语音转文本 API | Microsoft Azure

认知服务语音转文本提供一系列可嵌入应用的功能，从而支持各种听录方案，包括对话听录、语音听录和自定义语音听录。

对话听录

启用面对面会议听录。对话听录可实时捕获语音，以便所有会议参与者都可以充分参与讨论、识别发言人及发言内容和发言时间并快速跟进后续步骤。

对话听录可用于：

捕获整个会议室内的语音。
使用行业领先的安全性和合规性认证帮助保护数据。
通过与语音服务 SDK 配对，支持使用麦克风和摄影机的会议室。

在实际操作中查看

加载此演示时发生错误，请稍后重试

说话人	脚本

此演示与你的浏览器不兼容。要获得最佳体验，请使用其他浏览器。

想要生成它？

了解更多

语音听录

将口述音频转换为文本。调用 API 来识别源自麦克风、其他实时流式处理音频源或录制的音频文件中的音频。音频发送到服务器时，将返回部分识别结果（如果请求）。

你可以使用 API 来生成语音触发式智能应用。尝试播放样带，了解其工作原理。选择目标语言，然后单击麦克风并开始说话。或者只需点击其中一个语音例句。*

在实际操作中查看

若要通过麦克风使用自己的声音尝试演示，请改用支持 WebRTC 的其他浏览器，例如，最新版本的 Microsoft Edge、Firefox 或 Chrome。

语言

想要生成它？

了解如何

自定义语音服务：使用自定义模型进行语音听录

克服语音识别障碍，如说话风格、词汇和背景噪音。我们的语音识别技术结合多个 API 来生成文本输出。客户可以根据自己的需求和可用数据自定义 API。

在实际操作中查看

例句

基线

自定义语音

根据用户的说话风格创建自定义语言模型

不要让各种词汇和说话风格妨碍理解。你可以自定义应用语音识别的语言模型，根据行业的表达、技术、地理或市场术语，甚至扬声器风格进行定制。

借助自定义声学模型来适应用户环境

确保应用的语音识别功能可以在所有环境中使用。通过自定义声学模型，你可以消除背景噪音，匹配用户的预期环境。

使用 Microsoft 的可靠语音模型

在 Microsoft 现有的顶尖模型基础上，构建自己的自定义语音识别模型，实现强大的个性化语音识别。

想要生成它？

了解如何

浏览语音方案

呼叫中心

概述
流

语音服务

概述

利用语音服务，可轻松听录所有通话。为获得见解，可为听录编制索引以执行全文搜索，或应用文本分析来检测情绪、语言和关键短语。如果呼叫中心录制内容使用了专业术语（例如产品名称或 IT 行话），则创建自定义语言模型来向语音服务传授这些词汇。自定义声学模型可帮助语音服务理解说话人的所说内容，甚至在背景嘈杂或电话连接不畅时也可实现。

有关详细信息，请阅读如何结合使用批处理听录和语音服务的相关内容。

流