Docker を使用したカスタム音声テキスト変換コンテナー

[アーティクル]
10/16/2024

カスタム音声テキスト変換コンテナーでは、中間結果を含むリアルタイム音声またはバッチ音声録音を文字起こしします。 Custom Speech ポータルで作成したカスタムモデルを使用できます。この記事では、カスタム音声テキスト変換コンテナーをダウンロード、インストール、実行する方法について説明します。

前提条件の詳細、コンテナーが実行されていることの検証、同じホスト上での複数コンテナーの実行、切断されたコンテナーの実行については、「Docker を使用して音声コンテナーをインストールして実行する」を参照してください。

コンテナーイメージ

サポートされているすべてのバージョンとロケールのカスタム音声テキスト変換コンテナーイメージは、Microsoft Container Registry (MCR) シンジケートにあります。 azure-cognitive-services/speechservices/ リポジトリ内にあり、custom-speech-to-text という名前が付いています。

完全修飾コンテナーイメージ名は mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text です。特定のバージョンを追加するか、:latest を追加して最新バージョンを取得します。

Version	Path
最新	`mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text:latest`
4.10.0	`mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text:4.10.0-amd64`

latest を除くすべてのタグは次の形式であり、大文字と小文字が区別されます。

<major>.<minor>.<patch>-<platform>-<prerelease>

注意

カスタム音声テキスト変換コンテナーの locale と voice は、コンテナーによって取り込まれるカスタムモデルによって決定されます。

作業を容易にするために、このタグは JSON 形式でも使用できます。本文には、コンテナーパスとタグの一覧が含まれています。タグはバージョン別に並べ替えられませんが、次のスニペットに示すように、"latest" は必ずリストの末尾に含まれます。

{
  "name": "azure-cognitive-services/speechservices/custom-speech-to-text",
  "tags": [
    <--redacted for brevity-->
    "4.4.0-amd64",
    "4.5.0-amd64",
    "4.6.0-amd64",
    "4.7.0-amd64",
    "4.8.0-amd64",
    "4.9.0-amd64",
    "4.10.0-amd64",
    "latest"
  ]
}

docker pull でコンテナーイメージを取得する

必要なハードウェアを含む前提条件を満たす必要があります。また、各音声コンテナーに対して推奨されるリソースの割り当ても参照してください。

Microsoft Container Registry からコンテナーイメージをダウンロードするには、docker pull コマンドを使用します。

docker pull mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text:latest

注意

Custom Speech コンテナーの locale と voice は、コンテナーによって取り込まれるカスタムモデルによって決定されます。

モデル ID を取得する

コンテナーを実行する前に、カスタムモデルのモデル ID または基本モデル ID を把握しておく必要があります。コンテナーを実行するときに、ダウンロードして使用するモデル ID として、いずれかを指定します。

カスタムモデル ID
基本モデル ID

カスタムモデルは、Speech Studio を使用してトレーニングされる必要があります。モデル ID を取得する方法については、「Custom Speech モデルのライフサイクル」を参照してください。

Custom Speech トレーニングページを示すスクリーンショット。

docker run コマンドの ModelId パラメーターの引数として使用するモデル ID を取得します。

Custom Speech モデルの詳細を示すスクリーンショット。

オプション BaseModelLocale={LOCALE} を使用して、利用可能な基本モデルの情報を取得できます。このオプションを選択すると、自分の課金アカウントに含まれるそのロケールの使用可能な基本モデルの一覧が表示されます。

基本モデル ID を取得するには、docker run コマンドを使用します。次に例を示します。

docker run --rm -it \
mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text \
BaseModelLocale={LOCALE} \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

