Transcriptions - Transcribe

リファレンス

サービス:: Azure AI Services

API バージョン:: 2024-05-15-preview

指定されたオーディオストリームを文字起こしします。

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

URI パラメーター

名前	/	必須	型	説明
audio	formData	True	file binary	バイトストリームとしてのオーディオ。
definition	formData	True	string	高速文字起こし要求のメタデータ。このフィールドには、`TranscribeDefinition`型の JSON シリアル化オブジェクトが含まれています。
endpoint	path	True	string	サポートされている Cognitive Services エンドポイント (プロトコルとホスト名、例: https://westus.api.cognitive.microsoft.com)。
api-version	query	True	string	要求された API バージョン。

応答

名前	型	説明
200 OK	TranscribeResult	わかりました

セキュリティ

Ocp-Apim-Subscription-Key

コグニティブサービスアカウントキーをここで指定します。

型: apiKey
/: header

Authorization

このリージョンの STS によって返される JWT からアクセストークンを指定します。 STS URL に次のクエリ文字列を追加して、トークンに管理スコープを追加してください: ?scope=speechservicesmanagement

型: apiKey
/: header

例

Transcribe an audio file

要求のサンプル

HTTP

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

応答のサンプル

状態コード:: 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
    }
  ]
}

定義

名前	説明
CombinedPhrases
Phrase	文字起こしされた語句。
TranscribeResult	文字起こし操作の結果。
Word	表示フォームのタイムスタンプ付き単語。

CombinedPhrases

名前	型	説明
channel	integer	0 から始まるチャネルインデックス。チャネル分離が有効になっている場合にのみ存在します。
text	string	チャネルの文字起こしされた完全なテキスト。

Phrase

文字起こしされた語句。

名前	型	説明
channel	integer	0 から始まるチャネルインデックス。チャネル分離が有効になっている場合にのみ存在します。
confidence	number	語句の信頼度値。
duration	integer	語句の期間 (ミリ秒単位)。
locale	string	フレーズのロケール。
offset	integer	語句の開始オフセット (ミリ秒単位)。
speaker	integer	話者番号。スピーカーの diarization が有効になっている場合にのみ存在します。
text	string	フレーズの文字起こしテキスト。
words	Word[]	語句を構成する単語。単語レベルのタイムスタンプが有効な場合にのみ存在します。

TranscribeResult

文字起こし操作の結果。

名前	型	説明
combinedPhrases	CombinedPhrases[]	各チャネルの結合された文字起こしの結果。
duration	integer	オーディオの継続時間 (ミリ秒)。
phrases	Phrase[]	文字起こしの結果が語句に分割されます。

Word

表示フォームのタイムスタンプ付き単語。

名前	型	説明
duration	integer	単語の期間 (ミリ秒単位)。
offset	integer	単語の開始オフセット (ミリ秒単位)。
text	string	句読点を含む認識された単語。

次の方法で共有