Wypróbuj bezpłatnie usługi Cognitive Services
Gość
7-dniowa wersja próbna
Bezpłatnie oceń usługi Cognitive Services
Bezpłatne konto platformy Azure
$0 miesięcznie
Wypróbuj, korzystając z bezpłatnego konta platformy Azure
Istniejące konto platformy Azure
Masz już konto platformy Azure?
Funkcja zamiany mowy na tekst usług Cognitive Services oferuje szereg możliwości, które można osadzać w aplikacjach obsługujących różne scenariusze transkrypcji, w tym transkrypcję konwersacji, transkrypcję mowy i niestandardową transkrypcję mowy.
Transkrypcja konwersacji
Włącz osobistą transkrypcję spotkania. Transkrypcja konwersacji przechwytuje mowę w czasie rzeczywistym, dzięki czemu wszyscy uczestnicy spotkania mogą w pełni angażować się w dyskusję, identyfikować osobę mówiącą i czas wypowiedzi oraz szybko przechodzić do następnych kroków.
Funkcja transkrypcji konwersacji ma następujące możliwości:
- Przechwytywanie mowy z całej sali konferencyjnej.
- Pomoc w zapewnieniu bezpieczeństwa danych dzięki wiodącym w branży certyfikatom zabezpieczeń i zgodności.
- Obsługa konfigurowania konferencji i spotkań z użyciem mikrofonów oraz kamer wideo dzięki parowaniu z zestawem Speech Devices SDK.
Zobacz, jak to działa
Wystąpił błąd podczas ładowania tej demonstracji, zaczekaj chwilę i spróbuj ponownie
| Prelegent | Transkrypcja |
|---|
Ten pokaz nie jest zgodny z Twoją przeglądarką. Aby uzyskać najlepsze wyniki, użyj innej przeglądarki.
Chcesz to skompilować?
Transkrypcja mowy
Przekonwertuj mowę na tekst. Wywołaj interfejs API, aby rozpoznać dźwięk pochodzący z mikrofonu, z innych strumieniowych źródeł czasu rzeczywistego lub z nagranego pliku dźwiękowego. Po wysłaniu materiału dźwiękowego do serwera na życzenie są zwracane częściowe wyniki rozpoznawania.
Przy użyciu interfejsu API możesz kompilować inteligentne aplikacje wyzwalane głosem. Wypróbuj prezentację, aby zobaczyć, jak to działa. Wybierz swój język docelowy, a następnie kliknij mikrofon i zacznij mówić. Możesz również po prostu kliknąć jedno z przykładowych wyrażeń mowy.*
Zobacz, jak to działa
Aby wypróbować wersję demonstracyjną za pomocą Twojego własnego głosu przy użyciu mikrofonu, zmień przeglądarkę na inną, obsługującą protokół WebRTC, na przykład najnowszą wersję przeglądarki Microsoft Edge, Firefox lub Chrome.
Chcesz to skompilować?
Niestandardowa usługa mowy: transkrypcja mowy za pomocą modelu niestandardowego
Pokonaj bariery rozpoznawania mowy, takie jak styl wypowiedzi, słownictwo i hałas w tle. Nasze technologie rozpoznawania mowy łączą wiele interfejsów API, aby utworzyć tekst wyjściowy. Klienci mogą dostosowywać interfejsy API do swoich potrzeb i dostępnych danych.
Zobacz, jak to działa
Przykładowe zdania
Punkt odniesienia
Mowa niestandardowa
Twórz niestandardowe modele języka dopasowane do stylów mówienia użytkowników
Nie pozwól, aby zróżnicowane słownictwo i style mówienia przeszkadzały w zrozumieniu. Dopasuj model języka rozpoznawania mowy Twojej aplikacji do wyrażeń branżowych, warunków technicznych, geograficznych czy rynkowych, a nawet stylu osoby mówiącej.
Dopasuj się do środowiska użytkownika, korzystając z niestandardowych modeli akustycznych
Upewnij się, że funkcja rozpoznawania mowy Twojej aplikacji może działać we wszystkich środowiskach. Dzięki niestandardowym modelom akustycznym możesz uwzględnić hałas w tle i dostosować się do oczekiwanych środowisk Twoich użytkowników.
Używaj niezawodnych modeli mowy firmy Microsoft
Włącz zaawansowane, spersonalizowane rozpoznawanie mowy, tworząc własne, dostosowane modele rozpoznawania mowy w oparciu o istniejące, nowoczesne modele firmy Microsoft.
Chcesz to skompilować?
Poznaj scenariusz dotyczący mowy
Centrum telefonicznej obsługi klienta
Usługi mowy
Dzięki usługom Speech Services transkrypcja każdego połączenia jest łatwa. Dla takiej transkrypcji można łatwo utworzyć indeks na potrzeby wyszukiwania pełnotekstowego lub zastosować analizę tekstu w celu wykrycia tonacji, języka i fraz kluczowych. Jeśli nagrania z centrów telefonicznej obsługi klienta zawierają specjalistyczną terminologię, na przykład nazwy produktów lub żargon informatyczny, utwórz niestandardowy model językowy, aby nauczyć usługi Speech Services tego słownictwa. Niestandardowy model akustyczny ułatwia usługom Speech Services zrozumienie osób mówiących nawet w warunkach szumu w tle lub niskiej jakości połączeń telefonicznych.
