Guida introduttiva: Creare didascalie con riconoscimento vocale

documentazione di Reference | Package (PyPi) | Esempi aggiuntivi in GitHub

In questa guida introduttiva si esegue un'app console per creare sottotitoli con il riconoscimento vocale.

Prerequisiti

Configurare l'ambiente

Speech SDK per Python è disponibile come modulo Python Package Index (PyPI). Speech SDK per Python è compatibile con Windows, Linux e macOS.

• È necessario installare il Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017, 2019 e 2022 per la piattaforma. L'installazione di questo pacchetto per la prima volta potrebbe richiedere un riavvio.
• In Linux è necessario usare l'architettura di destinazione x64.

1. Installare una versione di Python dalla versione 3.10 o successiva. Controllare prima di tutto la guida all'installazione dell'SDK per altri requisiti
2. È anche necessario installare GStreamer per l'audio di input compresso.

Impostare le variabili di ambiente

È necessario autenticare l'applicazione per accedere a Foundry Tools. Questo articolo illustra come usare le variabili di ambiente per archiviare le credenziali. È quindi possibile accedere alle variabili di ambiente dal codice per autenticare l'applicazione. Per la produzione, usare un modo più sicuro per archiviare e accedere alle credenziali.

Per impostare le variabili di ambiente per la chiave e l'area della risorsa Voce, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo.

• Per impostare la SPEECH_KEY variabile di ambiente, sostituire your-key con una delle chiavi per la risorsa.
• Per impostare la SPEECH_REGION variabile di ambiente, sostituire la tua regione con una delle regioni per le risorse.
• Per impostare la ENDPOINT variabile di ambiente, sostituire your-endpoint con l'endpoint effettivo della risorsa Voce.

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

Creare didascalie dal parlato

Seguire questa procedura per compilare ed eseguire l'esempio di codice di avvio rapido per la didascalia.

1. Scaricare o copiare i file di esempio dalla cartella da GitHub in una directory locale.
2. Aprire un prompt dei comandi nella stessa directory di captioning.py.
3. Eseguire questo comando per installare Speech SDK:

   pip install azure-cognitiveservices-speech
   

4. Esegui l'applicazione con i tuoi argomenti della riga di comando preferiti. Per le opzioni disponibili, vedere utilizzo e argomenti . Ecco un esempio:

   python captioning.py --input caption.this.mp4 --format any --output caption.output.txt --srt --realTime --threshold 5 --delay 0 --profanity mask --phrases "Contoso;Jessie;Rehaan"
   

   Importante

   Assicurarsi che i percorsi specificati da --input e --output siano validi. In caso contrario, è necessario modificare i percorsi.

   Assicurarsi di impostare le SPEECH_KEY variabili di ambiente e SPEECH_REGION come descritto in precedenza. In caso contrario, utilizzare gli argomenti --key e --region.

Controllare i risultati

Quando si usa l'opzione realTime nell'esempio precedente, i risultati parziali degli Recognizing eventi vengono inclusi nell'output. In questo esempio solo l'evento finale Recognized include le virgole. Le virgole non sono le uniche differenze tra Recognizing e Recognized eventi. Per altre informazioni, vedere Ottenere risultati parziali.

1
00:00:00,170 --> 00:00:00,380
The

2
00:00:00,380 --> 00:00:01,770
The rainbow

3
00:00:01,770 --> 00:00:02,560
The rainbow has seven

4
00:00:02,560 --> 00:00:03,820
The rainbow has seven colors

5
00:00:03,820 --> 00:00:05,050
The rainbow has seven colors red

6
00:00:05,050 --> 00:00:05,850
The rainbow has seven colors red
orange

7
00:00:05,850 --> 00:00:06,440
The rainbow has seven colors red
orange yellow

8
00:00:06,440 --> 00:00:06,730
The rainbow has seven colors red
orange yellow green

9
00:00:06,730 --> 00:00:07,160
orange, yellow, green, blue,
indigo and Violet.

Quando si usa l'opzione --offline, i risultati sono stabili a partire dall'evento finale Recognized. I risultati parziali non sono inclusi nell'output:

1
00:00:00,170 --> 00:00:05,540
The rainbow has seven colors, red,
orange, yellow, green, blue,

2
00:00:05,540 --> 00:00:07,160
indigo and Violet.

Il formato di output dell'intervallo di tempo SRT (SubRip Text) è hh:mm:ss,fff. Per ulteriori informazioni, vedere Formato di output della didascalia.

