你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

如何使用视频翻译

项目
10/31/2024

注意

此功能目前处于公开预览状态。此预览版未提供服务级别协议，不建议将其用于生产工作负载。某些功能可能不受支持或者受限。有关详细信息，请参阅 Microsoft Azure 预览版补充使用条款。

本文介绍如何在工作室中使用 Azure AI 语音视频翻译。

只需一个原始视频即可开始使用。查看视频翻译是否支持你的语言和区域。

创建一个视频翻译项目

要创建视频翻译项目，请执行以下步骤：

登录 Speech Studio。
选择要使用的订阅和语音资源。
选择“视频翻译”。
在“创建和管理项目”页上，选择“创建项目”。
在“新建项目”页上，选择“语音类型”。

对于“声音类型”，可以选择“预生成的神经网络声音”或“个人声音”。对于预生成的神经网络声音，系统通过将视频中的说话人声音与预生成的声音匹配，自动选择最合适的预生成语音。系统针对个人语音提供了一种模型，该模型只需几秒即可生成高质量的语音副本。

注意

要使用个人声音，需要申请访问权限。
通过拖放视频文件或手动选择文件来上传视频文件。

确保视频采用 .mp4 格式、小于 500 MB 且短于 60 分钟。
提供“项目名称”，然后选择“说话人数”、“视频语言”、“翻译为”语言”。

如果要使用自己的字幕文件，请选择“添加字幕文件”。可以选择上传源字幕文件或目标字幕文件。字幕文件可以采用 WebVTT 或 JSON 格式。可以通过选择“下载示例 VTT 文件”来下载示例 VTT 文件以供参考。
查看定价信息和行为准则后，继续创建项目。

上传完成后，可以在项目选项卡上检查处理状态。

创建项目后，可以选择该项目以查看详细设置，并根据偏好进行调整。

查看并调整声音设置

在“项目详细信息”页上，该项目在“视频”下提供“翻译”和“原始”这两个选项卡，并支持并排比较。

在视频右侧，可以查看原始脚本和翻译后的脚本。如果将鼠标悬停在原始脚本的各个部分上，会使视频自动跳转到原始视频的相应片段，如果将鼠标悬停在已翻译脚本的各个部分上，会使视频跳转到相应的已翻译片段。

还可以根据需要添加或移除片段。如果要添加片段，请确保新片段的时间戳不与上一个和下一个片段重叠，且片段结束时间应大于开始时间。时间戳的正确格式应为 hh:mm:ss.ms。否则，无法应用更改。

可以使用视频下方的音频波形直接调整脚本的时间范围。选择“应用更改”后，将会应用调整。

如果遇到声音名称为“无法识别”的片段，可能是因为系统无法准确检测声音，尤其是在说话人声音重叠的情况下。在这种情况下，建议手动更改声音名称。

声音名称为“无法识别”的一个片段的屏幕截图。

如果要调整声音，请选择“声音设置”进行一些更改。在“声音设置”页上，可以调整声音类型、性别和声音。选择“声音”右侧的声音示例以确定所选的声音。如果发现没有声音，可以通过选择“添加说话人”来添加新的声音名称。更改设置后，选择“更新”。

在声音设置页上调整声音设置的屏幕截图。

如果多次进行更改但尚未完成，只需选择“保存”即可保存所做的更改。进行所有更改后，选择“应用更改”将其应用到视频。只有在选择“应用更改”后，才会向你收费。

进行所有更改后选择“应用更改”按钮的屏幕截图。

可以通过选择“新语言”将原始视频翻译为新语言。在“翻译”页上，可以选择新的翻译语言和声音类型。翻译好视频文件后，系统将自动创建一个新项目。

视频翻译概述

视频翻译 REST API 有助于将视频翻译无缝集成到应用程序中。它支持上传、管理和优化视频翻译，并多次迭代进行持续改进。本文介绍如何通过 REST API 使用视频翻译。

