Inicio rápido: Reconocimiento y conversión de voz en texto

En este inicio rápido, probará la conversión de voz en tiempo real en texto en Microsoft Foundry.

Requisitos previos

• Una suscripción Azure. Crear uno gratis.
• Un proyecto de fundición. Si necesita crear un proyecto, consulte Creación de un proyecto de Microsoft Foundry.

Pruebe la conversión de voz en tiempo real en texto

Reference documentation | Package (NuGet) | Additional samples on GitHub

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

Configuración del entorno

El SDK de Voz está disponible como un paquete NuGet e implementa .NET Standard 2.0. Instalará el SDK de Voz más adelante en esta guía. Para conocer los demás requisitos, consulte Instalación del SDK de Voz.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Reconocimiento de voz a través de un micrófono

Siga estos pasos para crear una aplicación de consola e instalar el SDK de Voz.

1. Abra una ventana de la línea de comandos en la carpeta donde desea crear el nuevo proyecto. Ejecute este comando para crear una aplicación de consola con la CLI de .NET.

   dotnet new console
   

   Este comando crea el archivo Program.cs en el directorio del proyecto.

2. Instale el SDK de Voz en el nuevo proyecto con la CLI de .NET.

   dotnet add package Microsoft.CognitiveServices.Speech
   

3. Reemplace el contenido de Program.cs por el código siguiente:

   using System;
   using System.IO;
   using System.Threading.Tasks;
   using Microsoft.CognitiveServices.Speech;
   using Microsoft.CognitiveServices.Speech.Audio;
   
   class Program 
   {
       // This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
       static string speechKey = Environment.GetEnvironmentVariable("SPEECH_KEY");
       static string endpoint = Environment.GetEnvironmentVariable("ENDPOINT");
   
       static void OutputSpeechRecognitionResult(SpeechRecognitionResult speechRecognitionResult)
       {
           switch (speechRecognitionResult.Reason)
           {
               case ResultReason.RecognizedSpeech:
                   Console.WriteLine($"RECOGNIZED: Text={speechRecognitionResult.Text}");
                   break;
               case ResultReason.NoMatch:
                   Console.WriteLine($"NOMATCH: Speech could not be recognized.");
                   break;
               case ResultReason.Canceled:
                   var cancellation = CancellationDetails.FromResult(speechRecognitionResult);
                   Console.WriteLine($"CANCELED: Reason={cancellation.Reason}");
   
                   if (cancellation.Reason == CancellationReason.Error)
                   {
                       Console.WriteLine($"CANCELED: ErrorCode={cancellation.ErrorCode}");
                       Console.WriteLine($"CANCELED: ErrorDetails={cancellation.ErrorDetails}");
                       Console.WriteLine($"CANCELED: Did you set the speech resource key and endpoint values?");
                   }
                   break;
           }
       }
   
       async static Task Main(string[] args)
       {
           var speechConfig = SpeechConfig.FromEndpoint(new Uri(endpoint), speechKey);
           speechConfig.SpeechRecognitionLanguage = "en-US";
   
           using var audioConfig = AudioConfig.FromDefaultMicrophoneInput();
           using var speechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);
   
           Console.WriteLine("Speak into your microphone.");
           var speechRecognitionResult = await speechRecognizer.RecognizeOnceAsync();
           OutputSpeechRecognitionResult(speechRecognitionResult);
       }
   }
   

4. Para cambiar el idioma de reconocimiento de voz, reemplace en-US por otro idioma compatible. Por ejemplo, use es-ES para Español (España). Si no especifica un idioma, el valor predeterminado es en-US. Para más información sobre cómo identificar uno de los distintos idiomas que se pueden hablar, consulte Identificación del idioma.

5. Ejecute la nueva aplicación de consola para iniciar el reconocimiento de voz a través de un micrófono:

   dotnet run
   

   Importante

   Asegúrese de establecer las variables de entorno SPEECH_KEY y ENDPOINT. Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

6. Hable por el micrófono cuando se le solicite. Lo que diga debería aparecer como texto:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Comentarios

Estas son algunas otras consideraciones:

• En este ejemplo se usa la operación RecognizeOnceAsync para transcribir expresiones de hasta 30 segundos, o hasta que se detecta el silencio. Para obtener información sobre el reconocimiento continuo de audio más largo, incluidas las conversaciones en varios idiomas, consulte Reconocimiento de voz.

• Para reconocer la voz de un archivo de audio, use FromWavFileInput en lugar de FromDefaultMicrophoneInput:

  using var audioConfig = AudioConfig.FromWavFileInput("YourAudioFile.wav");
  

• Para archivos de audio comprimidos como MP4, instale GStreamer y utilice PullAudioInputStream o PushAudioInputStream. Para más información, consulte Uso de entradas de audio comprimido.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.