Utilizzo e argomenti

Utilizzo: python captioning.py --input <input file>

Le opzioni di connessione includono:

• --key: la chiave della risorsa Foundry. Esegue l'override della variabile di ambiente SPEECH_KEY. È necessario impostare la variabile di ambiente (scelta consigliata) o usare l'opzione --key .
• --region REGION: Regione della risorsa Foundry. Esegue l'override della variabile di ambiente SPEECH_REGION. È necessario impostare la variabile di ambiente (scelta consigliata) o usare l'opzione --region . Esempi: westus, northeurope

Le opzioni di input includono:

• --input FILE: ingresso audio dal file. L'input predefinito è il microfono.
• --format FORMAT: usa il formato audio compresso. Valido solo con --file. I valori validi sono alaw, any, flacmp3, mulaw, e ogg_opus. Il valore predefinito è any. Per usare un wav file, non specificare il formato. Questa opzione non è disponibile con l'esempio di didascalia JavaScript. Per i file audio compressi, ad esempio MP4, installare GStreamer e vedere Come usare l'audio di input compresso.

Le opzioni di lingua includono:

• --language LANG: specificare una lingua usando una delle impostazioni locali supportate corrispondenti. Questa operazione viene utilizzata quando si suddivideno le didascalie in righe. Il valore predefinito è en-US.

Le opzioni di riconoscimento includono:

• --offline: output dei risultati offline. Sostituisce --realTime. La modalità di output predefinita è offline.
• --realTime: output dei risultati in tempo reale.

L'output in tempo reale include Recognizing i risultati degli eventi. L'output offline predefinito è Recognized soltanto i risultati dell'evento. Questi vengono sempre scritti nella console, mai in un file di output. L'opzione --quiet esegue l'override di questa opzione. Per altre informazioni, vedere Ottenere i risultati del riconoscimento vocale.

Le opzioni di accuratezza includono:

• --phrases PHRASE1;PHRASE2: è possibile specificare un elenco di frasi da riconoscere, ad esempio Contoso;Jessie;Rehaan. Per altre informazioni, vedere Migliorare il riconoscimento con l'elenco di frasi.

Le opzioni di output includono:

• --help: mostra aiuto e fai arrestare
• --output FILE: restituisce le didascalie nell'oggetto specificato file. Questo indicatore è obbligatorio.
• --srt: Output delle didascalie nel formato SRT (SubRip Text). Il formato predefinito è WebVTT (Web Video Text Tracks). Per altre informazioni sui formati di file di sottotitoli SRT e WebVTT, vedere Formato di output della didascalia.
• --maxLineLength LENGTH: imposta il numero massimo di caratteri per riga per una didascalia su LENGTH. Il valore minimo è 20. Il valore predefinito è 37 (30 per cinese).
• --lines LINES: imposta il numero di righe per una didascalia su LINES. Il valore minimo è 1. Il valore predefinito è 2.
• --delay MILLISECONDS: numero di MILLISECONDI per ritardare la visualizzazione di ogni didascalia, per simulare un'esperienza in tempo reale. Questa opzione è applicabile solo quando si usa il realTime flag . Il valore minimo è 0,0. Il valore predefinito è 1000.
• --remainTime MILLISECONDS: Quanti millisecondi una didascalia dovrebbe rimanere sullo schermo se non viene sostituita da un'altra. Il valore minimo è 0,0. Il valore predefinito è 1000.
• --quiet: Sopprime l'output della console, ad eccezione degli errori.
• --profanity OPTION: valori validi: raw, remove, mask. Per altre informazioni, vedere Concetti relativi ai filtri per il contenuto volgare .
• --threshold NUMBER: impostare una soglia di risultato parziale stabile. Il valore predefinito è 3. Questa opzione è applicabile solo quando si usa il realTime flag . Per altre informazioni, vedere Concetti sui risultati parziali.

Pulire le risorse

È possibile usare il portale Azure o Azure command line interface (CLI) per rimuovere la risorsa Voce creata.

documentazione di Reference | Package (NuGet) | Esempi aggiuntivi in GitHub

In questa guida introduttiva, si esegue una app console per creare trascrizioni con il riconoscimento vocale.

Prerequisiti

Configurare l'ambiente

Speech SDK è disponibile come pacchetto NuGet e implementa .NET Standard 2.0. Si installa Speech SDK più avanti in questa guida, ma prima di tutto controllare la guida all'installazione dell'SDK per altri requisiti.