このコマンドは、コンテナーイメージを確認し、ターゲットロケールの使用可能な基本モデルを返します。

注意

docker run コマンドを使用しますが、コンテナーはサービス用に開始されません。

この出力には、基本モデルの一覧が、情報ロケール、モデル ID、作成日時と共に表示されます。次に例を示します。

Checking available base model for en-us
2020/10/30 21:54:20 [Info] Searching available base models for en-us
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2016-11-04T08:23:42Z, Id: a3d8aab9-6f36-44cd-9904-b37389ce2bfa
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2016-11-04T12:01:02Z, Id: cc7826ac-5355-471d-9bc6-a54673d06e45
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2017-08-17T12:00:00Z, Id: a1f8db59-40ff-4f0e-b011-37629c3a1a53
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2018-04-16T11:55:00Z, Id: c7a69da3-27de-4a4b-ab75-b6716f6321e5
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2018-09-21T15:18:43Z, Id: da494a53-0dad-4158-b15f-8f9daca7a412
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2018-10-19T11:28:54Z, Id: 84ec130b-d047-44bf-a46d-58c1ac292ca7
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2018-11-26T07:59:09Z, Id: ee5c100f-152f-4ae5-9e9d-014af3c01c56
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2018-11-26T09:21:55Z, Id: d04959a6-71da-4913-9997-836793e3c115
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2019-01-11T10:04:19Z, Id: 488e5f23-8bc5-46f8-9ad8-ea9a49a8efda
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2019-02-18T14:37:57Z, Id: 0207b3e6-92a8-4363-8c0e-361114cdd719
2020/10/30 21:54:21 [Info] [Base model] Locale: en-us, CreatedDate: 2019-03-03T17:34:10Z, Id: 198d9b79-2950-4609-b6ec-f52254074a05
2020/10/30 21:54:21 [Fatal] Please run this tool again and assign --modelId '<one above base model id>'. If no model id listed above, it means currently there is no available base model for en-us

表示モデルのダウンロード

コンテナーを実行する前に、必要に応じて使用可能な表示モデル情報を取得し、それらのモデルを音声テキスト変換コンテナーにダウンロードして、最終的な表示出力を大きく改善することができます。表示モデルのダウンロードは、カスタム音声テキスト変換コンテナーバージョン 3.1.0 以降で使用できます。

注意

docker run コマンドを使用しますが、コンテナーはサービス用に開始されません。

これらの表示モデルの種類 (再スコアリング (Rescore)、句読点 (Punct)、再セグメント化 (Resegment)、wfstitn (Wfstitn)) のいずれかまたはすべてをクエリまたはダウンロードできます。または、FullDisplay オプション (他の種類あり、またはなし) を使用して、すべての種類の表示モデルをクエリまたはダウンロードできます。

ターゲットロケールで使用可能な最新の表示モデルに対してクエリを実行するには、BaseModelLocale を設定します。複数の表示モデルの種類を含める場合、コマンドでは、各種類で使用可能な最新の表示モデルが返されます。次に例を示します。

docker run --rm -it \
mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text \
Punct Rescore Resegment Wfstitn \   # Specify `FullDisplay` or a space-separated subset of display models
BaseModelLocale={LOCALE} \           
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

ターゲットロケールで使用可能な最新の表示モデルをダウンロードするには、DisplayLocale を設定します。 DisplayLocale を設定する場合は、FullDisplay またはスペースで区切られた表示モデルのサブセットも指定する必要があります。コマンドを実行すると、指定した種類ごとに使用可能な最新の表示モデルがダウンロードされます。次に例を示します。

docker run --rm -it \
mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text \
Punct Rescore Resegment Wfstitn \   # Specify `FullDisplay` or a space-separated subset of display models
DisplayLocale={LOCALE} \           
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

1 つのモデル ID パラメーターを設定して、特定の表示モデル (再スコアリング (RescoreId)、句読点 (PunctId)、再セグメント化 (ResegmentId)、wfstitn (WfstitnId)) をダウンロードします。これは、ModelId パラメーターを使用して基本モデルをダウンロードする方法と似ています。たとえば、再スコアリング表示モデルをダウンロードするには、RescoreId パラメーターを指定した次のコマンドを使用できます。

docker run --rm -it \
mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text \
RescoreId={RESCORE_MODEL_ID} \         
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