Reference documentation | Package (NuGet) | Additional samples on GitHub

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

Configuración del entorno

El SDK de Voz está disponible como un paquete NuGet e implementa .NET Standard 2.0. Instalará el SDK de Voz más adelante en esta guía. Para conocer los demás requisitos, consulte Instalación del SDK de Voz.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Reconocimiento de voz a través de un micrófono

Siga estos pasos para crear una aplicación de consola e instalar el SDK de Voz.

1. Cree un nuevo proyecto de consola de C++ en Visual Studio Community denominado SpeechRecognition.

2. Seleccione Tools>Nuget Package Manager>Package Manager Console. En el Package Manager Console, ejecute este comando:

   Install-Package Microsoft.CognitiveServices.Speech
   

3. Reemplace el contenido de SpeechRecognition.cpp por el código siguiente:

   #include <iostream> 
   #include <stdlib.h>
   #include <speechapi_cxx.h>
   
   using namespace Microsoft::CognitiveServices::Speech;
   using namespace Microsoft::CognitiveServices::Speech::Audio;
   
   std::string GetEnvironmentVariable(const char* name);
   
   int main()
   {
       // This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
       auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
       auto endpoint = GetEnvironmentVariable("ENDPOINT");
   
       if (std::string(speechKey).empty() || std::string(endpoint).empty()) {
           std::cout << "Please set both SPEECH_KEY and ENDPOINT environment variables." << std::endl;
           return -1;
       }
   
       auto speechConfig = SpeechConfig::FromEndpoint(endpoint, speechKey);
   
       speechConfig->SetSpeechRecognitionLanguage("en-US");
   
       auto audioConfig = AudioConfig::FromDefaultMicrophoneInput();
       auto speechRecognizer = SpeechRecognizer::FromConfig(speechConfig, audioConfig);
   
       std::cout << "Speak into your microphone.\n";
       auto result = speechRecognizer->RecognizeOnceAsync().get();
   
       if (result->Reason == ResultReason::RecognizedSpeech)
       {
           std::cout << "RECOGNIZED: Text=" << result->Text << std::endl;
       }
       else if (result->Reason == ResultReason::NoMatch)
       {
           std::cout << "NOMATCH: Speech could not be recognized." << std::endl;
       }
       else if (result->Reason == ResultReason::Canceled)
       {
           auto cancellation = CancellationDetails::FromResult(result);
           std::cout << "CANCELED: Reason=" << (int)cancellation->Reason << std::endl;
   
           if (cancellation->Reason == CancellationReason::Error)
           {
               std::cout << "CANCELED: ErrorCode=" << (int)cancellation->ErrorCode << std::endl;
               std::cout << "CANCELED: ErrorDetails=" << cancellation->ErrorDetails << std::endl;
               std::cout << "CANCELED: Did you set the speech resource key and endpoint values?" << std::endl;
           }
       }
   }
   
   std::string GetEnvironmentVariable(const char* name)
   {
   #if defined(_MSC_VER)
       size_t requiredSize = 0;
       (void)getenv_s(&requiredSize, nullptr, 0, name);
       if (requiredSize == 0)
       {
           return "";
       }
       auto buffer = std::make_unique<char[]>(requiredSize);
       (void)getenv_s(&requiredSize, buffer.get(), requiredSize, name);
       return buffer.get();
   #else
       auto value = getenv(name);
       return value ? value : "";
   #endif
   }
   

4. Para cambiar el idioma de reconocimiento de voz, reemplace en-US por otro idioma compatible. Por ejemplo, use es-ES para Español (España). Si no especifica un idioma, el valor predeterminado es en-US. Para más información sobre cómo identificar uno de los distintos idiomas que se pueden hablar, consulte Identificación del idioma.

5. Para iniciar el reconocimiento de voz desde un micrófono, compile y ejecute la nueva aplicación de consola.

   Importante

   Asegúrese de establecer las variables de entorno SPEECH_KEY y ENDPOINT. Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

6. Hable por el micrófono cuando se le solicite. Lo que diga debería aparecer como texto:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Comentarios

Estas son algunas otras consideraciones:

• En este ejemplo se usa la operación RecognizeOnceAsync para transcribir expresiones de hasta 30 segundos, o hasta que se detecta el silencio. Para obtener información sobre el reconocimiento continuo de audio más largo, incluidas las conversaciones en varios idiomas, consulte Reconocimiento de voz.

• Para reconocer la voz de un archivo de audio, use FromWavFileInput en lugar de FromDefaultMicrophoneInput:

  auto audioConfig = AudioConfig::FromWavFileInput("YourAudioFile.wav");
  

• Para archivos de audio comprimidos como MP4, instale GStreamer y utilice PullAudioInputStream o PushAudioInputStream. Para más información, consulte Uso de entradas de audio comprimido.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.

Reference documentation | Package (Go) | Additional samples on GitHub

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

Configuración del entorno

El SDK de Voz está disponible como un paquete de Go. Instalará el SDK de Voz más adelante en esta guía. Para conocer los demás requisitos, consulte Instalación del SDK de Voz.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Reconocimiento de voz a través de un micrófono

Siga estos pasos para crear una aplicación go e instalar el SDK de Voz.

