speech-to-text - 使用 Microsoft Azure (REST API) 进行批量转录

Question

我想使用 Microsoft 的 REST API 转录更长的音频文件（至少 5 分钟）。有很多不同的产品和名称，例如语音服务 API 或必应语音 API。到目前为止，我尝试的所有 REST API 都不支持转录更长的音频文件。

文档指出有一个 REST API 正好适用于这种情况： https ://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/batch-transcription

该服务的端点是什么？

Answer 1

GitHub 上有一个示例：https ://github.com/PanosPeriorellis/Speech_Service-BatchTranscriptionAPI

端点是 CRIS 的端点，如下代码：

private const string HostName = "cris.ai";
// ...
var client = CrisClient.CreateApiV2Client(SubscriptionKey, HostName, Port);

然后我在文档中发现 API 在 Swagger 上公开（链接可见此处），因此更容易探索可用的方法（从 2.0beta 切换到顶部的 2.0）：

• 对于西欧：https ://westeurope.cris.ai/swagger/ui/index
• 对于美国西部：https ://westus.cris.ai/swagger/ui/index

所以要创建一个新的转录，路径是：/api/speechtotext/v2.0/transcriptions，使用 POST 方法调用，所以完整的端点是：

• 对于西欧：https ://westeurope.cris.ai/api/speechtotext/v2.0/transcriptions
• 对于美国西部：https ://westus.cris.ai/api/speechtotext/v2.0/transcriptions

请注意，使用转录所需的订阅密钥级别必须是一个Standard级别定价S0，而不是Free一个级别。