创建批量听录

若要创建批量转录任务，请使用转录 - 提交语音转文本 REST API。 根据以下说明构造请求正文：

• 必须设置 contentContainerUrl 或 contentUrls 属性。 有关适用于批量听录的 Azure blob 存储的详细信息，请参阅找到批量听录的音频文件。
• 设置所需的 locale 属性。 此值应与要听录的音频数据的预期区域设置相匹配。 之后无法更改区域设置。
• 设置所需的 displayName 属性。 选择稍后可以引用的听录名称。 听录名称不必是唯一的，且之后能进行更改。
• 设置所需的 timeToLiveHours 属性。 此属性指定听录在完成后应保留在系统中的时间。 最短的受支持的持续时间为 6 小时，最长的受支持的持续时间为 31 天。 当直接使用数据时，建议的值为 48 小时（两天）。
• （可选）若要使用基础模型以外的模型，请将 model 属性设置为模型 ID。 有关详细信息，请参阅使用自定义模型和使用 Whisper 模型。
• （可选）将 wordLevelTimestampsEnabled 属性设置为 true 以在听录结果中启用单词级时间戳。 默认值是 false。 对于 Whisper 模型，请改为设置 displayFormWordLevelTimestampsEnabled 属性。 耳语模型是一种仅显示信息的模型，因此不会在听录内容中填充词法字段。
• （可选）设置 languageIdentification 属性。 语言标识用于在与支持的语言列表比较时确定音频中所说的语言。 如果设置了 languageIdentification 属性，则还必须设置具有候选区域设置的 languageIdentification.candidateLocales。

有关详细信息，请参阅请求配置选项。

发出使用 URI 的 HTTP POST 请求，如以下 听录 - 提交 示例所示。

• 将 YourSpeechResoureKey 替换为你的 Azure AI Foundry 资源密钥。
• 请将 YourServiceRegion 替换为您自己的 Azure AI Foundry 资源区域。
• 如前文所述，设置请求正文属性。

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "contentUrls": [
    "https://crbn.us/hello.wav",
    "https://crbn.us/whatstheweatherlike.wav"
  ],
  "locale": "en-US",
  "displayName": "My Transcription",
  "model": null,
  "properties": {
    "wordLevelTimestampsEnabled": true,
    "languageIdentification": {
      "candidateLocales": [
        "en-US", "de-DE", "es-ES"
      ],
      "mode": "Continuous"
    },
    "timeToLiveHours": 48
  }
}'  "https://YourServiceRegion.api.cognitive.microsoft.com/speechtotext/transcriptions:submit?api-version=2024-11-15"

应接收以下格式的响应正文：

{
  "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/transcriptions/788a1f24-f980-4809-8978-e5cf41f77b35?api-version=2024-11-15",
  "displayName": "My Transcription 2",
  "locale": "en-US",
  "createdDateTime": "2025-05-24T03:20:39Z",
  "lastActionDateTime": "2025-05-24T03:20:39Z",
  "links": {
    "files": "https://eastus.api.cognitive.microsoft.com/speechtotext/transcriptions/788a1f24-f980-4809-8978-e5cf41f77b35/files?api-version=2024-11-15"
  },
  "properties": {
    "wordLevelTimestampsEnabled": true,
    "displayFormWordLevelTimestampsEnabled": false,
    "channels": [
      0,
      1
    ],
    "punctuationMode": "DictatedAndAutomatic",
    "profanityFilterMode": "Masked",
    "timeToLiveHours": 48,
    "languageIdentification": {
      "candidateLocales": [
        "en-US",
        "de-DE",
        "es-ES"
      ],
      "mode": "Continuous"
    }
  },
  "status": "NotStarted"
}

响应正文中的顶级 self 属性是听录的 URI。 使用此 URI 可获取详细信息，例如听录和听录报告文件的 URI。 还可以使用此 URI 来更新或删除听录。

可以使用 转录 - 获取 操作查询转录的状态。

检索结果后，定期从服务中调用听录 - 删除。 或者，设置 timeToLive 属性以确保最终删除结果。

若要创建听录，请使用 spx batch transcription create 命令。 根据以下说明构造请求参数：

• 设置所需的 content 参数。 可以指定一系列由逗号分隔的各个文件，或指定整个容器的 URL。 有关适用于批量听录的 Azure blob 存储的详细信息，请参阅找到批量听录的音频文件。
• 设置所需的 language 属性。 此值应与要听录的音频数据的预期区域设置相匹配。 之后无法更改区域设置。 语音 CLI language 参数对应于 JSON 请求和响应中的 locale 属性。
• 设置所需的 name 属性。 选择稍后可以引用的听录名称。 听录名称不必是唯一的，且之后能进行更改。 语音 CLI name 参数对应于 JSON 请求和响应中的 displayName 属性。
• 将所需 api-version 参数设置为 v3.2. 语音 CLI 尚不支持版本 2024-11-15 或更高版本，因此现在必须使用 v3.2 。