1. Abra una ventana de la línea de comandos en la carpeta donde desea crear el nuevo proyecto. Ejecute este comando para crear un nuevo archivo de Go.

   touch main.go
   

2. Reemplace el contenido de main.go por el código siguiente:

   package main
   
   import (
       "fmt"
       "os"
   
       "github.com/Microsoft/cognitive-services-speech-sdk-go/audio"
       "github.com/Microsoft/cognitive-services-speech-sdk-go/speech"
   )
   
   func main() {
       // This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
       speechKey := os.Getenv("SPEECH_KEY")
       endpoint := os.Getenv("ENDPOINT")
   
       speechConfig, err := speech.NewSpeechConfigFromEndpointWithSubscription(endpoint, speechKey)
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer speechConfig.Close()
   
       audioConfig, err := audio.NewAudioConfigFromDefaultMicrophoneInput()
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer audioConfig.Close()
   
       speechRecognizer, err := speech.NewSpeechRecognizerFromConfig(speechConfig, audioConfig)
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer speechRecognizer.Close()
   
       fmt.Println("Speak into your microphone.")
       outcome := <-speechRecognizer.RecognizeOnceAsync()
       defer outcome.Close()
       if outcome.Error != nil {
           fmt.Println("Got an error: ", outcome.Error)
           return
       }
   
       fmt.Println("RECOGNIZED: Text=", outcome.Result.Text)
   }
   

3. Para cambiar el idioma de reconocimiento de voz, reemplace en-US por otro idioma compatible. Por ejemplo, use es-ES para Español (España). Si no especifica un idioma, el valor predeterminado es en-US. Para más información sobre cómo identificar uno de los distintos idiomas que se pueden hablar, consulte Identificación del idioma.

4. Ejecute los siguientes comandos para crear un archivo />

   go mod init captioning
   go get github.com/Microsoft/cognitive-services-speech-sdk-go
   

5. Compile el módulo GO.

   go build
   

6. Ejecute la nueva aplicación de consola para iniciar la síntesis de voz en el hablante predeterminado.

   go run main.go
   

   Importante

   Asegúrese de establecer las variables de entorno SPEECH_KEY y ENDPOINT. Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

7. Hable por el micrófono cuando se le solicite. Lo que diga debería aparecer como texto:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Comentarios

Estas son algunas otras consideraciones:

• En este ejemplo se usa la operación RecognizeOnceAsync para transcribir expresiones de hasta 30 segundos, o hasta que se detecta el silencio. Para obtener información sobre el reconocimiento continuo de audio más largo, incluidas las conversaciones en varios idiomas, consulte Reconocimiento de voz.

• Para reconocer la voz de un archivo de audio, use NewAudioConfigFromWavFileInput en lugar de NewAudioConfigFromDefaultMicrophoneInput:

  audioConfig, err := audio.NewAudioConfigFromWavFileInput("YourAudioFile.wav")
  if err != nil {
       fmt.Println("Got an error: ", err)
       return
  }
  defer audioConfig.Close()
  

• Para archivos de audio comprimidos como MP4, instale GStreamer y utilice PullAudioInputStream o PushAudioInputStream. Para más información, consulte Uso de entradas de audio comprimido.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.

documentación de Reference | Ejuelos adicionales en GitHub

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

Configuración del entorno

Para configurar el entorno, instale el SDK de Voz. El ejemplo de este inicio rápido funciona con el Java Runtime.

1. Instalación de Apache Maven. A continuación, ejecute mvn -v para confirmar que la instalación se ha realizado correctamente.

2. Cree un nuevo archivo pom.xml en la raíz del proyecto y copie el siguiente código en él:

   <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
       <modelVersion>4.0.0</modelVersion>
       <groupId>com.microsoft.cognitiveservices.speech.samples</groupId>
       <artifactId>quickstart-eclipse</artifactId>
       <version>1.0.0-SNAPSHOT</version>
       <build>
           <sourceDirectory>src</sourceDirectory>
           <plugins>
           <plugin>
               <artifactId>maven-compiler-plugin</artifactId>
               <version>3.7.0</version>
               <configuration>
               <source>1.8</source>
               <target>1.8</target>
               </configuration>
           </plugin>
           </plugins>
       </build>
       <dependencies>
           <dependency>
           <groupId>com.microsoft.cognitiveservices.speech</groupId>
           <artifactId>client-sdk</artifactId>
           <version>1.43.0</version>
           </dependency>
       </dependencies>
   </project>
   

3. Instale el SDK de Voz y las dependencias.

   mvn clean dependency:copy-dependencies
   

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Reconocimiento de voz a través de un micrófono

Siga estos pasos para crear una aplicación de consola para el reconocimiento de voz.

