月明的文档中心 分享AI实践与思考
入门
上手
教程
基础
概念解释
Microsoft Foundry
开发工具
操作指南
参考
治理与网络
工具与知识
概念解释
操作指南
Agent Service
总览
概念解释
Azure OpenAI
API 与开发
总览
Azure AI Search
权限与安全
参考
检索概念
概念解释
快速上手
教程
Foundry Tools
其他与已退役
总览
概念解释
RAG 与知识工程
智能体与工具
MCP 与 Skills
操作指南
基础
评测、观测与安全
安全
评测
概念解释
参考
企业架构与成本
解决方案场景
样例与学习资源
附录
语音服务快速开始
本教程演示如何用一段 WAV 音频完成实时语音转文本。可以在门户中无代码完成，也可以通过 SDK 或 REST 调用。两条路径选一条即可。
前置条件
项 | 要求 | 备注 |
Azure 订阅 | 必需 | 所有路径都需要 |
Foundry 项目 | 门户路径需要 | 无代码试用 |
Speech 资源 | 代码或 REST 路径需要 | 在 Azure 门户创建 Foundry resource for Speech 或 AI Services resource for Speech，获取密钥与区域或终结点 |
音频文件 | WAV 格式 | REST 示例接受约 60 秒，JavaScript/TypeScript 示例约 30 秒，待核实 |
语言环境 | Python 3.7 及以上、Java 需 Speech SDK 1.43.0、Swift 需 Speech SDK 1.51.0 及以上 | 版本要求待核实（2026-11-05 获取） |
页面示例中的区域为 westus，仅作为示例，并非必填要求。
路径 A：门户（无代码）
- 打开 Foundry（新版）门户中的语音转文本功能页，选择在 Playground 中打开。
- 可选：调整任务、语言和脏话过滤策略。
- 上传 WAV 音频文件，或直接录音，然后点击开始。
- 在 Transcript 或 JSON 标签页查看结果，或在 Code 标签页获取示例代码。
预期结果：页面显示转写文本，JSON 标签页包含 Offset、Duration、RecognitionStatus、Display、Lexical、ITN 等属性。
经典门户的入口为关闭 New Foundry 开关后进入 Playgrounds，选择 Try the Speech playground，再选择 Real-time transcription。
路径 B：代码或 REST
- 设置环境变量。REST、JavaScript 与 Swift 使用
SPEECH_KEY和SPEECH_REGION；SDK 示例使用ENDPOINT。
- 安装对应语言的 Speech SDK，例如 Python 使用
pip install azure-cognitiveservices-speech。
- 运行样例。REST 调用需向区域化的语音识别端点发送 POST 请求，携带密钥与 WAV 文件，参数包括语言与输出格式。
预期结果：
- REST 返回 JSON，包含 RecognitionStatus、DisplayText（识别文本）、Offset 与 Duration。
- SDK 样例输出形如
RECOGNIZED: Text=...，具体文本取决于音频内容。
常见问题
问题 | 检查点 |
找不到资源或区域不对 | 区域或终结点需与 Speech 资源一致 |
音频无法识别 | 确认为 WAV 文件，并满足长度限制（待核实） |
SDK 版本报错 | 对照页面列出的语言版本要求（待核实） |
清理资源
页面末尾的清理步骤未在本次读取中确认，待核实。通常可删除不再使用的资源或资源组。
来源与核对
- 来源：快速开始页面，https://learn.microsoft.com/en-us/azure/ai-services/speech-service/get-started-speech-to-text；概览页面，https://learn.microsoft.com/en-us/azure/ai-services/speech-service/overview
- 核对范围：正文已读，覆盖前置条件、门户路径、代码与 REST 路径、预期结果。页面末尾的 TypeScript 输出与清理步骤未读，相关内容标注待核实。
- 音频长度、语言版本与示例区域均未独立核对，已标注待核实（2026-11-05 获取）。
上一篇
翻译服务概览
下一篇
语音服务概览
Loading...