È anche necessario installare GStreamer per l'audio di input compresso.

Impostare le variabili di ambiente

È necessario autenticare l'applicazione per accedere a Foundry Tools. Questo articolo illustra come usare le variabili di ambiente per archiviare le credenziali. È quindi possibile accedere alle variabili di ambiente dal codice per autenticare l'applicazione. Per la produzione, usare un modo più sicuro per archiviare e accedere alle credenziali.

Per impostare le variabili di ambiente per la chiave e l'area della risorsa Voce, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo.

• Per impostare la SPEECH_KEY variabile di ambiente, sostituire your-key con una delle chiavi per la risorsa.
• Per impostare la variabile di ambiente SPEECH_REGION, sostituire la tua-regione con una delle regioni per la risorsa.
• Per impostare la ENDPOINT variabile di ambiente, sostituire your-endpoint con l'endpoint effettivo della risorsa Voce.

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

Creare didascalie dal parlato

Seguire questa procedura per compilare ed eseguire l'esempio di codice di avvio rapido per la didascalia.

1. Copiare scenarios/csharp/dotnetcore/captioning/ file di esempio da GitHub. Se Git è installato, aprire un prompt dei comandi ed eseguire il git clone comando per scaricare il repository degli esempi di Speech SDK.

   git clone https://github.com/Azure-Samples/cognitive-services-speech-sdk.git
   

2. Aprire una finestra del terminale e spostarsi nella directory del progetto.

   cd <your-local-path>/scenarios/csharp/dotnetcore/captioning/captioning/
   

3. Compilare il progetto con l'interfaccia della riga di comando di .NET.

   dotnet build
   

4. Esegui l'applicazione con gli argomenti di riga di comando che preferisci. Per le opzioni disponibili, vedere utilizzo e argomenti . Ecco un esempio:

   dotnet run --input caption.this.mp4 --format any --output caption.output.txt --srt --realTime --threshold 5 --delay 0 --profanity mask --phrases "Contoso;Jessie;Rehaan"
   

   Importante

   Assicurarsi che i percorsi specificati da --input e --output siano validi. In caso contrario, è necessario modificare i percorsi.

   Assicurarsi di impostare le SPEECH_KEY variabili di ambiente e SPEECH_REGION come descritto in precedenza. In caso contrario, utilizzare gli --key e --region argomenti.

Controllare i risultati

Quando si usa l'opzione realTime nell'esempio precedente, i risultati parziali degli Recognizing eventi vengono inclusi nell'output. In questo esempio solo l'evento finale Recognized include le virgole. Le virgole non sono le uniche differenze tra Recognizing e Recognized eventi. Per altre informazioni, vedere Ottenere risultati parziali.

1
00:00:00,170 --> 00:00:00,380
The

2
00:00:00,380 --> 00:00:01,770
The rainbow

3
00:00:01,770 --> 00:00:02,560
The rainbow has seven

4
00:00:02,560 --> 00:00:03,820
The rainbow has seven colors

5
00:00:03,820 --> 00:00:05,050
The rainbow has seven colors red

6
00:00:05,050 --> 00:00:05,850
The rainbow has seven colors red
orange

7
00:00:05,850 --> 00:00:06,440
The rainbow has seven colors red
orange yellow

8
00:00:06,440 --> 00:00:06,730
The rainbow has seven colors red
orange yellow green

9
00:00:06,730 --> 00:00:07,160
orange, yellow, green, blue,
indigo and Violet.

Quando utilizzi l'opzione --offline, i risultati sono stabili a partire dall'evento finale Recognized. I risultati parziali non sono inclusi nell'output:

1
00:00:00,170 --> 00:00:05,540
The rainbow has seven colors, red,
orange, yellow, green, blue,

2
00:00:05,540 --> 00:00:07,160
indigo and Violet.

Il formato di output dell'intervallo di tempo SRT (SubRip Text) è hh:mm:ss,fff. Per altre informazioni, vedere Formato di output della didascalia.

