标签: azure-speech

我正在尝试将 Azure 连续语音识别用于语音转文本项目。以下是 Azure 提供的示例代码：

def speech_recognize_continuous_from_file():
    """performs continuous speech recognition with input from an audio file"""
    # <SpeechContinuousRecognitionWithFile>
    speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)
    audio_config = speechsdk.audio.AudioConfig(filename=weatherfilename)

    speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config)

    done = False

    def stop_cb(evt):
        """callback that signals to stop continuous recognition upon receiving an event `evt`"""
        print('CLOSING on {}'.format(evt))
        nonlocal done
        done = True

    # Connect callbacks to the events fired by the speech recognizer
    speech_recognizer.recognizing.connect(lambda evt: print('RECOGNIZING: {}'.format(evt)))
    speech_recognizer.recognized.connect(lambda evt: print('RECOGNIZED: {}'.format(evt)))
    speech_recognizer.session_started.connect(lambda evt: print('SESSION STARTED: {}'.format(evt)))
    speech_recognizer.session_stopped.connect(lambda …

当我调用 api tts.speech.microsoft.com 时，我收到了一个二进制音频文件，我想将此二进制文件转换为 Base64 字符串。

我一直在尝试很多事情，例如：

Buffer.from(body, "binary").toString("base64");

不起作用。

我不确定“二进制”是确切的词，但它不是一种可读的格式。

感谢您的帮助。

我正在使用 Azure SpeechSDK 服务通过recognizeOnceAsync. 当前的代码类似于：

var SpeechSDK, recognizer, synthesizer;
var speechConfig = SpeechSDK.SpeechConfig.fromSubscription('SUB_KEY', 'SUB_REGION');
var audioConfig  = SpeechSDK.AudioConfig.fromDefaultMicrophoneInput();
recognizer = new SpeechSDK.SpeechRecognizer(speechConfig, audioConfig);
new Promise(function(resolve) {
    recognizer.onend = resolve;
    recognizer.recognizeOnceAsync(
        function (result) {
            recognizer.close();
            recognizer = undefined;
            resolve(result.text);
        },
        function (err) {
            alert(err);
            recognizer.close();
            recognizer = undefined;
        }
    );
}).then(r => {
    console.log(`Azure STT enterpreted: ${r}`);
});

在 HTML 文件中，我导入 Azure 包，如下所示：

<script src="https://aka.ms/csspeech/jsbrowserpackageraw"></script>

问题是我想增加方法recognizeOnceAsync返回结果之前允许的“静默时间”量。（也就是说，假设您已经讲完了，您应该能够停下来呼吸一下，而无需使用该方法）。有什么办法可以做到这一点fromDefaultMicrophoneInput吗？我尝试过各种方法，例如：

const SILENCE_UNTIL_TIMEOUT_MS = 5000;
speechConfig.SpeechServiceConnection_EndSilenceTimeoutMs = SILENCE_UNTIL_TIMEOUT_MS;
audioConfig.setProperty("Speech_SegmentationSilenceTimeoutMs", SILENCE_UNTIL_TIMEOUT_MS); …

我想使用 Azure 语音服务批量转录 API来创建音频文件的转录。我已经成功使用语音服务 SDK（适用于 Node.js），但有兴趣尝试 v3.1 预览版 api ( displayFormWordLevelTimestampsEnabled) 中提供的较新功能之一，所以我想我必须使用REST API 服务来执行此操作。

总的来说，我的问题是，无论我为Create TranscriptAPI提供什么输入contentUrls，我总是会得到相同的错误：

"error": {
   "code": "InvalidData",
   "message": "The recordings URI contains invalid data."
}

经过一番挖掘后，我通过 Azure 门户找到了一些提示，可用于以sox请求的特定格式处理音频文件的转码。

他们在门户文档中提到的具体格式显示：如果您使用 REST API，请确保它使用此表中的格式之一：

sox 的具体命令是：

我通过第二个命令运行我的 mp3 …