注意

複数のクエリまたはダウンロードパラメーターを設定した場合、コマンドでは、BaseModelLocale、モデル ID、DisplayLocale (表示モデルにのみ適用されます) という順序で優先順位が付けられます。

docker run でコンテナーを実行する

サービス用にコンテナーを実行するには、docker run コマンドを使用します。

カスタム音声テキスト変換
切断されたカスタム音声テキスト変換

次の表は、さまざまな docker run パラメーターとその説明をまとめたものです。

パラメーター	説明
`{VOLUME_MOUNT}`	ホストコンピューターのボリュームマウント。Docker では、これを使用してカスタムモデルを保持します。たとえば、`c:\CustomSpeech` です。`c:\` ドライブはホストマシンにあります。
`{MODEL_ID}`	カスタム音声または基本モデル ID。詳細については、「モデル ID を取得する」を参照してください。
`{ENDPOINT_URI}`	測定と課金にはエンドポイントが必須です。詳細については、｢課金引数」を参照してください。
`{API_KEY}`	API キーは必須です。詳細については、｢課金引数」を参照してください。

カスタム音声テキスト変換コンテナーを実行する場合は、カスタム音声テキスト変換コンテナーの要件と推奨事項に従って、ポート、メモリ、CPU を構成します。

プレースホルダー値を含む docker run コマンドの例を次に示します。 VOLUME_MOUNT、MODEL_ID、ENDPOINT_URI、API_KEY の値を指定する必要があります。

docker run --rm -it -p 5000:5000 --memory 8g --cpus 4 \
-v {VOLUME_MOUNT}:/usr/local/models \
mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text \
ModelId={MODEL_ID} \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

このコマンドは、次の操作を行います。

コンテナーイメージからカスタム音声変換コンテナーを実行します
4 つの CPU コアと 8 GB のメモリを割り当てます。
カスタム音声テキスト変換モデルをボリューム入力マウント (例: C:\CustomSpeech) から読み込みます。
TCP ポート 5000 を公開し、コンテナーに pseudo-TTY を割り当てます。
ModelId が指定されたモデルをダウンロードします (ボリュームマウントで見つからない場合)。
カスタムモデルが以前にダウンロードされた場合、ModelId は無視されます。
コンテナーの終了後にそれを自動的に削除します。ホストコンピューター上のコンテナーイメージは引き続き利用できます。

音声コンテナーでの docker run の詳細については、「Docker を使用して音声コンテナーをインストールして実行する」を参照してください。

切断された (インターネットに接続されていない) コンテナーを実行するには、こちらの要求フォームを送信し、承認を待つ必要があります。切断された環境でコンテナーを使用するためのコミットメントプランの申請と購入の詳細については、Azure AI サービスドキュメントの「切断された環境での Docker コンテナーの使用」を参照してください。

次の例では、インターネットに接続されていないコンテナーの実行を承認されている場合に使用する docker run コマンドの形式とプレースホルダーの値を示します。これらのプレースホルダーの値は、実際の値に置き換えます。

切断されたカスタム音声テキスト変換コンテナーを準備して構成するには、次の 2 つの個別の音声リソースが必要です。

"S0 - Standard" 価格レベルまたは "音声テキスト変換 (カスタム)" コミットメントレベルの価格プランを使用するように構成された通常の Azure AI 音声リソース。これは、コンテナーで使用するカスタム音声モデルのトレーニング、ダウンロード、構成に使用されます。
"DC0 コミットメント (切断)" 価格プランを使用するように構成された Azure AI 音声リソース。これは、切断モードでコンテナーを実行するために必要な、切断されたコンテナーのライセンスファイルをダウンロードするために使用されます。

切断された環境でコンテナーをダウンロードして実行するには、次の手順に従います。

切断されたコンテナーのモデルをダウンロードします。この手順では、"S0 - Standard" 価格レベルまたは "音声テキスト変換 (カスタム)" コミットメントレベルの価格プランを使用するように構成された通常の Azure AI 音声リソースを使用します。
切断されたコンテナーのライセンスをダウンロードします。この手順では、"DC0 コミットメント (切断)" 価格プランを使用するように構成された Azure AI 音声リソースを使用します。
切断されたコンテナーをサービス用に実行します。この手順では、"DC0 コミットメント (切断)" 価格プランを使用するように構成された Azure AI 音声リソースを使用します。