Utilizzo e argomenti

Utilizzo: captioning --input <input file>

Le opzioni di connessione includono:

• --key: chiave della risorsa Foundry. Esegue l'override della variabile di ambiente SPEECH_KEY. È necessario impostare la variabile di ambiente (scelta consigliata) o usare l'opzione --key .
• --region REGION: regione della risorsa Foundry. Esegue l'override della variabile di ambiente SPEECH_REGION. È necessario impostare la variabile di ambiente (scelta consigliata) o usare l'opzione --region . Esempi: westus, northeurope

Le opzioni di input includono:

• --input FILE: input audio dal file. L'input predefinito è il microfono.
• --format FORMAT: usa il formato audio compresso. Valido solo con --file. I valori validi sono alaw, any, flacmp3, mulaw, e ogg_opus. Il valore predefinito è any. Per usare un wav file, non specificare il formato. Questa opzione non è disponibile con l'esempio di didascalia JavaScript. Per i file audio compressi, ad esempio MP4, installare GStreamer e vedere Come usare l'audio di input compresso.

Le opzioni di lingua includono:

• --language LANG: specificare una lingua usando una delle impostazioni locali supportate corrispondenti. Questa operazione viene utilizzata quando si suddivideno le didascalie in righe. Il valore predefinito è en-US.

Le opzioni di riconoscimento includono:

• --offline: output dei risultati offline. Esclusione di --realTime. La modalità di output predefinita è offline.
• --realTime: Visualizza i risultati in tempo reale.

L'output in tempo reale include Recognizing i risultati degli eventi. L'output offline predefinito è Recognized solo risultati dell'evento. Questi vengono sempre scritti nella console, mai in un file di output. L'opzione --quiet sostituisce questa. Per altre informazioni, vedere Ottenere i risultati del riconoscimento vocale.

Le opzioni di accuratezza includono:

• --phrases PHRASE1;PHRASE2: è possibile specificare un elenco di frasi da riconoscere, ad esempio Contoso;Jessie;Rehaan. Per altre informazioni, vedere Migliorare il riconoscimento con l'elenco di frasi.

Le opzioni di output includono:

• --help: mostra la guida e ferma
• --output FILE: restituisce le didascalie nell'oggetto specificato file. Questo indicatore è obbligatorio.
• --srt: Esporta didascalie in formato SRT (SubRip Text). Il formato predefinito è WebVTT (Web Video Text Tracks). Per altre informazioni sui formati di file di sottotitoli SRT e WebVTT, vedere Formato di output della didascalia.
• --maxLineLength LENGTH: imposta il numero massimo di caratteri per riga per una didascalia su LENGTH. Il valore minimo è 20. Il valore predefinito è 37 (30 per cinese).
• --lines LINES: imposta il numero di righe per una didascalia su LINES. Il valore minimo è 1. Il valore predefinito è 2.
• --delay MILLISECONDS: numero di MILLISECONDI per ritardare la visualizzazione di ogni didascalia, per simulare un'esperienza in tempo reale. Questa opzione è applicabile solo quando si usa il realTime flag . Il valore minimo è 0,0. Il valore predefinito è 1000.
• --remainTime MILLISECONDS: Quanti MILLISECONDI una didascalia deve rimanere sullo schermo se non viene sostituita da un'altra. Il valore minimo è 0,0. Il valore predefinito è 1000.
• --quiet: Sopprime l'output della console, ad eccezione degli errori.
• --profanity OPTION: Valori ammessi: raw, remove, mask. Per altre informazioni, vedere Concetti relativi ai filtri per il contenuto volgare .
• --threshold NUMBER: impostare una soglia di risultato parziale stabile. Il valore predefinito è 3. Questa opzione è applicabile solo quando si usa il realTime flag . Per ulteriori informazioni, vedere i concetti di Risultati parziali.

Pulire le risorse

È possibile usare il portale Azure o Azure command line interface (CLI) per rimuovere la risorsa Voce creata.

Documentazione di riferimento | Pacchetto (npm) | Esempi aggiuntivi su GitHub | Codice sorgente della libreria

In questa guida introduttiva si esegue un'app console per creare sottotitoli con il riconoscimento vocale.

Prerequisiti

Configurare l'ambiente

Prima di poter eseguire qualsiasi operazione, è necessario installare Speech SDK per JavaScript. Se si vuole solo installare il nome del pacchetto, eseguire npm install microsoft-cognitiveservices-speech-sdk. Per istruzioni sull'installazione guidata, vedere la guida all'installazione dell'SDK.

Creare didascalie dal parlato

Seguire questa procedura per compilare ed eseguire l'esempio di codice di avvio rapido per la didascalia.