1. Cree un nuevo archivo denominado SpeechRecognition.java en el mismo directorio raíz del proyecto.

2. Copie el siguiente código en SpeechRecognition.java:

   import com.microsoft.cognitiveservices.speech.*;
   import com.microsoft.cognitiveservices.speech.audio.AudioConfig;
   
   import java.net.URI;
   import java.net.URISyntaxException;
   import java.util.concurrent.ExecutionException;
   import java.util.concurrent.Future;
   
   public class SpeechRecognition {
       // This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
       private static String speechKey = System.getenv("SPEECH_KEY");
       private static String endpoint = System.getenv("ENDPOINT");
   
       public static void main(String[] args) throws InterruptedException, ExecutionException, URISyntaxException {
           SpeechConfig speechConfig = SpeechConfig.fromEndpoint(new URI(endpoint), speechKey);
           speechConfig.setSpeechRecognitionLanguage("en-US");
           recognizeFromMicrophone(speechConfig);
       }
   
       public static void recognizeFromMicrophone(SpeechConfig speechConfig) throws InterruptedException, ExecutionException {
           AudioConfig audioConfig = AudioConfig.fromDefaultMicrophoneInput();
           SpeechRecognizer speechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);
   
           System.out.println("Speak into your microphone.");
           Future<SpeechRecognitionResult> task = speechRecognizer.recognizeOnceAsync();
           SpeechRecognitionResult speechRecognitionResult = task.get();
   
           if (speechRecognitionResult.getReason() == ResultReason.RecognizedSpeech) {
               System.out.println("RECOGNIZED: Text=" + speechRecognitionResult.getText());
           }
           else if (speechRecognitionResult.getReason() == ResultReason.NoMatch) {
               System.out.println("NOMATCH: Speech could not be recognized.");
           }
           else if (speechRecognitionResult.getReason() == ResultReason.Canceled) {
               CancellationDetails cancellation = CancellationDetails.fromResult(speechRecognitionResult);
               System.out.println("CANCELED: Reason=" + cancellation.getReason());
   
               if (cancellation.getReason() == CancellationReason.Error) {
                   System.out.println("CANCELED: ErrorCode=" + cancellation.getErrorCode());
                   System.out.println("CANCELED: ErrorDetails=" + cancellation.getErrorDetails());
                   System.out.println("CANCELED: Did you set the speech resource key and endpoint values?");
               }
           }
   
           System.exit(0);
       }
   }
   

3. Para cambiar el idioma de reconocimiento de voz, reemplace en-US por otro idioma compatible. Por ejemplo, use es-ES para Español (España). Si no especifica un idioma, el valor predeterminado es en-US. Para más información sobre cómo identificar uno de los distintos idiomas que se pueden hablar, consulte Identificación del idioma.

4. Ejecute la nueva aplicación de consola para iniciar el reconocimiento de voz a través de un micrófono:

   javac SpeechRecognition.java -cp ".;target\dependency\*"
   java -cp ".;target\dependency\*" SpeechRecognition
   

   Importante

   Asegúrese de establecer las variables de entorno SPEECH_KEY y ENDPOINT. Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

5. Hable por el micrófono cuando se le solicite. Lo que diga debería aparecer como texto:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Comentarios

Estas son algunas otras consideraciones:

• En este ejemplo se usa la operación RecognizeOnceAsync para transcribir expresiones de hasta 30 segundos, o hasta que se detecta el silencio. Para obtener información sobre el reconocimiento continuo de audio más largo, incluidas las conversaciones en varios idiomas, consulte Reconocimiento de voz.

• Para reconocer la voz de un archivo de audio, use fromWavFileInput en lugar de fromDefaultMicrophoneInput:

  AudioConfig audioConfig = AudioConfig.fromWavFileInput("YourAudioFile.wav");
  

• Para archivos de audio comprimidos como MP4, instale GStreamer y utilice PullAudioInputStream o PushAudioInputStream. Para más información, consulte Uso de entradas de audio comprimido.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.

Reference documentation | Package (npm) | Additional samples on GitHub | Library source code

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

También necesita un archivo de audio .wav en el equipo local. Puede usar su propio archivo .wav (hasta 30 segundos) o descargar el archivo de ejemplo https://crbn.us/whatstheweatherlike.wav.

Configuración

1. Cree una nueva carpeta transcription-quickstart y vaya a la carpeta quickstart mediante el siguiente comando:

   mkdir transcription-quickstart && cd transcription-quickstart
   

2. Cree el package.json con el comando siguiente:

   npm init -y
   

3. Instale el SDK de Voz para JavaScript con:

   npm install microsoft-cognitiveservices-speech-sdk
   

Recuperación de información de recursos

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplácela por your-endpoint el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Reconocer la voz a partir de un archivo

Para transcribir la voz desde un archivo:

