-speech-sdk-go/audio"
       "github.com/Microsoft/cognitive-services-speech-sdk-go/speech"
   )
   
   func sessionStartedHandler(event speech.SessionEventArgs) {
       defer event.Close()
       fmt.Println("Session Started (ID=", event.SessionID, ")")
   }
   
   func sessionStoppedHandler(event speech.SessionEventArgs) {
       defer event.Close()
       fmt.Println("Session Stopped (ID=", event.SessionID, ")")
   }
   
   func recognizingHandler(event speech.SpeechRecognitionEventArgs) {
       defer event.Close()
       fmt.Println("Recognizing:", event.Result.Text)
   }
   
   func recognizedHandler(event speech.SpeechRecognitionEventArgs) {
       defer event.Close()
       fmt.Println("Recognized:", event.Result.Text)
   }
   
   func cancelledHandler(event speech.SpeechRecognitionCanceledEventArgs) {
       defer event.Close()
       fmt.Println("Received a cancellation: ", event.ErrorDetails)
       fmt.Println("Did you set the speech resource key and region values?")
   }
   
   func main() {
       // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
       speechKey :=  os.Getenv("SPEECH_KEY")
       speechRegion := os.Getenv("SPEECH_REGION")
   
       audioConfig, err := audio.NewAudioConfigFromDefaultMicrophoneInput()
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer audioConfig.Close()
       speechConfig, err := speech.NewSpeechConfigFromSubscription(speechKey, speechRegion)
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer speechConfig.Close()
       speechRecognizer, err := speech.NewSpeechRecognizerFromConfig(speechConfig, audioConfig)
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer speechRecognizer.Close()
       speechRecognizer.SessionStarted(sessionStartedHandler)
       speechRecognizer.SessionStopped(sessionStoppedHandler)
       speechRecognizer.Recognizing(recognizingHandler)
       speechRecognizer.Recognized(recognizedHandler)
       speechRecognizer.Canceled(cancelledHandler)
       speechRecognizer.StartContinuousRecognitionAsync()
       defer speechRecognizer.StopContinuousRecognitionAsync()
       bufio.NewReader(os.Stdin).ReadBytes('\n')
   }
   

3. Kör följande kommandon för att skapa en go.mod-fil som länkar till komponenter som finns på GitHub:

   go mod init speech-recognition
   go get github.com/Microsoft/cognitive-services-speech-sdk-go
   

   Viktigt!

   Se till att du anger SPEECH_KEY miljövariablerna och SPEECH_REGION. Om du inte anger dessa variabler misslyckas exemplet med ett felmeddelande.

4. Skapa och kör koden:

   go build
   go run speech-recognition
   

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.

Referensdokumentation | Ytterligare exempel på GitHub

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Konfigurera miljön

Installera Speech SDK för att konfigurera din miljö. Exemplet i den här snabbstarten fungerar med Java Runtime.

1. Installera Apache Maven. Kör mvn -v sedan för att bekräfta att installationen har slutförts.

2. Skapa en ny pom.xml fil i roten av projektet och kopiera följande kod till den:

   <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. Installera Speech SDK och beroenden.

   mvn clean dependency:copy-dependencies
   

Ange miljövariabler

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och slutpunkt öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du din slutpunkt med en av slutpunkterna för resursen.

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

Identifiera tal från en mikrofon

Följ de här stegen för att skapa ett konsolprogram för taligenkänning.

1. Skapa en ny fil med namnet SpeechRecognition.java i samma projektrotkatalog.

2. Kopiera följande kod till SpeechRecognition.java:

   import com.microsoft.cognitiveservices.speech.*;
   import com.microsoft.cognitiveservices.speech.audio.AudioConfig;
   
   import java.util.concurrent.ExecutionException;
   import java.util.concurrent.Future;
   
   public class SpeechRecognition {
       // 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 {
           SpeechConfig speechConfig = SpeechConfig.fromEndpoint(speechKey, endpoint);
           speechConfig.setSpeechRecognitionLanguage("en-US");
           recognizeFromMicrophone(speechConfig);
       }
   
       public static void recognizeFromMicrophone(SpeechConfig speechConfig) throws InterruptedException, ExecutionException {
           AudioConfig audioConfig = AudioConfig.fromDefaultMicrophoneInput();
           SpeechRecognizer speechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);
   