切断されたコンテナーのモデルをダウンロードする

この手順では、"S0 - Standard" 価格レベルまたは "音声テキスト変換 (カスタム)" コミットメントレベルの価格プランを使用するように構成された通常の Azure AI 音声リソースを使用します。

次の表は、さまざまな docker run パラメーターとその説明をまとめたものです。

パラメーター	説明
`{VOLUME_MOUNT}`	ホストコンピューターのボリュームマウント。Docker では、これを使用してカスタムモデルを保持します。たとえば、`c:\CustomSpeech` です。`c:\` ドライブはホストマシンにあります。
`{MODEL_ID}`	カスタム音声または基本モデル ID。詳細については、「モデル ID を取得する」を参照してください。
`{ENDPOINT_URI}`	測定と課金にはエンドポイントが必須です。詳細については、｢課金引数」を参照してください。
`{API_KEY}`	API キーは必須です。詳細については、｢課金引数」を参照してください。

プレースホルダー値を含む docker run コマンドの例を次に示します。 VOLUME_MOUNT、MODEL_ID、ENDPOINT_URI、API_KEY の値を指定する必要があります。

docker run --rm -it -p 5000:5000 --memory 8g --cpus 4 \
-v {VOLUME_MOUNT}:/usr/local/models \
mcr.microsoft.com/azure-cognitive-services/speechservices/custom-speech-to-text \
ModelId={MODEL_ID} \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

このコマンドは、次の操作を行います。

コンテナーイメージからカスタム音声変換コンテナーを実行します
4 つの CPU コアと 8 GB のメモリを割り当てます。
カスタム音声テキスト変換モデルをボリューム入力マウント (例: C:\CustomSpeech) から読み込みます。
TCP ポート 5000 を公開し、コンテナーに pseudo-TTY を割り当てます。
ModelId が指定されたモデルをダウンロードします (ボリュームマウントで見つからない場合)。
カスタムモデルが以前にダウンロードされた場合、ModelId は無視されます。
コンテナーの終了後にそれを自動的に削除します。ホストコンピューター上のコンテナーイメージは引き続き利用できます。

音声コンテナーでの docker run の詳細については、「Docker を使用して音声コンテナーをインストールして実行する」を参照してください。

切断されたコンテナーのライセンスをダウンロードする

次に、切断されたライセンスファイルをダウンロードする必要があります。 docker run コマンドで DownloadLicense=True パラメーターを指定すると、インターネットに接続されていなくても Docker コンテナーを実行できるようにするライセンスファイルがダウンロードされます。有効期限も含まれており、それを過ぎると、そのライセンスファイルを使用してコンテナーを実行できなくなります。

ライセンスファイルは、お客様が承認されている対象の適切なコンテナーとモデルでのみ使用できます。たとえば、speech-to-text コンテナーのライセンスファイルを neural-text-to-speech コンテナーで使用することはできません。

プレースホルダー	説明
`{IMAGE}`	使用するコンテナーイメージ。例: `mcr.microsoft.com/azure-cognitive-services/custom-speech-to-text:latest`
`{LICENSE_MOUNT}`	ライセンスがダウンロードされ、マウントされるパス。例: `/host/license:/path/to/license/directory`
`{MODEL_PATH}`	モデルが存在するパス。例: `/host/models:/usr/local/models`
`{ENDPOINT_URI}`	サービス要求を認証するためのエンドポイント。それは、Azure portal で、お使いのリソースの [キーとエンドポイント] ページで見つけることができます。例: `https://<your-resource-name>.cognitiveservices.azure.com`
`{API_KEY}`	音声リソースのキー。それは、Azure portal で、お使いのリソースの [キーとエンドポイント] ページで見つけることができます。
`{CONTAINER_LICENSE_DIRECTORY}`	コンテナーのローカルファイルシステム上のライセンスフォルダーの場所。例: `/path/to/license/directory`