1. Cree un nuevo archivo denominado transcription.js con el siguiente contenido:

   import { readFileSync, createReadStream } from "fs";
   import { SpeechConfig, AudioConfig, ConversationTranscriber, AudioInputStream } from "microsoft-cognitiveservices-speech-sdk";
   // This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
   const speechConfig = SpeechConfig.fromEndpoint(new URL(process.env.ENDPOINT), process.env.SPEECH_KEY);
   function fromFile() {
       const filename = "katiesteve.wav";
       const audioConfig = AudioConfig.fromWavFileInput(readFileSync(filename));
       const conversationTranscriber = new ConversationTranscriber(speechConfig, audioConfig);
       const pushStream = AudioInputStream.createPushStream();
       createReadStream(filename).on('data', function (chunk) {
           pushStream.write(chunk.slice());
       }).on('end', function () {
           pushStream.close();
       });
       console.log("Transcribing from: " + filename);
       conversationTranscriber.sessionStarted = function (s, e) {
           console.log("SessionStarted event");
           console.log("SessionId:" + e.sessionId);
       };
       conversationTranscriber.sessionStopped = function (s, e) {
           console.log("SessionStopped event");
           console.log("SessionId:" + e.sessionId);
           conversationTranscriber.stopTranscribingAsync();
       };
       conversationTranscriber.canceled = function (s, e) {
           console.log("Canceled event");
           console.log(e.errorDetails);
           conversationTranscriber.stopTranscribingAsync();
       };
       conversationTranscriber.transcribed = function (s, e) {
           console.log("TRANSCRIBED: Text=" + e.result.text + " Speaker ID=" + e.result.speakerId);
       };
       // Start conversation transcription
       conversationTranscriber.startTranscribingAsync(function () { }, function (err) {
           console.trace("err - starting transcription: " + err);
       });
   }
   fromFile();
   

   En transcription.js, reemplace YourAudioFile.wav por su propio archivo .wav . En este ejemplo solo se reconoce la voz desde un archivo.wav. Para obtener información sobre otros formatos de audio, consulte Uso de entradas de audio comprimidas. Este ejemplo admite hasta 30 segundos de audio.

   Para cambiar el idioma de reconocimiento de voz, reemplace en-US por otro idioma compatible. Por ejemplo, use es-ES para Español (España). Si no especifica un idioma, el valor predeterminado es en-US. Para más información sobre cómo identificar uno de los distintos idiomas que se pueden hablar, consulte Identificación del idioma.

2. Ejecute la nueva aplicación de consola para iniciar el reconocimiento de voz desde un archivo:

   node transcription.js
   

Espere unos instantes para obtener la respuesta.

Salida

La voz del archivo de audio debe devolverse como texto:

RECOGNIZED: Text=I'm excited to try speech to text.

Comentarios

En este ejemplo se usa la operación recognizeOnceAsync para transcribir expresiones de hasta 30 segundos, o hasta que se detecta el silencio. Para obtener información sobre el reconocimiento continuo de audio más largo, incluidas las conversaciones en varios idiomas, consulte Reconocimiento de voz.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.

documentación de Reference | Package (PyPi) | Ejemplos adicionales en GitHub

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

Configuración del entorno

El SDK de Voz para Python está disponible como un módulo Python Package Index (PyPI). El SDK de Voz para Python es compatible con Windows, Linux y macOS.

• Para Windows, instale el Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017, 2019 y 2022 para su plataforma. Durante la primera instalación del paquete, es posible que deba reiniciar.
• En Linux, debe usar la arquitectura de destino x64.

Instale una versión de Python desde la versión 3.7 o posterior. Para conocer los demás requisitos, consulte Instalación del SDK de Voz.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Reconocimiento de voz a través de un micrófono

Siga estos pasos para crear una aplicación de consola.

1. Abra una ventana de la línea de comandos en la carpeta donde desea crear el nuevo proyecto. Cree un nuevo archivo denominado speech_recognition.py.

2. Ejecute este comando para instalar el SDK de voz:

   pip install azure-cognitiveservices-speech
   

3. Copie el siguiente código en speech_recognition.py:

   import os
   import azure.cognitiveservices.speech as speechsdk
   
   def recognize_from_microphone():
        # This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
        # Replace with your own subscription key and endpoint, the endpoint is like : "https://YourServiceRegion.api.cognitive.microsoft.com"
       speech_config = speechsdk.SpeechConfig(subscription=os.environ.get('SPEECH_KEY'), endpoint=os.environ.get('ENDPOINT'))
       speech_config.speech_recognition_language="en-US"
   
       audio_config = speechsdk.audio.AudioConfig(use_default_microphone=True)
       speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config)
   
       print("Speak into your microphone.")
       speech_recognition_result = speech_recognizer.recognize_once_async().get()
   
       if speech_recognition_result.reason == speechsdk.ResultReason.RecognizedSpeech:
           print("Recognized: {}".format(speech_recognition_result.text))
       elif speech_recognition_result.reason == speechsdk.ResultReason.NoMatch:
           print("No speech could be recognized: {}".format(speech_recognition_result.no_match_details))
       elif speech_recognition_result.reason == speechsdk.ResultReason.Canceled:
           cancellation_details = speech_recognition_result.cancellation_details
           print("Speech Recognition canceled: {}".format(cancellation_details.reason))
           if cancellation_details.reason == speechsdk.CancellationReason.Error:
               print("Error details: {}".format(cancellation_details.error_details))
               print("Did you set the speech resource key and endpoint values?")
   
   recognize_from_microphone()
   

4. Para cambiar el idioma de reconocimiento de voz, reemplace en-US por otro idioma compatible. Por ejemplo, use es-ES para Español (España). Si no especifica un idioma, el valor predeterminado es en-US. Para obtener más información sobre cómo identificar uno de los distintos idiomas que se pueden hablar, consulte Identificación del idioma.

