Co je řeč na text?

Služba Azure AI Speech nabízí pokročilé funkce převodu řeči na text. Tato funkce podporuje přepis v reálném čase i dávkové přepisy a poskytuje všestranná řešení pro převod zvukových proudů na text.

Základní funkce

Služba převodu řeči na text nabízí následující základní funkce:

• Přepis v reálném čase : Okamžitý přepis s průběžnými výsledky pro živé zvukové vstupy.
• Rychlý přepis: Nejrychlejší synchronní výstup pro situace s předvídatelnou latencí
• Dávkový přepis: Efektivní zpracování velkých objemů předem zaznamenaného zvuku
• Vlastní řeč: Modely s vylepšenou přesností pro konkrétní domény a podmínky.

Převod řeči na text v reálném čase

Řeč v reálném čase na text přepisuje zvuk, protože je rozpoznán z mikrofonu nebo souboru. Je ideální pro aplikace vyžadující okamžitý přepis, například:

• Přepisy, titulky nebo titulky pro živé schůzky: Přepis zvuku v reálném čase pro přístupnost a uchovávání záznamů.
• Diarizace: Identifikace a rozlišení mezi různými reproduktory ve zvuku.
• Hodnocení výslovnosti: Vyhodnocení a poskytnutí zpětné vazby k přesnosti výslovnosti
• Agenti call center pomáhají: Poskytuje přepis v reálném čase, který pomáhá zástupcům služeb zákazníkům.
• Diktování: Přepis mluvených slov do psaného textu pro účely dokumentace
• Hlasová agenti: Povolení interaktivních systémů hlasové odezvy k přepisu uživatelských dotazů a příkazů.

K převodu řeči na text v reálném čase je možné přistupovat prostřednictvím sady Speech SDK, rozhraní příkazového řádku služby Speech a rozhraní REST API, což umožňuje integraci do různých aplikací a pracovních postupů. Řeč na text v reálném čase je dostupná prostřednictvím sady Speech SDK, rozhraní příkazového řádku služby Speech a rozhraní REST API, jako je rozhraní API pro rychlý přepis.

Rychlý přepis (Preview)

Rozhraní API pro rychlý přepis se používá k přepisu zvukových souborů s synchronním a rychlejším vrácením výsledků než zvuk v reálném čase. Používejte rychlý přepis ve scénářích, kdy potřebujete co nejrychleji přepis zvukového záznamu s předvídatelnou latencí, například:

• Rychlé přepisy zvuku nebo videa a titulky: Rychle získejte přepis celého videa nebo zvukového souboru najednou.
• Překlad videa: Pokud máte zvuk v různých jazycích, okamžitě získejte nové titulky pro video.

Pokud chcete začít s rychlým přepisem, podívejte se na rychlé rozhraní API pro přepis (Preview).

Rozhraní API pro dávkový přepis

Dávkové přepisy jsou navržené pro přepis velkého množství zvuku uloženého v souborech. Tato metoda zpracovává zvuk asynchronně a je vhodná pro:

• Přepisy, titulky nebo titulky pro předem zaznamenaný zvuk: Převod uloženého zvukového obsahu na text
• Analýza po volání v kontaktním centru: Analýza zaznamenaných volání za účelem extrakce cenných přehledů
• Diarizace: Odlišování mezi reproduktory v nahraném zvuku.

Dávkový přepis je k dispozici prostřednictvím:

• Rozhraní REST API pro převod řeči na text: Usnadňuje dávkové zpracování s flexibilitou volání RESTful. Pokud chcete začít, přečtěte si, jak používat dávkové přepisy a ukázky přepisu služby Batch.

• Speech CLI: Podporuje přepis v reálném čase i dávkový přepis, což usnadňuje správu úloh přepisu. V případě nápovědy k rozhraní příkazového řádku služby Speech s dávkovým přepisem spusťte následující příkaz:

  spx help batch transcription
  

Vlastní řeč

Pomocí vlastní řeči můžete vyhodnotit a zlepšit přesnost rozpoznávání řeči pro vaše aplikace a produkty. Vlastní model řeči se dá použít pro převod řeči v reálném čase na text, překlad řeči a dávkový přepis.

Rozpoznávání řeči využívá univerzální jazykový model jako základní model trénovaný s daty vlastněnými Microsoftem a odráží běžně používaný mluvený jazyk. Základní model je předem natrénovaný pomocí dialektů a fonetik představujících různé společné domény. Když provedete žádost o rozpoznávání řeči, použije se ve výchozím nastavení nejnovější základní model pro každý podporovaný jazyk . Základní model funguje dobře ve většině scénářů rozpoznávání řeči.

Vlastní řeč umožňuje přizpůsobit model rozpoznávání řeči tak, aby lépe vyhovoval konkrétním potřebám vaší aplikace. To může být užitečné zejména pro:

• Zlepšení rozpoznávání slovníku specifického pro doménu: Vytrénujte model textovými daty relevantními pro vaše pole.
• Zvýšení přesnosti pro konkrétní zvukové podmínky: K upřesnění modelu použijte zvuková data s referenčními přepisy.

Další informace o vlastní řeči najdete v přehledu vlastní řeči a v dokumentaci k rozhraní REST API pro převod řeči na text.

Podrobnosti o možnostech přizpůsobení pro jednotlivé jazyky a národní prostředí najdete v dokumentaci ke službě Speech v jazyce a hlasové podpoře.

Příklady použití

Tady je několik praktických příkladů použití řeči Azure AI k textu:

Zodpovědná AI

Systém AI zahrnuje nejen technologii, ale také uživatele, kteří ho používají, osoby, kterých se to týká, a prostředí, ve kterém je nasazené. Přečtěte si poznámky k transparentnosti a seznamte se s zodpovědným používáním a nasazením umělé inteligence ve vašich systémech.

• Poznámka transparentnosti a případy použití
• Charakteristiky a omezení
• Integrace a zodpovědné použití
• Data, ochrana osobních údajů a zabezpečení

Související obsah

• Začínáme s převodem řeči na text
• Vytvoření dávkového přepisu
• Podrobné informace o cenách najdete na stránce s cenami služby Speech.