API REST de Reconhecimento de fala
A API REST de fala para texto é usada para transcrição em lote e fala personalizada.
Importante
A versão 2024-11-15 mais recente da API REST de Conversão de fala em texto está disponível.
- A API REST de Conversão de fala em texto versão
2024-05-15-previewanterior será desativada em uma data a ser anunciada. - A API REST de Conversão de fala em texto
v3.0,v3.1,v3.2,3.2-preview.1e3.2-preview.2serão desativadas em 1º de abril de 2026.
Para mais informações sobre a atualização, consulte os guias de migração da API REST de Conversão de fala em texto v3.0 para v3.1, v3.1 para v3.2 e v3.2 para 2024-11-15.
Use a API REST de Reconhecimento de fala para:
- Transcrição rápida: transcreva arquivos de áudio com resultados de retorno de forma síncrona e muito mais rápida do que o áudio em tempo real. Use a API de transcrição rápida (/speechtotext/transcriptions:transcrição) nos cenários em que você precisa da transcrição de uma gravação de áudio o mais rápido possível com latência previsível, como transcrição rápida de áudio ou vídeo ou tradução de vídeo.
- Fala personalizada: carregue seus próprios dados, teste e treine um modelo personalizado, compare a precisão entre modelos e implante um modelo em um ponto de extremidade personalizado. Copie modelos para outras assinaturas se quiser que seus colegas tenham acesso a um modelo que você criou ou se desejar implantar um modelo em mais de uma região.
- Transcrição em lote: transcreva arquivos de áudio como um lote de várias URLs ou um contêiner do Azure.
A API REST de Reconhecimento de fala inclui recursos como:
- Obtenha logs para cada endpoint se os logs forem solicitados para esse endpoint.
- Solicite o manifesto dos modelos criados por você para configurar contêineres locais.
- Carregue dados de contas de armazenamento do Azure usando um URI de SAS (Assinatura de Acesso Compartilhado).
- Traga seu próprio armazenamento. Use suas contas de armazenamento para logs, arquivos de transcrição e outros dados.
- Algumas operações dão suporte a notificações de webhook. Você pode registrar seus webhooks para onde as notificações são enviadas.
Transcrição em lote
Os grupos de operações a seguir são aplicáveis para transcrição em lote.
| Grupo de operações | Descrição |
|---|---|
| Modelos | Use modelos básicos ou personalizados para transcrever arquivos de áudio. Você pode usar modelos com fala personalizada e transcrição em lote. Por exemplo, você pode usar um modelo treinado com um conjunto de dados específico para transcrever arquivos de áudio. Consulte Treinar um modelo e o ciclo de vida do modelo de fala personalizado para obter exemplos de como treinar e gerenciar modelos de fala personalizados. |
| Transcrições | Use transcrições para transcrever uma grande quantidade de áudio no armazenamento. Ao usar a transcrição em lote, você envia vários arquivos por solicitação ou aponta para um contêiner de Armazenamento de Blobs do Azure com os arquivos de áudio a serem transcritos. Confira Criar uma transcrição para obter exemplos de como criar uma transcrição de vários arquivos de áudio. |
| Webhooks | Use web hooks para receber notificações sobre eventos de criação, processamento, conclusão e exclusão. Você pode usar web hooks com fala personalizada e transcrição em lote. Os ganchos da Web se aplicam a conjuntos de dados, endpoints, avaliações, modelos e transcrições. |
Fala Personalizada
Os grupos de operações a seguir são aplicáveis à fala personalizada.
| Grupo de operações | Descrição |
|---|---|
| Conjunto de dados | Use conjuntos de dados para treinar e testar modelos de fala personalizados. Por exemplo, você pode comparar o desempenho de uma fala personalizada treinada com um conjunto de dados específico com o desempenho de um modelo base ou modelo de fala personalizado treinado com um conjunto de dados diferente. Confira Carregar conjuntos de dados de treinamento e teste para obter exemplos de como carregar conjuntos de dados. |
| Pontos de extremidade | Implante modelos de fala personalizados em pontos de extremidade. Você deve implantar um ponto de extremidade personalizado para usar um modelo de fala personalizado. Confira Implantar um modelo para obter exemplos de como gerenciar pontos de extremidade de implantação. |
| Avaliações | Use avaliações para comparar o desempenho de diferentes modelos. Por exemplo, você pode comparar o desempenho de um modelo de fala personalizado treinado com um conjunto de dados específico com o desempenho de um modelo base ou de um modelo personalizado treinado com um conjunto de dados diferente. Consulte qualidade de reconhecimento de teste e precisão de teste para obter exemplos de como testar e avaliar modelos de fala personalizados. |
| Modelos | Use modelos básicos ou personalizados para transcrever arquivos de áudio. Você pode usar modelos com fala personalizada e transcrição em lote. Por exemplo, você pode usar um modelo treinado com um conjunto de dados específico para transcrever arquivos de áudio. Consulte Treinar um modelo e o ciclo de vida do modelo de fala personalizado para obter exemplos de como treinar e gerenciar modelos de fala personalizados. |
| Projetos | Use projetos para gerenciar modelos de fala personalizados, conjuntos de dados de treinamento e teste e pontos de extremidade de implantação. Os projetos de fala personalizados contêm modelos, conjuntos de dados de treinamento e teste e pontos de extremidade de implantação. Cada projeto é específico para uma localidade. Por exemplo, você pode criar um projeto para o inglês dos Estados Unidos. Confira Criar um projeto para obter exemplos de como criar projetos. |
| Webhooks | Use web hooks para receber notificações sobre eventos de criação, processamento, conclusão e exclusão. Você pode usar web hooks com fala personalizada e transcrição em lote. Os ganchos da Web se aplicam a conjuntos de dados, endpoints, avaliações, modelos e transcrições. |
Integridade do serviço
A integridade do serviço fornece insights sobre a integridade geral do serviço e dos subcomponentes. Consulte Integridade do Serviço para obter mais informações.