1. Copia i file di esempio da scenarios/javascript/node/captioning/ da GitHub nella directory del tuo progetto.

2. Aprire un prompt dei comandi nella stessa directory di Captioning.js.

3. Installare Speech SDK per JavaScript:

   npm install microsoft-cognitiveservices-speech-sdk
   

4. Esegui l'applicazione con i tuoi argomenti della riga di comando preferiti. Per le opzioni disponibili, vedere utilizzo e argomenti . Ecco un esempio:

   node captioning.js --key YourSpeechResoureKey --region YourServiceRegion --input caption.this.wav --output caption.output.txt --srt --recognizing --threshold 5 --profanity mask --phrases "Contoso;Jessie;Rehaan"
   

   Sostituire YourSpeechResoureKey con la chiave della risorsa Voce e sostituire YourServiceRegion con l'area della risorsa Voce, ad esempio westus o northeurope. Assicurarsi che i percorsi specificati da --input e --output siano validi. In caso contrario, è necessario modificare i percorsi.

   Nota

   Speech SDK per JavaScript non supporta l'audio di input compresso. È necessario usare un file WAV come illustrato nell'esempio.

   Importante

   Ricordarsi di rimuovere la chiave dal codice al termine e non pubblicarla mai pubblicamente. Per l'ambiente di produzione, usare un modo sicuro per archiviare e accedere alle credenziali, ad esempio Azure Key Vault. Per ulteriori informazioni, vedere l'articolo Sicurezza degli strumenti Foundry.

Controllare i risultati

Il file di output con sottotitoli completi viene scritto in caption.output.txt. I risultati intermedi vengono visualizzati nella console:

00:00:00,180 --> 00:00:01,600
Welcome to

00:00:00,180 --> 00:00:01,820
Welcome to applied

00:00:00,180 --> 00:00:02,420
Welcome to applied mathematics

00:00:00,180 --> 00:00:02,930
Welcome to applied mathematics course

00:00:00,180 --> 00:00:03,100
Welcome to applied Mathematics course 2

00:00:00,180 --> 00:00:03,230
Welcome to applied Mathematics course 201.

Il formato di output dell'intervallo di tempo SRT (SubRip Text) è hh:mm:ss,fff. Per altre informazioni, vedere Formato di output della didascalia.

Utilizzo e argomenti

Utilizzo: node captioning.js --key <key> --region <region> --input <input file>

Le opzioni di connessione includono:

• --key: chiave della risorsa Foundry.
• --region REGION: regione della risorsa Foundry. Esempi: westus, northeurope

Le opzioni di input includono:

• --input FILE: input audio dal file. L'input predefinito è il microfono.
• --format FORMAT: usa il formato audio compresso. Valido solo con --file. I valori validi sono alaw, any, flacmp3, mulaw, e ogg_opus. Il valore predefinito è any. Per usare un wav file, non specificare il formato. Questa opzione non è disponibile con l'esempio di didascalia JavaScript. Per i file audio compressi, ad esempio MP4, installare GStreamer e vedere Come usare l'audio di input compresso.

Le opzioni di lingua includono:

• --languages LANG1,LANG2: abilita l'identificazione della lingua per le lingue specificate. Ad esempio: en-US,ja-JP. Questa opzione è disponibile solo con gli esempi di didascalia C++, C# e Python. Per altre informazioni, vedere Identificazione lingua.

Le opzioni di riconoscimento includono:

• --recognizing: risultati dell'evento di output Recognizing . L'output predefinito mostra solo i risultati dell'evento Recognized. Questi vengono sempre scritti nella console, mai in un file di output. L'opzione --quiet annulla questa. Per altre informazioni, vedere Ottenere i risultati del riconoscimento vocale.

Le opzioni di accuratezza includono:

• --phrases PHRASE1;PHRASE2: è possibile specificare un elenco di frasi da riconoscere, ad esempio Contoso;Jessie;Rehaan. Per altre informazioni, vedere Migliorare il riconoscimento con l'elenco di frasi.

Le opzioni di output includono:

• --help: mostra questa guida e ferma
• --output FILE: Emette didascalie nel file specificato. Questo segnalatore è obbligatorio.
• --srt: Genera didascalie di output in formato SRT (Testo SubRip). Il formato predefinito è WebVTT (Web Video Text Tracks). Per altre informazioni sui formati di file di sottotitoli SRT e WebVTT, vedere Formato di output della didascalia.
• --quiet: Sopprimere l'output della console, ad eccezione degli errori.
• --profanity OPTION: valori validi: raw, remove, mask. Per altre informazioni, vedere Concetti relativi ai filtri per il contenuto volgare .
• --threshold NUMBER: impostare una soglia di risultato parziale stabile. Il valore predefinito è 3. Per ulteriori informazioni, consultare i concetti di Ottenere risultati parziali.

