Azure Speech：語音轉文本，雲端AI神器！
3 次觀看·2024年12月24日
各位朋友大家好
歡迎來到AI技術分享頻道
在上一期的節目當中
我們已經爲大家介紹了
Azure公有云的語音服務
它能夠爲我們提供
文本轉語音的功能
其實除此之外的話
它也爲我們提供了
語音轉文字的功能
也就是語音轉寫的功能
所以在這一期的節目當中
我們將一起來探索和體驗
Azure公有云的語音服務
爲我們提供的
語音轉文字的功能
在我們的演示環境當中
我們現在打開的頁面
也是Azure公有云後臺管理的頁面
那我們就可以選擇
上一期的節目當中
已經創建和配置好的語音服務
同時的話打開語音服務它的主頁
那麼在它的主頁當中
我們就能夠查看到
語音轉文本的選項
所以現在我們也能夠查看到
這個選項
另外的話呢
我們可以選擇適用
語音轉文本的功能
在這個頁面當中
我們就可以選擇
上傳音頻文件
或者使用麥克風進行錄音
然後它就會實時的幫助我們
轉寫成文字
當然首先的話呢
其實我們可以選擇音頻文件
或者錄音的時候它的語言
所以我們可以根據自己的需求
選擇相應的語言
現在我們所需要做的事情
就是上傳一個新的音頻文件
我們的這個音頻文件
它的長度不到一分鐘
現在我們就能夠查看到
它的語音轉寫的過程
其實就已經開始
並且現在它幫助我們
輸出文字的時候
也不是完成了
所有的轉寫過程之後
一次性輸出
而是實時的輸出
所以我們能夠查看到
這個結果
那麼除了文本的信息之外
其實我們選擇這個選項之後
也能夠了解到
它在幫助我們轉寫
每一個文字的時候
其實也會幫助我們輸出
它的一個時間信息
那麼有了這樣的一個時間信息之後
其實我們也可以通過編程的方式
獲取到文本信息之外
時間的信息
也就是我們可以製作
帶有時間信息的字幕文件
也是完全有可能的
當然這時候的話
就要求我們通過編程的方式來實現
其實我們在上一期的節目當中
也爲大家介紹過
對於Azure當中語音服務
要進行編程的時候
我們就需要使用到它的編程接口
所以的話我們就可以打開代碼編輯器
同樣的查看到上一期節目當中
已經準備好的這樣的一個程序
那麼這個程序就已經使用了它的編程接口
而現在我們要實現語音轉文本的功能
同樣我們可以編寫相應的程序
比如在這裏的話
我們編寫好了兩個不同的程序
對於這兩個程序來說的話
也使用了它的這樣的一個編程的接口
除了編程接口之外的話
那麼它還包括了所需要的API Key的信息
那麼這個信息其實也是我們在
管理程序當中查看到的這個信息
然後的話我們可以獲取它的信息
並且保存到這個文件當中
然後我們就可以在程序當中對它進行加載
並且接下來的話
完成語音服務初始化的過程
所以我們在這裏也能夠查看到這些基本信息
然後我們首先選擇這個程序
那麼這個程序也是一個
在本地運行的web UI的工具
那麼對於這個工具來說的話
首先我們所需要去做的事情
也是去安裝它所依賴的基本的組件
完成了這個組件的安裝之後
然後我們就可以去啓動它的程序
啓動完成之後的話
然後我們就可以在瀏覽器當中輸入相應的地址
接下來的話
我們同樣可以選擇上傳音頻文件
上傳完成之後直接選擇提交
現在我們就能夠查看到
它的結果並不是實時輸出的結果
而是完成了所有的轉寫之後
最後幫助我們把所有的結果一次性的顯示在這裏
所以我們能夠查看到它的這個轉寫其實也已經開始
因爲我們的音頻文件並不是特別長
很快它也幫助我們完成了轉寫的過程
那麼與我們在前面的幾期節目當中介紹的一樣
任何的語音轉寫文字的工具
都會有一定的準確率
對於現在的這個轉寫的結果來說
其實我們基本上能夠了解到
前面的這幾句話轉寫的準確率還是非常高的
但是呢也有一些失敗的情況
那麼所有的這些語音轉寫文字的工具
其實都會有轉寫率的一個問題
我們沒有辦法保證它是百分之百的準確
我們只能夠通過一些方式
比如二次訓練的方式
或者呢是一些編程的方式
進一步的去提升它的準確率
所以在這裏的話呢我們能夠查看到它的這個結果
那麼除了這個結果之外
對於我們另外的一個程序來說
其實它也可以幫助我們生成文本文件
另外的話呢也可以生成字幕的文件
也就是帶時間信息的文件
它的基本過程也是完成所有的初始化的配置
然後幫助我們去完成它的識別
識別完成之後再幫助我們去完成它的轉寫
保存成爲文件
所以我們在這裏的話呢也可以去運行這個程序
在運行的過程當中
那麼我們也能夠了解到
最終的話它會幫助我們把結果保存到這兩個不同的文件當中
那麼這兩個文件
也是在我們當前的這個目錄當中的兩個文件
完成了轉寫過程之後
我們就能夠查看到這兩個不同的文件
然後呢我們也能夠查看到純粹的文本的文件
以及字幕的文件
所以首先的話呢我們可以選擇文本文件
而另外的一個呢就是帶了字幕的文件
現在我們也能夠查看到時間信息
只不過現在這個時間信息我們處理起來的時候比較簡單
差不多每15秒的時候幫助我們去生成一個時間信息
所以的話呢它的字幕是非常長的
那麼如果我們希望更加精準的製作更短的字幕
其實也有兩種基本方式
一種的話呢就是對於我們當前的這個程序進行調整
調整的時候就是在這裏修改它的時間的信息
而另外一種呢也是我們在前幾期節目當中介紹其他的語音轉文本工具的時候
對於音頻文件本身進行處理
那麼它處理的時候就是檢測音頻文件的停頓或者是靜音的部分
然後接下來對於音頻文件本身進行分割
分割之後再送給語音轉文字的工具完成轉寫的過程
其實我們也能夠了解到這種方式的話
那麼它的轉寫效率因爲音頻文件進行分割
再去處理
有可能它的時間會比較長
那麼對於Azure公用雲當中
語音轉寫文本的這個功能來說的話
因爲它本身就爲我們去提供了時間的信息
所以最好的話呢其實我們還是利用這樣的一個時間信息
然後幫助我們去生成它的字幕
當然我們就需要對於現有的這個程序進行一個非常精細的測試和調整
才能實現我們的目標
那麼好了我們當前的這一期節目呢到現在的分享就已經結束
如果你喜歡我們的這一個節目
也請大家點贊和分享我們的這一期節目
並且關注我們的頻道 我們下一期節目再見 謝謝大家