此图高度概括了该工作流。

视频翻译 API 工作流示意图。

可使用以下 REST API 操作进行视频翻译：

操作	方法	REST API 调用
创建翻译	`PUT`	`/translations/{translationId}`
列出翻译	`GET`	`/translations`
按翻译 ID 获取翻译	`GET`	`/translations/{translationId}`
创建迭代	`PUT`	`/translations/{translationId}/iterations/{iterationId}`
列出迭代	`GET`	`/translations/{translationId}/iterations`
按迭代 ID 获取迭代	`GET`	`/translations/{translationId}/iterations/{iterationId}`
按操作 ID 获取操作	`GET`	`/operations/{operationId}`
按翻译 ID 删除翻译	`DELETE`	`/translations/{translationId}`

有关代码示例，请参阅 GitHub。

本文概述了 API 过程的主要步骤，包括创建翻译、创建迭代、检查每个操作的状态、按迭代 ID 获取迭代，以及按翻译 ID 删除翻译。有关完整详细信息，请参阅表中每个 API 对应的链接。

创建翻译

要提交视频翻译请求，需要按照以下说明构造 HTTP PUT 请求路径和正文：

指定 Operation-Id：每个操作的 Operation-Id 必须是唯一的。它可确保单独跟踪每个操作。将 [operationId] 替换为操作 ID。
指定 translationId：translationId 必须是唯一的。将 [translationId] 替换为翻译 ID。
设置所需的输入：包括详细信息，例如 sourceLocale、targetLocale、voiceKind 和 videoFileUrl。确保具有来自 Azure Blob 存储的视频 URL。有关视频翻译支持的语言，请参阅支持的源语言和目标语言。可以将 voiceKind 参数设置为 PlatformVoice 或 PersonalVoice。对于 PlatformVoice，系统通过将视频中的说话人声音与预生成的声音匹配，自动选择最合适的预生成语音。系统针对 PersonalVoice 提供了一种模型，该模型只需几秒即可生成高质量的语音副本。

注意

要使用个人声音，需要申请访问权限。
将 [YourResourceKey] 替换为语音资源密钥，将 [YourSpeechRegion] 替换为语音资源区域。

创建翻译不会启动翻译过程。可以通过创建迭代来开始翻译视频。下面是 Windows shell 示例。如果 URL 包含 &，请确保使用 ^& 对 & 进行转义。在以下示例代码中，我们将使用公共视频 URL，欢迎将其用于你自己的测试。

curl -v -X PUT -H "Ocp-Apim-Subscription-Key: [YourResourceKey]" -H "Operation-Id: [operationId]" -H "Content-Type: application/json" -d "{\"displayName\": \"[YourDisplayName]\",\"description\": \"[OptionalYourDescription]\",\"input\": {\"sourceLocale\": \"[VideoSourceLocale]\",\"targetLocale\": \"[TranslationTargetLocale]\",\"voiceKind\": \"[PlatformVoice/PersonalVoice]\",\"speakerCount\": [OptionalVideoSpeakerCount],\"subtitleMaxCharCountPerSegment\": [OptionalYourPreferredSubtitleMaxCharCountPerSegment],\"exportSubtitleInVideo\": [Optional true/false],\"videoFileUrl\": \"https://speechstudioprodpublicsa.blob.core.windows.net/ttsvoice/VideoTranslation/PublicDoc/SampleData/es-ES-TryOutOriginal.mp4\"}}" "https://[YourSpeechRegion].api.cognitive.microsoft.com/videotranslation/translations/[translationId]?api-version=2024-05-20-preview"

重要

通过 API 创建的数据不会显示在 Speech Studio 中，并且 API 与 Speech Studio 之间的数据不会同步。

你应该会收到以下格式的响应正文：

{
  "input": {
    "sourceLocale": "zh-CN",
    "targetLocale": "en-US",
    "voiceKind": "PlatformVoice",
    "speakerCount": 1,
    "subtitleMaxCharCountPerSegment": 30,
    "exportSubtitleInVideo": true
  },
  "status": "NotStarted",
  "lastActionDateTime": "2024-09-20T06:25:05.058Z",
  "id": "mytranslation0920",
  "displayName": "demo",
  "description": "for testing",
  "createdDateTime": "2024-09-20T06:25:05.058Z"
}

status 属性应从 NotStarted 状态发展为 Running，最后变更为 Succeeded 或 Failed。可定期调用按操作 ID 获取操作 API，直到返回 Succeeded 或 Failed 状态。通过此操作可监视翻译创建过程的进度。

