Transcriptions - Transcribe

Referens

Tjänst:: Azure AI Services

API-version:: 2024-05-15-preview

Transkriberar den angivna ljudströmmen.

POST {endpoint}/speechtotext/transcriptions:transcribe?api-version=2024-05-15-preview

URI-parametrar

Name	I	Obligatorisk	Typ	Description
audio	formData	True	file binary	Ljudet som en ström av byte.
definition	formData	True	string	Metadata för en begäran om snabb transkription. Det här fältet innehåller ett JSON-serialiserat objekt av typen `TranscribeDefinition`.
endpoint	path	True	string	Cognitive Services-slutpunkter som stöds (protokoll och värdnamn, till exempel: https://westus.api.cognitive.microsoft.com).
api-version	query	True	string	Den begärda API-versionen.

Svar

Name	Typ	Description
200 OK	TranscribeResult	OKEJ

Säkerhet

Ocp-Apim-Subscription-Key

Ange din cognitive services-kontonyckel här.

Typ: apiKey
I: header

Authorization

Ange en åtkomsttoken från JWT som returneras av STS i den här regionen. Se till att lägga till hanteringsomfånget i token genom att lägga till följande frågesträng i STS-URL:en: ?scope=speechservicesmanagement

Typ: apiKey
I: header

Exempel

Transcribe an audio file

Exempelbegäran

HTTP

POST {endpoint}/speechtotext/transcriptions:transcribe?api-version=2024-05-15-preview

Exempelsvar

Statuskod:: 200

{
  "duration": 2000,
  "combinedPhrases": [
    {
      "text": "Weather"
    }
  ],
  "phrases": [
    {
      "offset": 40,
      "duration": 240,
      "text": "Weather",
      "words": [
        {
          "text": "Weather",
          "offset": 40,
          "duration": 240
        }
      ],
      "locale": "en-US",
      "confidence": 0.7881154
    }
  ]
}

Definitioner

Name	Description
CombinedPhrases
Phrase	En transkriberad fras.
TranscribeResult	Resultatet av transkriberingsåtgärden.
Word	Tidsstämplat ord i visningsformuläret.

CombinedPhrases

Name	Typ	Description
channel	integer	Det 0-baserade kanalindexet. Visas endast om kanalseparation är aktiverat.
text	string	Den fullständiga transkriberade texten för kanalen.

Phrase

En transkriberad fras.

Name	Typ	Description
channel	integer	Det 0-baserade kanalindexet. Visas endast om kanalseparation är aktiverat.
confidence	number	Konfidensvärdet för frasen.
duration	integer	Varaktigheten för frasen i millisekunder.
locale	string	Frasens nationella inställningar.
offset	integer	Startförskjutningen av frasen i millisekunder.
speaker	integer	Talarnumret. Presentera endast om talardiarisering är aktiverat.
text	string	Den transkriberade texten i frasen.
words	Word[]	Orden som utgör frasen. Presentera endast om tidsstämplar på ordnivå är aktiverade.

TranscribeResult

Resultatet av transkriberingsåtgärden.

Name	Typ	Description
combinedPhrases	CombinedPhrases[]	De kombinerade transkriptionsresultaten för varje kanal.
duration	integer	Ljudets varaktighet i millisekunder.
phrases	Phrase[]	Transkriptionsresultaten segmenterades i fraser.

Word

Tidsstämplat ord i visningsformuläret.

Name	Typ	Description
duration	integer	Ordets varaktighet i millisekunder.
offset	integer	Startförskjutningen av ordet i millisekunder.
text	string	Det identifierade ordet, inklusive skiljetecken.

Dela via