           System.out.println("Speak into your microphone.");
           Future<SpeechRecognitionResult> task = speechRecognizer.recognizeOnceAsync();
           SpeechRecognitionResult speechRecognitionResult = task.get();
   
           if (speechRecognitionResult.getReason() == ResultReason.RecognizedSpeech) {
               System.out.println("RECOGNIZED: Text=" + speechRecognitionResult.getText());
           }
           else if (speechRecognitionResult.getReason() == ResultReason.NoMatch) {
               System.out.println("NOMATCH: Speech could not be recognized.");
           }
           else if (speechRecognitionResult.getReason() == ResultReason.Canceled) {
               CancellationDetails cancellation = CancellationDetails.fromResult(speechRecognitionResult);
               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. Om du vill ändra taligenkänningsspråket ersätter du en-US med ett annat språk som stöds. Använd till exempel es-ES för spanska (Spanien). Om du inte anger något språk är en-USstandardvärdet . Mer information om hur du identifierar ett av flera språk som kan talas finns i Språkidentifiering.

4. Kör det nya konsolprogrammet för att starta taligenkänning från en mikrofon:

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

   Viktigt!

   Se till att du anger SPEECH_KEY miljövariablerna och ENDPOINT. Om du inte anger dessa variabler misslyckas exemplet med ett felmeddelande.

5. Tala i mikrofonen när du uppmanas att göra det. Det du talar bör visas som text:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Kommentarer

Här följer några andra överväganden:

• I det här exemplet används åtgärden RecognizeOnceAsync för att transkribera yttranden på upp till 30 sekunder eller tills tystnad har identifierats. Information om kontinuerlig igenkänning för längre ljud, inklusive flerspråkiga konversationer, finns i Så här känner du igen tal.

• Om du vill känna igen tal från en ljudfil använder du fromWavFileInput i stället för fromDefaultMicrophoneInput:

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

• För komprimerade ljudfiler som MP4 installerar du GStreamer och använder PullAudioInputStream eller PushAudioInputStream. För mer information, se Hur du använder komprimerat indataljud.

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Du behöver också en .wav ljudfil på den lokala datorn. Du kan använda din egen .wav fil (upp till 30 sekunder) eller ladda ned https://crbn.us/whatstheweatherlike.wav exempelfilen.

Inställningar

1. Skapa en ny mapp transcription-quickstart och gå till snabbstartsmappen med följande kommando:

   mkdir transcription-quickstart && cd transcription-quickstart
   

2. Skapa package.json med följande kommando:

   npm init -y
   

3. Installera Speech SDK för JavaScript med:

   npm install microsoft-cognitiveservices-speech-sdk
   

Hämta resursinformation

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och -region öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange SPEECH_REGION miljövariabeln ersätter du din region med en av regionerna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du your-endpoint med den faktiska slutpunkten för din Speech-resurs.

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

Identifiera tal från en fil

Så här transkriberar du tal från en fil:

1. Skapa en ny fil med namnet transcription.js med följande innehåll:

   import { readFileSync, createReadStream } from "fs";
   import { SpeechConfig, AudioConfig, ConversationTranscriber, AudioInputStream } from "microsoft-cognitiveservices-speech-sdk";
   // This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
   const speechConfig = SpeechConfig.fromEndpoint(new URL(process.env.ENDPOINT), process.env.SPEECH_KEY);
   function fromFile() {
       const filename = "katiesteve.wav";
       const audioConfig = AudioConfig.fromWavFileInput(readFileSync(filename));
       const conversationTranscriber = new ConversationTranscriber(speechConfig, audioConfig);
       const pushStream = AudioInputStream.createPushStream();
       createReadStream(filename).on('data', function (chunk) {
           pushStream.write(chunk.slice());
       }).on('end', function () {
           pushStream.close();
       });
       console.log("Transcribing from: " + filename);
       conversationTranscriber.sessionStarted = function (s, e) {
           console.log("SessionStarted event");
           console.log("SessionId:" + e.sessionId);
       };
       conversationTranscriber.sessionStopped = function (s, e) {
           console.log("SessionStopped event");
           console.log("SessionId:" + e.sessionId);
           conversationTranscriber.stopTranscribingAsync();
       };
       conversationTranscriber.canceled = function (s, e) {
           console.log("Canceled event");
           console.log(e.errorDetails);
           conversationTranscriber.stopTranscribingAsync();
       };
       conversationTranscriber.transcribed = function (s, e) {
           console.log("TRANSCRIBED: Text=" + e.result.text + " Speaker ID=" + e.result.speakerId);
       };
       // Start conversation transcription
       conversationTranscriber.startTranscribingAsync(function () { }, function (err) {
           console.trace("err - starting transcription: " + err);
       });
   }
   fromFile();
   

   I transcription.jsersätter du YourAudioFile.wav med din egen .wav fil. Det här exemplet identifierar bara tal från en .wav fil. Information om andra ljudformat finns i Använda komprimerat indataljud. Det här exemplet stöder upp till 30 sekunders ljud.