Pulire le risorse

È possibile usare il portale Azure o Azure command line interface (CLI) per rimuovere la risorsa Voce creata.

documentazione di Reference | Esempi aggiuntivi in GitHub

In questa guida introduttiva si esegue un'app console per creare sottotitoli con il riconoscimento vocale.

Prerequisiti

Configurare l'ambiente

Prima di poter eseguire qualsiasi operazione, è necessario installare Speech SDK. L'esempio in questa guida introduttiva funziona con Microsoft Build di OpenJDK 17

1. Installare Apache Maven. Eseguire quindi mvn -v per confermare l'installazione avvenuta con successo.
2. Creare un nuovo pom.xml file nella radice del progetto e copiarlo nel file seguente:

   <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. Installare lo Speech SDK e le dipendenze.

   mvn clean dependency:copy-dependencies
   

4. È anche necessario installare GStreamer per l'audio di input compresso.

Impostare le variabili di ambiente

È necessario autenticare l'applicazione per accedere a Foundry Tools. Questo articolo illustra come usare le variabili di ambiente per archiviare le credenziali. È quindi possibile accedere alle variabili di ambiente dal codice per autenticare l'applicazione. Per la produzione, usare un modo più sicuro per archiviare e accedere alle credenziali.

Per impostare le variabili di ambiente per la chiave e l'area della risorsa Voce, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo.

• Per impostare la SPEECH_KEY variabile di ambiente, sostituire your-key con una delle chiavi per la risorsa.
• Per impostare la variabile di ambiente SPEECH_REGION, sostituire la tua regione con una delle regioni per la tua risorsa.
• Per impostare la ENDPOINT variabile di ambiente, sostituire your-endpoint con l'endpoint effettivo della risorsa Voce.

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

Creare didascalie dal parlato

Seguire questa procedura per compilare ed eseguire l'esempio di codice di avvio rapido per la didascalia.

1. Copia i file di esempio da da GitHub nella directory del progetto. Anche il pom.xml file creato nell'installazione dell'ambiente deve trovarsi in questa directory.
2. Aprire un prompt dei comandi ed eseguire questo comando per compilare i file di progetto.

   javac Captioning.java -cp ".;target\dependency\*" -encoding UTF-8
   

3. Eseguite l'applicazione con gli argomenti della riga di comando preferiti. Per le opzioni disponibili, vedere utilizzo e argomenti . Ecco un esempio:

   java -cp ".;target\dependency\*" Captioning --input caption.this.mp4 --format any --output caption.output.txt --srt --realTime --threshold 5 --delay 0 --profanity mask --phrases "Contoso;Jessie;Rehaan"
   

   Importante

   Assicurarsi che i percorsi specificati da --input e --output siano validi. In caso contrario, è necessario modificare i percorsi.

   Assicurarsi di impostare le SPEECH_KEY variabili di ambiente e SPEECH_REGION come descritto in precedenza. In caso contrario, utilizzare gli argomenti --key e --region.

Controllare i risultati

Quando si usa l'opzione realTime nell'esempio precedente, i risultati parziali degli Recognizing eventi vengono inclusi nell'output. In questo esempio solo l'evento finale Recognized include le virgole. Le virgole non sono le uniche differenze tra Recognizing e Recognized eventi. Per altre informazioni, vedere Ottenere risultati parziali.

1
00:00:00,170 --> 00:00:00,380
The

2
00:00:00,380 --> 00:00:01,770
The rainbow

3
00:00:01,770 --> 00:00:02,560
The rainbow has seven

4
00:00:02,560 --> 00:00:03,820
The rainbow has seven colors

5
00:00:03,820 --> 00:00:05,050
The rainbow has seven colors red

6
00:00:05,050 --> 00:00:05,850
The rainbow has seven colors red
orange

7
00:00:05,850 --> 00:00:06,440
The rainbow has seven colors red
orange yellow

8
00:00:06,440 --> 00:00:06,730
The rainbow has seven colors red
orange yellow green

9
00:00:06,730 --> 00:00:07,160
orange, yellow, green, blue,
indigo and Violet.