按操作 ID 获取操作

按特定操作的 ID 检查该操作的状态。操作 ID 对于每个操作都是唯一的，因此可以单独跟踪每个操作。

将 [YourResourceKey] 替换为语音资源密钥，将 [YourSpeechRegion] 替换为语音资源区域，将 [operationId] 替换为要检查的操作 ID。

curl -v -X GET -H "Ocp-Apim-Subscription-Key:[YourResourceKey]" "https://[YourSpeechRegion].api.cognitive.microsoft.com/videotranslation/operations/[operationId]?api-version=2024-05-20-preview"

你应该会收到以下格式的响应正文：

{
  "id": "createtranslation0920-1",
  "status": "Running"
}

创建迭代

要开始翻译视频或更新现有翻译的迭代，需要按照以下说明构造 HTTP PUT 请求路径和正文：

指定 Operation-Id：每个操作（例如创建每次迭代）的 Operation-Id 必须是唯一的。将 [operationId] 替换为此操作的唯一 ID。
指定 translationId：如果在单个翻译下执行多个迭代，则翻译 ID 保持不变。
指定 iterationId：每个操作的 iterationId 必须是唯一的。将 [iterationId] 替换为迭代 ID。
设置所需的输入：包括详细信息，例如 speakerCount、subtitleMaxCharCountPerSegment、exportSubtitleInVideo 或 webvttFile。默认情况下，输出视频中没有嵌入字幕。
将 [YourResourceKey] 替换为语音资源密钥，将 [YourSpeechRegion] 替换为语音资源区域。

下面是 Windows shell 示例。如果 URL 包含 &，请确保使用 ^& 对 & 进行转义。

curl -v -X PUT -H "Ocp-Apim-Subscription-Key: [YourResourceKey]" -H "Operation-Id: [operationId]"  -H "Content-Type: application/json" -d "{\"input\": {\"speakerCount\": [OptionalVideoSpeakerCount],\"subtitleMaxCharCountPerSegment\": [OptionalYourPreferredSubtitleMaxCharCountPerSegment],\"exportSubtitleInVideo\": [Optional true/false],\"webvttFile\": {\"Kind\": \"[SourceLocaleSubtitle/TargetLocaleSubtitle/MetadataJson]\", \"url\": \"[AzureBlobUrlWithSas]\"}}}" "https://[YourSpeechRegion].api.cognitive.microsoft.com/videotranslation/translations/[translationId]/iterations/[iterationId]?api-version=2024-05-20-preview"

注意

创建迭代时，如果已在创建翻译期间指定可选参数 speakerCount、subtitleMaxCharCountPerSegment 和 exportSubtitleInVideo，则无需再次指定这些参数。这些值将从翻译设置中继承。创建迭代时定义这些参数后，新值将替代原始设置。

创建第一次迭代时不需要 webvttFile 参数。但是，从第二次迭代开始，必须在迭代过程中指定 webvttFile 参数。需要下载 webvtt 文件，进行必要的编辑，然后将其上传到 Azure Blob 存储。需要在 curl 代码中指定 Blob URL。

通过 API 创建的数据不会显示在 Speech Studio 中，并且 API 与 Speech Studio 之间的数据不会同步。

字幕文件可以采用 WebVTT 或 JSON 格式。如果不确定如何准备 WebVTT 文件，请参阅以下示例格式。

WebVTT
具有 JSON 元数据的 WebVTT


00:00:01.010 --> 00:00:06.030
Hello this is a sample subtitle.

00:00:07.030 --> 00:00:09.030
Hello this is a sample subtitle.