5. Ejecute la nueva aplicación de consola para iniciar el reconocimiento de voz a través de un micrófono:

   python speech_recognition.py
   

   Importante

   Asegúrese de establecer las variables de entorno SPEECH_KEY y ENDPOINT. Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

6. Hable por el micrófono cuando se le solicite. Lo que diga debería aparecer como texto:

   Speak into your microphone.
   RECOGNIZED: Text=I'm excited to try speech to text.
   

Comentarios

Estas son algunas otras consideraciones:

• En este ejemplo se usa la operación recognize_once_async para transcribir expresiones de hasta 30 segundos, o hasta que se detecta el silencio. Para obtener información sobre el reconocimiento continuo de audio más largo, incluidas las conversaciones en varios idiomas, consulte Reconocimiento de voz.

• Para reconocer la voz de un archivo de audio, use filename en lugar de use_default_microphone:

  audio_config = speechsdk.audio.AudioConfig(filename="YourAudioFile.wav")
  

• Para archivos de audio comprimidos como MP4, instale GStreamer y utilice PullAudioInputStream o PushAudioInputStream. Para más información, consulte Uso de entradas de audio comprimido.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.

Reference documentation | Package (download) | Additional samples on GitHub

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

Configuración del entorno

El SDK de Voz para Swift se distribuye como un paquete de marcos. El marco admite Objective-C y Swift en iOS y macOS.

El SDK de Voz se puede usar en proyectos de Xcode como CocoaPod o se puede descargar directamente y vincular manualmente. En esta guía se usa CocoaPod. Instale el administrador de dependencias de CocoaPod como se describe en sus instrucciones de instalación.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplácela por your-endpoint el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Reconocimiento de voz a través de un micrófono

Siga estos pasos para reconocer la voz en una aplicación de macOS.

1. Clone el repositorio Azure-Samples/cognitive-services-speech-sdk para obtener el Recognize voz desde un micrófono en Swift en macOS proyecto de ejemplo. El repositorio también tiene ejemplos de iOS.

2. Vaya al directorio de la aplicación de ejemplo descargada (helloworld) en un terminal.

3. Ejecute el comando pod install. Este comando genera un área de trabajo de Xcode helloworld.xcworkspace que contiene la aplicación de ejemplo y el SDK de Voz como dependencia.

4. Abra el área de trabajo helloworld.xcworkspace en Xcode.

5. Abra el archivo llamado AppDelegate.swift y busque los métodos applicationDidFinishLaunching y recognizeFromMic tal como se muestra aquí.

   import Cocoa
   
   @NSApplicationMain
   class AppDelegate: NSObject, NSApplicationDelegate {
       var label: NSTextField!
       var fromMicButton: NSButton!
   
       var sub: String!
       var region: String!
   
       @IBOutlet weak var window: NSWindow!
   
       func applicationDidFinishLaunching(_ aNotification: Notification) {
           print("loading")
           // load subscription information
           sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
           region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
   
           label = NSTextField(frame: NSRect(x: 100, y: 50, width: 200, height: 200))
           label.textColor = NSColor.black
           label.lineBreakMode = .byWordWrapping
   
           label.stringValue = "Recognition Result"
           label.isEditable = false
   
           self.window.contentView?.addSubview(label)
   
           fromMicButton = NSButton(frame: NSRect(x: 100, y: 300, width: 200, height: 30))
           fromMicButton.title = "Recognize"
           fromMicButton.target = self
           fromMicButton.action = #selector(fromMicButtonClicked)
           self.window.contentView?.addSubview(fromMicButton)
       }
   
       @objc func fromMicButtonClicked() {
           DispatchQueue.global(qos: .userInitiated).async {
               self.recognizeFromMic()
           }
       }
   
       func recognizeFromMic() {
           var speechConfig: SPXSpeechConfiguration?
           do {
               try speechConfig = SPXSpeechConfiguration(subscription: sub, region: region)
           } catch {
               print("error \(error) happened")
               speechConfig = nil
           }
           speechConfig?.speechRecognitionLanguage = "en-US"
   
           let audioConfig = SPXAudioConfiguration()
   
           let reco = try! SPXSpeechRecognizer(speechConfiguration: speechConfig!, audioConfiguration: audioConfig)
   
           reco.addRecognizingEventHandler() {reco, evt in
               print("intermediate recognition result: \(evt.result.text ?? "(no result)")")
               self.updateLabel(text: evt.result.text, color: .gray)
           }
   
           updateLabel(text: "Listening ...", color: .gray)
           print("Listening...")
   