   Om du vill ändra taligenkänningsspråket ersätter du en-US med ett annat språk som stöds. Använd till exempel es-ES för spanska (Spanien). Om du inte anger något språk är en-USstandardvärdet . Mer information om hur du identifierar ett av flera språk som kan talas finns i Språkidentifiering.

2. Kör det nya konsolprogrammet för att starta taligenkänning från en fil:

   node transcription.js
   

Vänta en stund för att få svaret.

Utgång

Talet från ljudfilen ska matas ut som text:

RECOGNIZED: Text=I'm excited to try speech to text.

Kommentarer

I det här exemplet används åtgärden recognizeOnceAsync för att transkribera yttranden på upp till 30 sekunder eller tills tystnad har identifierats. Information om kontinuerlig igenkänning för längre ljud, inklusive flerspråkiga konversationer, finns i Så här känner du igen tal.

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.

Referensdokumentation Paket (PyPi) |

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Konfigurera miljön

Speech SDK för Python är tillgänglig som en PyPI-modul (Python Package Index). Speech SDK för Python är kompatibelt med Windows, Linux och macOS.

• För Windows installerar du Microsoft Visual C++ Redistributable för Visual Studio 2015, 2017, 2019 och 2022 för din plattform. Att installera det här paketet för första gången kan kräva en omstart.
• I Linux måste du använda x64-målarkitekturen.

Installera en version av Python från 3.7 eller senare. Andra krav finns i Installera Speech SDK.

Ange miljövariabler

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och slutpunkt öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du din slutpunkt med en av slutpunkterna för resursen.

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

Identifiera tal från en mikrofon

Följ de här stegen för att skapa ett konsolprogram.

1. Öppna ett kommandotolksfönster i mappen där du vill ha det nya projektet. Skapa en ny fil med namnet speech_recognition.py.

2. Kör det här kommandot för att installera Speech SDK:

   pip install azure-cognitiveservices-speech
   

3. Kopiera följande kod till speech_recognition.py:

   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_config = speechsdk.SpeechConfig(subscription=os.environ.get('SPEECH_KEY'), endpoint=os.environ.get('ENDPOINT'))
       speech_config.speech_recognition_language="en-US"
   
       audio_config = speechsdk.audio.AudioConfig(use_default_microphone=True)
       speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config)
   
       print("Speak into your microphone.")
       speech_recognition_result = speech_recognizer.recognize_once_async().get()
   
       if speech_recognition_result.reason == speechsdk.ResultReason.RecognizedSpeech:
           print("Recognized: {}".format(speech_recognition_result.text))
       elif speech_recognition_result.reason == speechsdk.ResultReason.NoMatch:
           print("No speech could be recognized: {}".format(speech_recognition_result.no_match_details))
       elif speech_recognition_result.reason == speechsdk.ResultReason.Canceled:
           cancellation_details = speech_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. Om du vill ändra taligenkänningsspråket ersätter du en-US med ett annat språk som stöds. Använd till exempel es-ES för spanska (Spanien). Om du inte anger något språk är en-USstandardvärdet . Mer information om hur du identifierar ett av flera språk som kan talas finns i språkidentifiering.

5. Kör det nya konsolprogrammet för att starta taligenkänning från en mikrofon:

   python speech_recognition.py
   

   Viktigt!

   Se till att du anger SPEECH_KEY miljövariablerna och ENDPOINT. Om du inte anger dessa variabler misslyckas exemplet med ett felmeddelande.

6. Tala i mikrofonen när du uppmanas att göra det. Det du talar bör visas som text:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Kommentarer

Här följer några andra överväganden:

• I det här exemplet används åtgärden recognize_once_async för att transkribera yttranden på upp till 30 sekunder eller tills tystnad har identifierats. Information om kontinuerlig igenkänning för längre ljud, inklusive flerspråkiga konversationer, finns i Så här känner du igen tal.