00:00:01.010 --> 00:00:02.030
{
  "globalMetadata": {
    "locale": "zh-CN",
    "changeTtsVoiceNameIfConflictWithGender": true,
    "speakers": {
      "PlatformVoice_zh-CN-XiaoxiaoNeural": {
        "defaultSsmlProperties": {
          "voiceKind": "PlatformVoice",
          "voiceName": "zh-CN-XiaoxiaoNeural"
        }
      },
      "PlatformVoice_zh-CN-YunxiNeural": {
        "defaultSsmlProperties": {
          "voiceKind": "PlatformVoice",
          "voiceName": "zh-CN-YunxiNeural"
        }
      },
      "PlatformVoice_ja-JP-NanamiNeural": {
        "defaultSsmlProperties": {
          "voiceKind": "PlatformVoice",
          "voiceName": "ja-JP-NanamiNeural"
        }
      }
    }
  },
  "speakerId": "PlatformVoice_zh-CN-XiaoxiaoNeural",
  "translatedText": "中文晓晓"
}

00:00:02.510 --> 00:00:04.030
{
  "gender": "Female",
  "speakerId": "PlatformVoice_ja-JP-NanamiNeural",
  "translatedText": "こんにちは、これはサンプルの字幕です",
  "comment": "Keep using jaJP voice."
}

00:00:05.010 --> 00:00:07.030
{
  "gender": "Male",
  "speakerId": "PlatformVoice_ja-JP-NanamiNeural",
  "translatedText": "こんにちは、これはサンプルの字幕です",
  "comment": "Not correct gender, will auto be replaced by enUS auto voice selection."
}

你应该会收到以下格式的响应正文：

{
  "input": {
    "speakerCount": 1,
    "subtitleMaxCharCountPerSegment": 30,
    "exportSubtitleInVideo": true
  },
  "status": "Not Started",
  "lastActionDateTime": "2024-09-20T06:31:53.760Z",
  "id": "firstiteration0920",
  "createdDateTime": "2024-09-20T06:31:53.760Z"
}

可以使用所指定的 operationId 并定期调用按操作 ID 获取操作 API，直到返回 Succeeded 或 Failed 状态。通过此操作可监视迭代创建过程的进度。

按迭代 ID 获取迭代

若要按特定迭代的 ID 检索该迭代的详细信息，请使用 HTTP GET 请求。将 [YourResourceKey] 替换为语音资源密钥，将 [YourSpeechRegion] 替换为语音资源区域，将 [translationId] 替换为要检查的翻译 ID，将 [iterationId] 替换为要检查的迭代 ID。

curl -v -X GET -H "Ocp-Apim-Subscription-Key: [YourResourceKey]" "https://[YourSpeechRegion].api.cognitive.microsoft.com/videotranslation/translations/[translationId]/iterations/[iterationId]?api-version=2024-05-20-preview"

你应该会收到以下格式的响应正文：

{
  "input": {
    "speaker Count": 1,
    "subtitleMaxCharCountPerSegment": 30,
    "exportSubtitleInVideo": true
  },
  "result": {
    "translatedVideoFileUrl": "https://xxx.blob.core.windows.net/container1/video.mp4?sv=2023-01-03&st=2024-05-20T08%3A27%3A15Z&se=2024-05-21T08%3A27%3A15Z&sr=b&sp=r&sig=xxx",
    "sourceLocaleSubtitleWebvttFileUrl": "https://xxx.blob.core.windows.net/container1/sourceLocale.vtt?sv=2023-01-03&st=2024-05-20T08%3A27%3A15Z&se=2024-05-21T08%3A27%3A15Z&sr=b&sp=r&sig=xxx",
    "targetLocaleSubtitleWebvttFileUrl": "https://xxx.blob.core.windows.net/container1/targetLocale.vtt?sv=2023-01-03&st=2024-05-20T08%3A27%3A15Z&se=2024-05-21T08%3A27%3A15Z&sr=b&sp=r&sig=xxx",
    "metadataJsonWebvttFileUrl": "https://xxx.blob.core.windows.net/container1/metadataJsonLocale.vtt?sv=2023-01-03&st=2024-05-20T08%3A27%3A15Z&se=2024-05-21T08%3A27%3A15Z&sr=b&sp=r&sig=xxx"
  },
  "status": "Succeeded",
  "lastActionDateTime": "2024-09-20T06:32:59.933Z",
  "id": "firstiteration0920",
  "createdDateTime": "2024-09-20T06:31:53.760Z"
}