           let result = try! reco.recognizeOnce()
           print("recognition result: \(result.text ?? "(no result)"), reason: \(result.reason.rawValue)")
           updateLabel(text: result.text, color: .black)
   
           if result.reason != SPXResultReason.recognizedSpeech {
               let cancellationDetails = try! SPXCancellationDetails(fromCanceledRecognitionResult: result)
               print("cancelled: \(result.reason), \(cancellationDetails.errorDetails)")
               print("Did you set the speech resource key and region values?")
               updateLabel(text: "Error: \(cancellationDetails.errorDetails)", color: .red)
           }
       }
   
       func updateLabel(text: String?, color: NSColor) {
           DispatchQueue.main.async {
               self.label.stringValue = text!
               self.label.textColor = color
           }
       }
   }
   

6. En AppDelegate.m, use las variables de entorno que estableció anteriormente para su clave de recurso de Voz y región.

   sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
   region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
   

7. Para cambiar el idioma de reconocimiento de voz, reemplace en-US por otro idioma compatible. Por ejemplo, use es-ES para Español (España). Si no especifica un idioma, el valor predeterminado es en-US. Para más información sobre cómo identificar uno de los distintos idiomas que se pueden hablar, consulte Identificación del idioma.

8. Para hacer visible la salida de depuración, seleccione Ver>Área de depuración>Activar consola.

9. Para compilar y ejecutar el código de ejemplo, seleccione Producto>Ejecutar en el menú o seleccione el botón Reproducir.

   Importante

   Asegúrese de establecer las variables de entorno SPEECH_KEY y SPEECH_REGION. Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

Después de seleccionar el botón de la aplicación y decir algunas palabras, verá el texto que ha dicho en la parte inferior de la pantalla. Al ejecutar la aplicación por primera vez, se le solicita que proporcione a la aplicación acceso al micrófono del equipo.

Comentarios

En este ejemplo se usa la operación recognizeOnce para transcribir expresiones de hasta 30 segundos, o hasta que se detecta el silencio. Para obtener información sobre el reconocimiento continuo de audio más largo, incluidas las conversaciones en varios idiomas, consulte Reconocimiento de voz.

Objective-C

El SDK de Voz para Objective-C comparte bibliotecas cliente y documentación de referencia con el SDK de Voz para Swift. Para obtener Objective-C ejemplos de código, consulte el recognize speech from a microphone in Objective-C on macOS proyecto de ejemplo en GitHub.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.

Reference documentation | Package (npm) | Additional samples on GitHub | Library source code

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

También necesita un archivo de audio .wav en el equipo local. Puede usar su propio archivo .wav (hasta 30 segundos) o descargar el archivo de ejemplo https://crbn.us/whatstheweatherlike.wav.

Configuración

1. Cree una nueva carpeta transcription-quickstart y vaya a la carpeta quickstart mediante el siguiente comando:

   mkdir transcription-quickstart && cd transcription-quickstart
   

2. Cree el package.json con el comando siguiente:

   npm init -y
   

3. Actualice el package.json a ECMAScript con el siguiente comando:

   npm pkg set type=module
   

4. Instale el SDK de Voz para JavaScript con:

   npm install microsoft-cognitiveservices-speech-sdk
   

5. Debe instalar las definiciones de tipo Node.js para evitar errores de TypeScript. Ejecute el siguiente comando:

   npm install --save-dev @types/node
   

Recuperación de información de recursos

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplácela por your-endpoint el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Reconocer la voz a partir de un archivo

Para transcribir la voz desde un archivo:

1. Cree un nuevo archivo denominado transcription.ts con el siguiente contenido:

   import { readFileSync } from "fs";
   import { 
       SpeechConfig, 
       AudioConfig, 
       SpeechRecognizer, 
       ResultReason, 
       CancellationDetails, 
       CancellationReason,
       SpeechRecognitionResult 
   } from "microsoft-cognitiveservices-speech-sdk";
   
   // This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
   const speechConfig: SpeechConfig = SpeechConfig.fromEndpoint(new URL(process.env.ENDPOINT!), process.env.SPEECH_KEY!);
   speechConfig.speechRecognitionLanguage = "en-US";
   
   function fromFile(): void {
       const audioConfig: AudioConfig = AudioConfig.fromWavFileInput(readFileSync("YourAudioFile.wav"));
       const speechRecognizer: SpeechRecognizer = new SpeechRecognizer(speechConfig, audioConfig);
   
       speechRecognizer.recognizeOnceAsync((result: SpeechRecognitionResult) => {
           switch (result.reason) {
               case ResultReason.RecognizedSpeech:
                   console.log(`RECOGNIZED: Text=${result.text}`);
                   break;
               case ResultReason.NoMatch:
                   console.log("NOMATCH: Speech could not be recognized.");
                   break;
               case ResultReason.Canceled:
                   const cancellation: CancellationDetails = CancellationDetails.fromResult(result);
                   console.log(`CANCELED: Reason=${cancellation.reason}`);
   
                   if (cancellation.reason === CancellationReason.Error) {
                       console.log(`CANCELED: ErrorCode=${cancellation.ErrorCode}`);
                       console.log(`CANCELED: ErrorDetails=${cancellation.errorDetails}`);
                       console.log("CANCELED: Did you set the speech resource key and region values?");
                   }
                   break;
           }
           speechRecognizer.close();
       });
   }
   
   fromFile();
   