• Om du vill känna igen tal från en ljudfil använder du filename i stället för use_default_microphone:

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

• För komprimerade ljudfiler som MP4 installerar du GStreamer och använder PullAudioInputStream eller PushAudioInputStream. För mer information, se Hur du använder komprimerat indataljud.

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Konfigurera miljön

Speech SDK för Swift distribueras som ett ramverkspaket. Ramverket stöder både Objective-C och Swift på både iOS och macOS.

Speech SDK kan användas i Xcode-projekt som en CocoaPod eller laddas ned direkt och länkas manuellt. Den här guiden använder en CocoaPod. Installera CocoaPod-beroendehanteraren enligt beskrivningen i installationsanvisningarna.

Ange miljövariabler

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och -region öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange SPEECH_REGION miljövariabeln ersätter du din region med en av regionerna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du your-endpoint med den faktiska slutpunkten för din Speech-resurs.

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

Identifiera tal från en mikrofon

Följ de här stegen för att identifiera tal i ett macOS-program.

1. Klona lagringsplatsen Azure-Samples/cognitive-services-speech-sdk för att hämta exemplet på taligenkänning från en mikrofon i Swift på macOS. Lagringsplatsen har också iOS-exempel.

2. Gå till katalogen för den nedladdade exempelappen (helloworld) i en terminal.

3. Kör kommandot pod install. Det här kommandot genererar en helloworld.xcworkspace Xcode-arbetsyta som innehåller både exempelappen och Speech SDK som ett beroende.

4. helloworld.xcworkspace Öppna arbetsytan i Xcode.

5. Öppna filen med namnet AppDelegate.swift och leta upp metoderna applicationDidFinishLaunching och recognizeFromMic som visas här.

   import Cocoa
   
   @NSApplicationMain
   class AppDelegate: NSObject, NSApplicationDelegate {
       var label: NSTextField!
       var fromMicButton: NSButton!
   
       var sub: String!
       var region: String!
   
       @IBOutlet weak var window: NSWindow!
   
       func applicationDidFinishLaunching(_ aNotification: Notification) {
           print("loading")
           // load subscription information
           sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
           region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
   
           label = NSTextField(frame: NSRect(x: 100, y: 50, width: 200, height: 200))
           label.textColor = NSColor.black
           label.lineBreakMode = .byWordWrapping
   
           label.stringValue = "Recognition Result"
           label.isEditable = false
   
           self.window.contentView?.addSubview(label)
   
           fromMicButton = NSButton(frame: NSRect(x: 100, y: 300, width: 200, height: 30))
           fromMicButton.title = "Recognize"
           fromMicButton.target = self
           fromMicButton.action = #selector(fromMicButtonClicked)
           self.window.contentView?.addSubview(fromMicButton)
       }
   
       @objc func fromMicButtonClicked() {
           DispatchQueue.global(qos: .userInitiated).async {
               self.recognizeFromMic()
           }
       }
   
       func recognizeFromMic() {
           var speechConfig: SPXSpeechConfiguration?
           do {
               try speechConfig = SPXSpeechConfiguration(subscription: sub, region: region)
           } catch {
               print("error \(error) happened")
               speechConfig = nil
           }
           speechConfig?.speechRecognitionLanguage = "en-US"
   
           let audioConfig = SPXAudioConfiguration()
   
           let reco = try! SPXSpeechRecognizer(speechConfiguration: speechConfig!, audioConfiguration: audioConfig)
   
           reco.addRecognizingEventHandler() {reco, evt in
               print("intermediate recognition result: \(evt.result.text ?? "(no result)")")
               self.updateLabel(text: evt.result.text, color: .gray)
           }
   
           updateLabel(text: "Listening ...", color: .gray)
           print("Listening...")
   
           let result = try! reco.recognizeOnce()
           print("recognition result: \(result.text ?? "(no result)"), reason: \(result.reason.rawValue)")
           updateLabel(text: result.text, color: .black)
   
           if result.reason != SPXResultReason.recognizedSpeech {
               let cancellationDetails = try! SPXCancellationDetails(fromCanceledRecognitionResult: result)
               print("cancelled: \(result.reason), \(cancellationDetails.errorDetails)")
               print("Did you set the speech resource key and region values?")
               updateLabel(text: "Error: \(cancellationDetails.errorDetails)", color: .red)
           }
       }
   
       func updateLabel(text: String?, color: NSColor) {
           DispatchQueue.main.async {
               self.label.stringValue = text!
               self.label.textColor = color
           }
       }
   }
   

6. I AppDelegate.m använder du de miljövariabler som du tidigare angav för din Speech-resursnyckel och -region.

   sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
   region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
   

7. Om du vill ändra taligenkänningsspråket ersätter du en-US med ett annat språk som stöds. Använd till exempel es-ES för spanska (Spanien). Om du inte anger något språk är en-USstandardvärdet . Mer information om hur du identifierar ett av flera språk som kan talas finns i Språkidentifiering.