この手順では、"DC0 コミットメント (切断)" 価格プランを使用するように構成された Azure AI 音声リソースを使用します。

docker run --rm -it -p 5000:5000 \ 
-v {LICENSE_MOUNT} \
-v {MODEL_PATH} \
{IMAGE} \
eula=accept \
billing={ENDPOINT_URI} \
apikey={API_KEY} \
DownloadLicense=True \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}

切断されたコンテナーを実行する

ライセンスファイルがダウンロードされたら、切断された環境でコンテナーを実行できます。次の例では、使用する docker run コマンドの形式と、プレースホルダーの値を示します。これらのプレースホルダーの値は、実際の値に置き換えます。

コンテナーを実行する場所では必ず、ライセンスファイルをコンテナーにマウントする必要があり、コンテナーのローカルファイルシステム上のライセンスフォルダーの場所を Mounts:License= で指定する必要があります。課金用の使用状況レコードを書き込むことができるように、出力マウントも指定する必要があります。

プレースホルダー	説明
`{IMAGE}`	使用するコンテナーイメージ。例: `mcr.microsoft.com/azure-cognitive-services/custom-speech-to-text:latest`
`{MEMORY_SIZE}`	コンテナーに割り当てるメモリの適切なサイズ。例: `4g`
`{NUMBER_CPUS}`	コンテナーに割り当てる CPU の適切な数。例: `4`
`{LICENSE_MOUNT}`	ライセンスがダウンロードされ、マウントされるパス。例: `/host/license:/path/to/license/directory`
`{MODEL_PATH}`	モデルが存在するパス。例: `/host/models:/usr/local/models`
`{OUTPUT_PATH}`	ログの出力パス。例: `/host/output:/path/to/output/directory` 詳細については、Azure AI サービスドキュメントの「使用状況レコード」を参照してください。
`{ENDPOINT_URI}`	サービス要求を認証するためのエンドポイント。それは、Azure portal で、お使いのリソースの [キーとエンドポイント] ページで見つけることができます。例: `https://<your-resource-name>.cognitiveservices.azure.com`
`{API_KEY}`	音声リソースのキー。それは、Azure portal で、お使いのリソースの [キーとエンドポイント] ページで見つけることができます。
`{CONTAINER_LICENSE_DIRECTORY}`	コンテナーのローカルファイルシステム上のライセンスフォルダーの場所。例: `/path/to/license/directory`
`{CONTAINER_OUTPUT_DIRECTORY}`	コンテナーのローカルファイルシステム上の出力フォルダーの場所。例: `/path/to/output/directory`

この手順では、"DC0 コミットメント (切断)" 価格プランを使用するように構成された Azure AI 音声リソースを使用します。

docker run --rm -it -p 5000:5000 --memory {MEMORY_SIZE} --cpus {NUMBER_CPUS} \ 
-v {LICENSE_MOUNT} \ 
-v {OUTPUT_PATH} \
-v {MODEL_PATH} \
{IMAGE} \
eula=accept \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}
Mounts:Output={CONTAINER_OUTPUT_DIRECTORY}

カスタム音声テキスト変換コンテナーには、実行時にライセンスファイルと課金ログを書き込むための既定のディレクトリが用意されています。既定のディレクトリはそれぞれ /license と /output です。

docker run -v コマンドを使用してこれらのディレクトリをコンテナーにマウントする場合は、コンテナーを実行する前に、ローカルコンピューターのディレクトリの所有権が user:group nonroot:nonroot に設定されていることを確認してください。

ファイルとディレクトリの所有権を設定するコマンドの例を以下に示します。

sudo chown -R nonroot:nonroot <YOUR_LOCAL_MACHINE_PATH_1> <YOUR_LOCAL_MACHINE_PATH_2> ...