   En transcription.ts, reemplace YourAudioFile.wav por su propio archivo .wav . En este ejemplo solo se reconoce la voz desde un archivo.wav. Para obtener información sobre otros formatos de audio, consulte Uso de entradas de audio comprimidas. Este ejemplo admite hasta 30 segundos de audio.

   Para cambiar el idioma de reconocimiento de voz, reemplace en-US por otro idioma compatible. Por ejemplo, use es-ES para Español (España). Si no especifica un idioma, el valor predeterminado es en-US. Para más información sobre cómo identificar uno de los distintos idiomas que se pueden hablar, consulte Identificación del idioma.

2. Cree el archivo tsconfig.json para transpilar el código TypeScript y copie el código siguiente para ECMAScript.

   {
       "compilerOptions": {
         "module": "NodeNext",
         "target": "ES2022", // Supports top-level await
         "moduleResolution": "NodeNext",
         "skipLibCheck": true, // Avoid type errors from node_modules
         "strict": true // Enable strict type-checking options
       },
       "include": ["*.ts"]
   }
   

3. Transpile de TypeScript a JavaScript.

   tsc
   

   Este comando no debe generar ninguna salida si se ejecuta correctamente.

4. Ejecute la nueva aplicación de consola para iniciar el reconocimiento de voz desde un archivo:

   node transcription.js
   

Espere unos instantes para obtener la respuesta.

Salida

La voz del archivo de audio debe devolverse como texto:

RECOGNIZED: Text=I'm excited to try speech to text.

Comentarios

En este ejemplo se usa la operación recognizeOnceAsync para transcribir expresiones de hasta 30 segundos, o hasta que se detecta el silencio. Para obtener información sobre el reconocimiento continuo de audio más largo, incluidas las conversaciones en varios idiomas, consulte Reconocimiento de voz.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.

Speech to text REST API reference | Speech to text REST API for short audio reference | Additional samples on GitHub

En este inicio rápido, creará y ejecutará una aplicación para reconocer y realizar la conversión de voz en texto en tiempo real.

En cambio, para transcribir archivos de audio de forma asincrónica, consulte Qué es la transcripción por lotes. Si no está seguro de qué solución de conversión de voz en texto es adecuada para usted, consulte¿Qué es la conversión de voz en texto?

Requisitos previos

También necesita un archivo de audio .wav en el equipo local. Puede usar su propio archivo .wav hasta 60 segundos o descargar el archivo de ejemplo https://crbn.us/whatstheweatherlike.wav.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. En este artículo se muestra cómo usar variables de entorno para almacenar las credenciales. A continuación, puede acceder a las variables de entorno desde el código para autenticar la aplicación. Para producción, use una manera más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplácela por your-endpoint el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Reconocer la voz a partir de un archivo

Abra una ventana de la consola y ejecute el siguiente comando cURL. Reemplace YourAudioFile.wav por la ruta y el nombre del archivo de audio.

curl --location --request POST "https://%SPEECH_REGION%.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US&format=detailed" ^
--header "Ocp-Apim-Subscription-Key: %SPEECH_KEY%" ^
--header "Content-Type: audio/wav" ^
--data-binary "@YourAudioFile.wav"

audio_file=@'YourAudioFile.wav'

curl --location --request POST \
"https://${SPEECH_REGION}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US&format=detailed" \
--header "Ocp-Apim-Subscription-Key: ${SPEECH_KEY}" \
--header "Content-Type: audio/wav" \
--data-binary $audio_file

audio_file=@'YourAudioFile.wav'

curl --location --request POST \
"https://${SPEECH_REGION}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US&format=detailed" \
--header "Ocp-Apim-Subscription-Key: ${SPEECH_KEY}" \
--header "Content-Type: audio/wav" \
--data-binary $audio_file

Debería recibir una respuesta similar a la que se muestra aquí. DisplayText debe ser el texto que se ha reconocido desde el archivo de audio. El comando reconoce hasta 60 segundos de audio y lo convierte en texto.

{
    "RecognitionStatus": "Success",
    "DisplayText": "My voice is my passport, verify me.",
    "Offset": 6600000,
    "Duration": 32100000
}

Para más información, consulte API de REST de conversión de voz en texto para audios breves.

Limpieza de recursos

Puede usar el portal Azure o Azure interfaz de línea de comandos (CLI) para quitar el recurso de voz que creó.