Aby uzyskać więc informacji, przeczytaj, jak działa transkrypcja wsadowa w usługach Speech Services.
- 1 Dostosuj model do swojej domeny i wdróż ten model
- 2 Przekaż swoje nagrania do kontenera obiektów blob
- 3 Utwórz żądanie POST na potrzeby transkrypcji wsadowej
- 4 Usługi Speech Services planują zadanie transkrypcji
- 5 Pliki stereofoniczne są dzielone na dwa kanały
- 6 Pliki monofoniczne są dzielone między głośniki
- 7 Pobierz transkrypcję, używając identyfikatora transkrypcji
Poznaj interfejsy API usług Cognitive Services
Przetwarzanie obrazów
Wyodrębnianie określonych informacji z obrazów
Rozpoznawanie twarzy
Wykrywanie, identyfikowanie, analizowanie, organizowanie i znakowanie twarzy na zdjęciach
Rozpoznawanie pisma odręcznego WERSJA ZAPOZNAWCZA
Oparta na sztucznej inteligencji usługa umożliwiająca rozpoznawanie zawartości w postaci pisma cyfrowego, na przykład pisma ręcznego, kształtów i układu pisanych odręcznie dokumentów
Indeksator wideo
Udostępnienie analiz wideo
Niestandardowe przetwarzanie obrazów
Łatwo dostosowuj najwyższej klasy własne modele przetwarzania obrazów dla unikatowych przypadków użycia
Rozpoznawanie formularzy WERSJA ZAPOZNAWCZA
Napędzana przez sztuczną inteligencję usługa wyodrębniania dokumentów, która rozpoznaje formularze
Analiza tekstu
Łatwe ocenianie opinii i tematów w celu zrozumienia potrzeb użytkowników
Tłumaczenie tekstu w usłudze Translator
Łatwe wykonywanie tłumaczenia maszynowego dzięki prostemu wywołaniu interfejsu API REST
QnA Maker
Wydobądź z informacji konwersacyjne odpowiedzi, po których łatwo się poruszać
Language Understanding
Naucz aplikacje rozpoznawać polecenia użytkowników
Czytnik immersyjny WERSJA ZAPOZNAWCZA
Zwiększ możliwości użytkowników w każdym wieku i z różnymi zdolnościami w zakresie czytania i rozumienia tekstu
Usługi mowy
Ujednolicone usługi przetwarzania mowy umożliwiające zamianę mowy na tekst i tekstu na mowę oraz tłumaczenie mowy
Rozpoznawanie osoby mówiącej WERSJA ZAPOZNAWCZA
Identyfikuj i weryfikuj osoby mówiące na podstawie głosu
Sprawdzanie pisowni Bing
Wykrywaj i poprawiaj błędy pisowni w aplikacji
Wyszukiwanie w Internecie Bing
Uzyskuj rozszerzone wyniki wyszukiwania z miliardów dokumentów w sieci Web
Wyszukiwanie wizualne Bing
Uzyskuj szczegółowe informacje pomagające w tworzeniu atrakcyjnych aplikacji do przetwarzania obrazów na dowolnie wybranym urządzeniu.
Wyszukiwanie niestandardowe Bing
Łatwe w użyciu, wolne od reklam narzędzie do wyszukiwania klasy komercyjnej, które pozwala na dostarczanie pożądanych wyników
Wyszukiwanie jednostek Bing
Wzbogać środowisko, identyfikując i rozszerzając informacje o jednostkach z Internetu
Wyszukiwanie wideo Bing
Wyszukuj klipy wideo i uzyskuj szeroki zakres wyników
Wyszukiwanie wiadomości Bing
Wyszukuj wiadomości i uzyskuj szeroki zakres wyników
Wyszukiwanie obrazów Bing
Wyszukuj obrazy i uzyskuj szeroki zakres wyników
Automatyczne sugerowanie Bing
Dodaj do aplikacji inteligentne opcje automatycznego sugerowania na potrzeby operacji wyszukiwania
Wyszukiwanie lokalnych firm Bing WERSJA ZAPOZNAWCZA
Pobieranie wyników wyszukiwania lokalnych firm dla interesującego Cię miejsca
Content Moderator
Zautomatyzowane moderowanie obrazów, tekstu i wideo
Narzędzie do wykrywania anomalii WERSJA ZAPOZNAWCZA
Łatwo dodawaj funkcje wykrywania anomalii do aplikacji.
Personalizacja WERSJA ZAPOZNAWCZA
Usługa sztucznej inteligencji udostępniająca spersonalizowane środowisko użytkownika
Użyj zestawu Speech Devices SDK, aby utworzyć urządzenie asystujące i określić niestandardowe słowo aktywujące
Dowiedz się więcej