Aanpasbare spraaktranskripsie, vertaling en sintese wat nou beskikbaar is in die verenigde spraakdiens
Integreer spraak in u programme, werkstrome en webwerwe met behulp van die verenigde spraakdiens, wat hierdie week aangekondig is by Microsoft Build. Spraak kombineer die funksies van die bestaande Translator Speech API, Bing Speech API en Custom Speech Service (voorskou) in 'n verenigde en volledig aanpasbare diens.
U kan nou die toespraak tot teks, spraakvertaling en teks na spraakdienste met dieselfde intekening gebruik. Al drie dienste kan aangepas word met behulp van die voorskou van die Nuwe pasgemaakte spraak-, vertaler- en stemfunksies, ook hierdie week aangekondig by //build:
- Spraak na teks (spraaktranskripsie) - omskakeling van gesproke klank na teks met standaard- of pasgemaakte modelle wat aangepas is vir spesifieke woordeskat of praatstyle van gebruikers (aanpassing van taalmodelle), of om beter by die verwagte omgewing te pas, soos met agtergrondgeraas (akoestiese modelaanpassing). Spraak-tot-teks-tegnologie maak 'n wye verskeidenheid gebruiksgevalle moontlik, soos stemopdragte, intydse transkripsies en oproepsentrumloganalise.
- Teks na spraak (spraaksintese) - Bring stem na enige app deur teks na klank in byna reële tyd om te skakel met die keuse van meer as 75 standaardstemme, of met die nuwe pasgemaakte stemmodelle, wat 'n unieke en herkenbare handelsmerkstem skep wat op u eie opnames ingestel is.
- Spraakvertaling - die verskaffing van intydse spraakvertalingsvermoëns met modelle gebaseer op neurale masjienvertaling (NMT) tegnologieë. Drie elemente van die Spraakvertalingspyplyn kan nou aangepas word: spraakherkenning, teks na spraak en masjienvertaling.
Neurale vertalings met die nuutste weergawe van die Translator-teks-API (weergawe 3), kan ook pasgemaakte stelsels gebruik wat gebou is met behulp van die nuwe Translator Custom-funksie.
Die verenigde Spraakdiens word tans as voorskou aangebied. Vir spraakvertaling wat 'n diens in Algemene beskikbaarheid vereis, moet ontwikkelaars voortgaan om die Microsoft Translator Speech API te gebruik. Volg asseblief die Microsoft Translator Blog En Twitter bladsy vir voortgesette, bygewerkte Microsoft Translator-diensaankondigings.
Kom meer te wete oor die Kognitiewe Dienste blog.