8. Om du vill göra felsökningsutdata synliga väljer du >Aktivera konsol.

9. Bygg och kör exempelkoden genom att välja Product>Run från menyn eller välja Spela-knappen.

   Viktigt!

   Se till att du anger SPEECH_KEY miljövariablerna och SPEECH_REGION. Om du inte anger dessa variabler misslyckas exemplet med ett felmeddelande.

När du har valt knappen i appen och sagt några ord bör du se texten som du talade på den nedre delen av skärmen. När du kör appen för första gången uppmanas du att ge appen åtkomst till datorns mikrofon.

Kommentarer

I det här exemplet används åtgärden recognizeOnce för att transkribera yttranden på upp till 30 sekunder eller tills tystnad har identifierats. Information om kontinuerlig igenkänning för längre ljud, inklusive flerspråkiga konversationer, finns i Så här känner du igen tal.

Objective-C

Speech SDK för Objective-C delar klientbibliotek och referensdokumentation med Speech SDK för Swift. För exempel på Objective-C-kod, se projektet identifiera tal från en mikrofon i Objective-C på macOS på GitHub.

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Du behöver också en .wav ljudfil på den lokala datorn. Du kan använda din egen .wav fil (upp till 30 sekunder) eller ladda ned https://crbn.us/whatstheweatherlike.wav exempelfilen.

Inställningar

1. Skapa en ny mapp transcription-quickstart och gå till snabbstartsmappen med följande kommando:

   mkdir transcription-quickstart && cd transcription-quickstart
   

2. Skapa package.json med följande kommando:

   npm init -y
   

3. package.json Uppdatera till ECMAScript med följande kommando:

   npm pkg set type=module
   

4. Installera Speech SDK för JavaScript med:

   npm install microsoft-cognitiveservices-speech-sdk
   

5. Du måste installera Node.js typdefinitioner för att undvika TypeScript-fel. Kör följande kommando:

   npm install --save-dev @types/node
   

Hämta resursinformation

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och -region öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange SPEECH_REGION miljövariabeln ersätter du din region med en av regionerna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du your-endpoint med den faktiska slutpunkten för din Speech-resurs.

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

Identifiera tal från en fil

Så här transkriberar du tal från en fil:

1. Skapa en ny fil med namnet transcription.ts med följande innehåll:

   import { readFileSync } from "fs";
   import { 
       SpeechConfig, 
       AudioConfig, 
       SpeechRecognizer, 
       ResultReason, 
       CancellationDetails, 
       CancellationReason,
       SpeechRecognitionResult 
   } from "microsoft-cognitiveservices-speech-sdk";
   
   // This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
   const speechConfig: SpeechConfig = SpeechConfig.fromEndpoint(new URL(process.env.ENDPOINT!), process.env.SPEECH_KEY!);
   speechConfig.speechRecognitionLanguage = "en-US";
   
   function fromFile(): void {
       const audioConfig: AudioConfig = AudioConfig.fromWavFileInput(readFileSync("YourAudioFile.wav"));
       const speechRecognizer: SpeechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);
   
       speechRecognizer.recognizeOnceAsync((result: SpeechRecognitionResult) => {
           switch (result.reason) {
               case ResultReason.RecognizedSpeech:
                   console.log(`RECOGNIZED: Text=${result.text}`);
                   break;
               case ResultReason.NoMatch:
                   console.log("NOMATCH: Speech could not be recognized.");
                   break;
               case ResultReason.Canceled:
                   const cancellation: CancellationDetails = CancellationDetails.fromResult(result);
                   console.log(`CANCELED: Reason=${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;
           }
           speechRecognizer.close();
       });
   }
   
   fromFile();
   

   I transcription.ts ersätter du YourAudioFile.wav med din egen .wav fil. Det här exemplet identifierar bara tal från en .wav fil. Information om andra ljudformat finns i Använda komprimerat indataljud. Det här exemplet stöder upp till 30 sekunders ljud.

