Bitzu

AI-901 · Rozwiązania dla tekstu i mowy

Aplikacja mowy z Azure Speech (Python)

Najważniejsze

  • pip install azure-cognitiveservices-speech; import azure.cognitiveservices.speech as speechsdk.
  • SpeechConfig: klucz i endpoint.
  • Rozpoznawanie: AudioConfig(use_default_microphone=True) lub AudioConfig(filename=...), SpeechRecognizer, recognize_once_async().
  • Synteza: speech_synthesis_voice_name, SpeechSynthesizer, speak_text_async(text).
  • Sprawdź result.reason (RecognizedSpeech, NoMatch, Canceled); przy Canceled czytaj cancellation_details.

Źródło: https://learn.microsoft.com/en-us/azure/ai-services/speech-service/get-started-speech-to-text?pivots=programming-language-python

Przykładowe pytania

Jednokrotny wybór

Który pakiet PyPI zawiera Speech SDK dla Pythona?

  1. azure-ai-textanalytics
  2. azure-cognitiveservices-speech
  3. azure-ai-projects
  4. azure-identity
Pokaż odpowiedź

Odpowiedź: B. azure-cognitiveservices-speech

azure-cognitiveservices-speech to pakiet Speech SDK, importowany jako azure.cognitiveservices.speech. azure-ai-textanalytics to klient Language.

Zaznacz wszystkie poprawne

Które elementy należą do minimalnego skryptu zamiany tekstu na mowę ze Speech SDK?

  1. speech_config.speech_synthesis_voice_name ustawione na głos neuronowy
  2. AudioOutputConfig wskazujący domyślny głośnik lub plik
  3. Sprawdzenie ResultReason.SynthesizingAudioCompleted
  4. SpeechRecognizer do wytworzenia dźwięku
  5. add_target_language do wyboru języka mówionego
Pokaż odpowiedź

Odpowiedź: A. speech_config.speech_synthesis_voice_name ustawione na głos neuronowy, B. AudioOutputConfig wskazujący domyślny głośnik lub plik, C. Sprawdzenie ResultReason.SynthesizingAudioCompleted

Głos wybierasz w SpeechConfig, dźwięk kierujesz do głośnika lub pliku przez konfigurację wyjścia i sprawdzasz powód wyniku. SpeechRecognizer służy do przeciwnego kierunku, a język docelowy dotyczy tylko tłumaczenia.

Prawda czy fałsz

recognize_once_async słucha dalej i zwraca tekst tak długo, jak ktoś mówi, bez względu na długość nagrania.

Pokaż odpowiedź

Odpowiedź: Fałsz

Fałsz. Transkrybuje pojedynczą wypowiedź do ok. 30 sekund lub do ciszy; dłuższe nagrania wymagają rozpoznawania ciągłego.

Przećwicz 8 pytań z tego tematu w Bitzu

Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.

Download on the App StoreGet it on Google Play

Więcej tematów AI-901 w tym module