下面是创建听录作业的语音 CLI 命令的示例：

spx batch transcription create --api-version v3.2 --name "My Transcription" --language "en-US" --content https://crbn.us/hello.wav,https://crbn.us/whatstheweatherlike.wav

应接收以下格式的响应正文：

{
  "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/transcriptions/bbbbcccc-1111-dddd-2222-eeee3333ffff",
  "model": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/models/base/ccccdddd-2222-eeee-3333-ffff4444aaaa"
  },
  "links": {
    "files": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/transcriptions/7f4232d5-9873-47a7-a6f7-4a3f00d00dc0/files"
  },
  "properties": {
    "diarizationEnabled": false,
    "wordLevelTimestampsEnabled": false,
    "channels": [
      0,
      1
    ],
    "punctuationMode": "DictatedAndAutomatic",
    "profanityFilterMode": "Masked"
  },
  "lastActionDateTime": "2025-05-24T03:20:39Z",
  "status": "NotStarted",
  "createdDateTime": "2025-05-24T03:20:39Z",
  "locale": "en-US",
  "displayName": "My Transcription",
  "description": ""
}

响应正文中的顶级 self 属性是听录的 URI。 使用此 URI 可获取详细信息，例如听录和听录报告文件的 URI。 还可以使用此 URI 来更新或删除听录。

有关听录的语音 CLI 帮助，请运行以下命令：

spx help batch transcription

下面是调用 听录提交 操作时用于配置转录的一些属性选项。 可以在同一页上找到更多示例，例如使用语言识别创建听录。

若要获取听录配置选项的语音 CLI 帮助，请运行以下命令：

spx help batch transcription create advanced

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "contentUrls": [
    "https://crbn.us/hello.wav",
    "https://crbn.us/whatstheweatherlike.wav"
  ],
  "locale": "en-US",
  "displayName": "My Transcription",
  "model": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base/ccccdddd-2222-eeee-3333-ffff4444aaaa"
  },
  "properties": {
    "wordLevelTimestampsEnabled": true,
  }
}'  "https://YourServiceRegion.api.cognitive.microsoft.com/speechtotext/transcriptions:submit?api-version=2024-11-15"

spx batch transcription create --name "My Transcription" --language "en-US" --content https://crbn.us/hello.wav,https://crbn.us/whatstheweatherlike.wav --model "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/models/base/ccccdddd-2222-eeee-3333-ffff4444aaaa"

可以发出 模型 - 列出基本模型 请求以获取所有区域设置的可用基础模型。

针对 eastus 区域发出 HTTP GET 请求，如以下示例所示。 将 YourSpeechResoureKey 替换为你的 Azure AI Foundry 资源密钥。 如果使用其他区域，请替换 eastus。

curl -v -X GET "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base?api-version=2024-11-15" -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey"

默认仅返回 100 个最早的基本模型。 使用 skip 和 top 查询参数来翻阅浏览结果。 例如，以下请求返回前 100 个之后的 100 个基础模型。

curl -v -X GET "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base?api-version=2024-11-15&skip=100&top=100" -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey"

请确保在某个受支持的区域中为语音的 AI Foundry 资源设置 配置变量 。 可以运行 spx csr list --base 命令来获取各个区域设置的可用基础模型。

将所需 api-version 参数设置为 v3.2. 语音 CLI 尚不支持版本 2024-11-15 或更高版本，因此现在必须使用 v3.2 。

spx csr list --base --api-version v3.2

为 eastus 区域设置完整的模型 URI，如本示例所示。 将 YourSpeechResoureKey 替换为你的 Azure AI Foundry 资源密钥。 如果使用其他区域，请替换 eastus。

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "contentUrls": [
    "https://crbn.us/hello.wav",
    "https://crbn.us/whatstheweatherlike.wav"
  ],
  "locale": "en-US",
  "displayName": "My Transcription",
  "model": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base/69adf293-9664-4040-932b-02ed16332e00?api-version=2024-11-15"
  },
  "properties": {
    "wordLevelTimestampsEnabled": true,
  },
}'  "https://eastus.api.cognitive.microsoft.com/speechtotext/transcriptions:submit?api-version=2024-11-15"

为 eastus 区域设置完整的模型 URI，如本示例所示。 如果使用其他区域，请替换 eastus。

将所需 api-version 参数设置为 v3.2. 语音 CLI 尚不支持版本 2024-11-15 或更高版本，因此现在必须使用 v3.2 。

spx batch transcription create --name "My Transcription" --language "en-US" --content https://crbn.us/hello.wav,https://crbn.us/whatstheweatherlike.wav --model "https://eastus.api.cognitive.microsoft.com/speechtotext/models/base/ddddeeee-3333-ffff-4444-aaaa5555bbbb" --api-version v3.2