   Om du vill ändra taligenkänningsspråket ersätter du en-US med ett annat språk som stöds. Använd till exempel es-ES för spanska (Spanien). Om du inte anger något språk är en-USstandardvärdet . Mer information om hur du identifierar ett av flera språk som kan talas finns i Språkidentifiering.

2. tsconfig.json Skapa filen för att transpilera TypeScript-koden och kopiera följande kod för 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. Transpilera från TypeScript till JavaScript.

   tsc
   

   Det här kommandot bör inte generera några utdata om det lyckas.

4. Kör det nya konsolprogrammet för att starta taligenkänning från en fil:

   node transcription.js
   

Vänta en stund för att få svaret.

Utgång

Talet från ljudfilen ska matas ut som text:

RECOGNIZED: Text=I'm excited to try speech to text.

Kommentarer

I det här exemplet används åtgärden recognizeOnceAsync för att transkribera yttranden på upp till 30 sekunder eller tills tystnad har identifierats. Information om kontinuerlig igenkänning för längre ljud, inklusive flerspråkiga konversationer, finns i Så här känner du igen tal.

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.

Tal till text REST API-referens | Tal till text REST API för korta ljudreferenser | Ytterligare exempel på GitHub

I den här snabbstarten skapar och kör du ett program för att identifiera och transkribera tal till text i realtid.

Om du i stället vill transkribera ljudfiler asynkront läser du Vad är batch-transkription. Om du inte är säker på vilken tal till text-lösning som passar dig kan du läsa Vad är tal till text?

Förutsättningar

Du behöver också en .wav ljudfil på den lokala datorn. Du kan använda din egen .wav fil i upp till 60 sekunder eller ladda ned https://crbn.us/whatstheweatherlike.wav exempelfilen.

Ange miljövariabler

Du måste autentisera ditt program för att få åtkomst till Azure AI-tjänster. Den här artikeln visar hur du använder miljövariabler för att lagra dina autentiseringsuppgifter. Du kan sedan komma åt miljövariablerna från koden för att autentisera ditt program. För produktion använder du ett säkrare sätt att lagra och komma åt dina autentiseringsuppgifter.

Om du vill ange miljövariablerna för din Speech-resursnyckel och -region öppnar du ett konsolfönster och följer anvisningarna för operativsystemet och utvecklingsmiljön.

• Om du vill ange SPEECH_KEY miljövariabeln ersätter du din nyckel med en av nycklarna för resursen.
• Om du vill ange SPEECH_REGION miljövariabeln ersätter du din region med en av regionerna för resursen.
• Om du vill ange ENDPOINT miljövariabeln ersätter du your-endpoint med den faktiska slutpunkten för din Speech-resurs.

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

Identifiera tal från en fil

Öppna ett konsolfönster och kör följande cURL-kommando. Ersätt YourAudioFile.wav med sökvägen och namnet på ljudfilen.

curl --location --request POST "https://%SPEECH_REGION%.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US&format=detailed" ^
--header "Ocp-Apim-Subscription-Key: %SPEECH_KEY%" ^
--header "Content-Type: audio/wav" ^
--data-binary "@YourAudioFile.wav"

audio_file=@'YourAudioFile.wav'

curl --location --request POST \
"https://${SPEECH_REGION}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US&format=detailed" \
--header "Ocp-Apim-Subscription-Key: ${SPEECH_KEY}" \
--header "Content-Type: audio/wav" \
--data-binary $audio_file

audio_file=@'YourAudioFile.wav'

curl --location --request POST \
"https://${SPEECH_REGION}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US&format=detailed" \
--header "Ocp-Apim-Subscription-Key: ${SPEECH_KEY}" \
--header "Content-Type: audio/wav" \
--data-binary $audio_file

Du bör få ett svar som liknar det som visas här. DisplayText Bör vara den text som kändes igen från ljudfilen. Kommandot identifierar upp till 60 sekunders ljud och konverterar det till text.

{
    "RecognitionStatus": "Success",
    "DisplayText": "My voice is my passport, verify me.",
    "Offset": 6600000,
    "Duration": 32100000
}

Mer information finns i REST API för tal till text för kort ljud.

Rensa resurser

Du kan använda Azure Portal- eller Azure-kommandoradsgränssnittet (CLI) för att ta bort den Speech-resurs som du skapade.