コンテナーを使用する

音声コンテナーは、WebSocket ベースのクエリエンドポイント API シリーズを提供します。これには、Speech SDK および Speech CLI を介してアクセスします。既定では、Speech SDK と Speech CLI ではパブリック音声サービスが使用されます。コンテナーを使用するには、初期化方法を変更する必要があります。

重要

コンテナーで音声サービスを使用する場合は、必ずホスト認証を使用してください。キーとリージョンを構成すると、要求はパブリック音声サービスに送信されます。音声サービスからの結果は、期待どおりではない場合があります。切断されたコンテナーからの要求は失敗します。

この Azure クラウド初期化構成は使用しません。

var config = SpeechConfig.FromSubscription(...);

コンテナーホストで、この構成を使用します。

var config = SpeechConfig.FromHost(
    new Uri("ws://localhost:5000"));

この Azure クラウド初期化構成は使用しません。

auto speechConfig = SpeechConfig::FromSubscription(...);

コンテナーホストで、この構成を使用します。

auto speechConfig = SpeechConfig::FromHost("ws://localhost:5000");

この Azure クラウド初期化構成は使用しません。

speechConfig, err := speech.NewSpeechConfigFromSubscription(...)

コンテナーホストで、この構成を使用します。

speechConfig, err := speech.NewSpeechConfigFromHost("ws://localhost:5000")

この Azure クラウド初期化構成は使用しません。

SpeechConfig speechConfig = SpeechConfig.fromSubscription(...);

コンテナーホストで、この構成を使用します。

SpeechConfig speechConfig = SpeechConfig.fromHost("ws://localhost:5000");

この Azure クラウド初期化構成は使用しません。

const speechConfig = sdk.SpeechConfig.fromSubscription(...);

コンテナーホストで、この構成を使用します。

const speechConfig = sdk.SpeechConfig.fromHost("ws://localhost:5000");

この Azure クラウド初期化構成は使用しません。

SPXSpeechConfiguration *speechConfig = [[SPXSpeechConfiguration alloc] initWithSubscription:...];

コンテナーホストで、この構成を使用します。

SPXSpeechConfiguration *speechConfig = [[SPXSpeechConfiguration alloc] initWithHost:"ws://localhost:5000"];

この Azure クラウド初期化構成は使用しません。

let speechConfig = SPXSpeechConfiguration(subscription: "", region: "");

コンテナーホストで、この構成を使用します。

let speechConfig = SPXSpeechConfiguration(host: "ws://localhost:5000");

この Azure クラウド初期化構成は使用しません。

speech_config = speechsdk.SpeechConfig(
    subscription=speech_key, region=service_region)

コンテナーエンドポイントで、この構成を使用します。

speech_config = speechsdk.SpeechConfig(
    host="ws://localhost:5000")

コンテナーで Speech CLI を使用する場合は、--host ws://localhost:5000/ オプションを含めます。 CLI が認証に音声キーを使用しないようにするには、--key none も指定する必要があります。 Speech CLI を構成する方法については、「Azure AI Speech CLI の概要」をご覧ください。

キーとリージョンではなく、ホスト認証を使用して、音声テキスト変換のクイックスタートをお試しください。

次のステップ

「音声コンテナーの概要」を参照する
構成設定について、コンテナーの構成を確認します。
より多くの Azure AI コンテナーを使用する

次の方法で共有

Docker を使用したカスタム音声テキスト変換コンテナー

コンテナーイメージ

docker pull でコンテナーイメージを取得する

モデル ID を取得する

表示モデルのダウンロード

docker run でコンテナーを実行する

切断されたコンテナーのモデルをダウンロードする

切断されたコンテナーのライセンスをダウンロードする

切断されたコンテナーを実行する

コンテナーを使用する

次のステップ

フィードバック

その他のリソース

次の方法で共有

Docker を使用したカスタム音声テキスト変換コンテナー

コンテナー イメージ

docker pull でコンテナー イメージを取得する

モデル ID を取得する

表示モデルのダウンロード

docker run でコンテナーを実行する

コンテナーを使用する

次のステップ

フィードバック

その他のリソース

コンテナーイメージ

docker pull でコンテナーイメージを取得する