按翻译 ID 删除翻译

删除由 translationId 标识的特定翻译。此操作还会删除与此翻译关联的所有迭代。将 [YourResourceKey] 替换为语音资源密钥，将 [YourSpeechRegion] 替换为语音资源区域，将 [translationId] 替换为要删除的翻译 ID。如果未手动删除，服务会将翻译历史记录保留最多 31 天。

curl -v -X DELETE -H "Ocp-Apim-Subscription-Key: [YourResourceKey]" "https://[YourSpeechRegion].api.cognitive.microsoft.com/videotranslation/translations/[translationId]?api-version=2024-05-20-preview"

如果删除请求成功，则响应头包含 HTTP/1.1 204 No Content。

其他信息

本部分为上面未详细介绍的其他 API 调用提供了 curl 命令。可使用以下命令探索每个 API。

列出翻译

若要列出已在资源帐户中上传和处理的所有视频翻译，请发出 HTTP GET 请求，如以下示例所示。将 YourResourceKey 替换为语音资源密钥，将 YourSpeechRegion 替换为语音资源区域。

curl -v -X GET -H "Ocp-Apim-Subscription-Key: [YourResourceKey]" "https://[YourSpeechRegion].api.cognitive.microsoft.com/videotranslation/translations?api-version=2024-05-20-preview"

按翻译 ID 获取翻译

此操作会检索由唯一 translationId 标识的特定翻译的详细信息。将 [YourResourceKey] 替换为语音资源密钥，将 [YourSpeechRegion] 替换为语音资源区域，将 [translationId] 替换为要检查的翻译 ID。

curl -v -X GET -H "Ocp-Apim-Subscription-Key: [YourResourceKey]" "https://[YourSpeechRegion].api.cognitive.microsoft.com/videotranslation/translations/[translationId]?api-version=2024-05-20-preview"

列出迭代

列出特定翻译的所有迭代。此请求会列出所有迭代，但不提供详细信息。将 [YourResourceKey] 替换为语音资源密钥，将 [YourSpeechRegion] 替换为语音资源区域，将 [translationId] 替换为要检查的翻译 ID。

curl -v -X GET -H "Ocp-Apim-Subscription-Key: [YourResourceKey]" "https://[YourSpeechRegion].api.cognitive.microsoft.com/videotranslation/translations/[translationId]/iterations?api-version=2024-05-20-preview"

HTTP 状态代码

本部分详细介绍来自视频翻译 REST API 的 HTTP 响应代码和消息。

HTTP 200 OK

"HTTP 200 OK" 表示请求成功。

HTTP 204 错误

“HTTP 204 错误" 指示请求成功，但资源不存在。例如：

你尝试获取或删除不存在的翻译。
你已成功删除翻译。

HTTP 400 错误

下面是可能导致 400 错误的示例：

指定的源或目标区域设置不在支持的区域设置中。
你尝试使用 F0 语音资源，但该区域仅支持（标准）语音资源定价层。

HTTP 500 错误

"HTTP 500 内部服务器错误" 指示请求失败。响应正文包含错误消息。

视频翻译概述

通过

如何使用视频翻译

创建一个视频翻译项目

查看并调整声音设置

创建翻译

按操作 ID 获取操作

创建迭代

按迭代 ID 获取迭代

按翻译 ID 删除翻译

其他信息

列出翻译

按翻译 ID 获取翻译

列出迭代

HTTP 状态代码

HTTP 200 OK

HTTP 204 错误

HTTP 400 错误

HTTP 500 错误

反馈

其他资源

通过

如何使用视频翻译

创建一个视频翻译项目

查看并调整声音设置

相关内容

创建翻译

按操作 ID 获取操作

创建迭代

按迭代 ID 获取迭代

按翻译 ID 删除翻译

其他信息

列出翻译

按翻译 ID 获取翻译

列出迭代

HTTP 状态代码

HTTP 200 OK

HTTP 204 错误

HTTP 400 错误

HTTP 500 错误

相关内容

反馈

其他资源