Quando si usa l'opzione --offline, i risultati sono stabili dopo l'evento finale Recognized. I risultati parziali non sono inclusi nell'output:

1
00:00:00,170 --> 00:00:05,540
The rainbow has seven colors, red,
orange, yellow, green, blue,

2
00:00:05,540 --> 00:00:07,160
indigo and Violet.

Il formato di output dell'intervallo di tempo SRT (SubRip Text) è hh:mm:ss,fff. Per altre informazioni, vedere Formato di output della didascalia.

Utilizzo e argomenti

Utilizzo: java -cp ".;target\dependency\*" Captioning --input <input file>

Le opzioni di connessione includono:

• --key: La tua chiave di risorsa di Foundry. Esegue l'override della variabile di ambiente SPEECH_KEY. È necessario impostare la variabile di ambiente (scelta consigliata) o usare l'opzione --key .
• --region REGION: La regione della risorsa Foundry. Esegue l'override della variabile di ambiente SPEECH_REGION. È necessario impostare la variabile di ambiente (scelta consigliata) o usare l'opzione --region . Esempi: westus, northeurope

Le opzioni di input includono:

• --input FILE: input audio dal file. L'input predefinito è il microfono.
• --format FORMAT: usa il formato audio compresso. Valido solo con --file. I valori validi sono alaw, any, flacmp3, mulaw, e ogg_opus. Il valore predefinito è any. Per usare un wav file, non specificare il formato. Questa opzione non è disponibile con l'esempio di didascalia JavaScript. Per i file audio compressi, ad esempio MP4, installare GStreamer e vedere Come usare l'audio di input compresso.

Le opzioni di lingua includono:

• --language LANG: specificare una lingua usando una delle impostazioni locali supportate corrispondenti. Questa operazione viene utilizzata quando si suddivideno le didascalie in righe. Il valore predefinito è en-US.

Le opzioni di riconoscimento includono:

• --offline: output dei risultati offline. Sostituisce --realTime. La modalità di output predefinita è offline.
• --realTime: output dei risultati in tempo reale.

L'output in tempo reale include Recognizing i risultati degli eventi. L'output offline predefinito è Recognized soltanto i risultati dell'evento. Questi vengono sempre scritti nella console, mai in un file di output. L'opzione --quiet annulla questa. Per altre informazioni, vedere Ottenere i risultati del riconoscimento vocale.

Le opzioni di accuratezza includono:

• --phrases PHRASE1;PHRASE2: è possibile specificare un elenco di frasi da riconoscere, ad esempio Contoso;Jessie;Rehaan. Per altre informazioni, vedere Migliorare il riconoscimento con l'elenco di frasi.

Le opzioni di output includono:

• --help: mostra questa guida e ferma
• --output FILE: Emette didascalie nel file specificato. Questo segnalatore è obbligatorio.
• --srt: Genera didascalie di output in formato SRT (Testo SubRip). Il formato predefinito è WebVTT (Web Video Text Tracks). Per altre informazioni sui formati di file di sottotitoli SRT e WebVTT, vedere Formato di output della didascalia.
• --maxLineLength LENGTH: imposta il numero massimo di caratteri per riga per una didascalia su LENGTH. Il valore minimo è 20. Il valore predefinito è 37 (30 per cinese).
• --lines LINES: imposta il numero di righe per una didascalia su LINES. Il valore minimo è 1. Il valore predefinito è 2.
• --delay MILLISECONDS: numero di MILLISECONDI per ritardare la visualizzazione di ogni didascalia, per simulare un'esperienza in tempo reale. Questa opzione è applicabile solo quando si usa il realTime flag . Il valore minimo è 0,0. Il valore predefinito è 1000.
• --remainTime MILLISECONDS: Quanti millisecondi una didascalia dovrebbe rimanere sullo schermo se non viene sostituita da un'altra. Il valore minimo è 0,0. Il valore predefinito è 1000.
• --quiet: Sopprimere l'output della console, ad eccezione degli errori.
• --profanity OPTION: valori validi: raw, remove, mask. Per altre informazioni, vedere Concetti relativi ai filtri per il contenuto volgare .
• --threshold NUMBER: impostare una soglia di risultato parziale stabile. Il valore predefinito è 3. Questa opzione è applicabile solo quando si usa il realTime flag . Per ulteriori informazioni, consultare i concetti di Ottenere risultati parziali.

Pulire le risorse

È possibile usare il portale Azure o Azure command line interface (CLI) per rimuovere la risorsa Voce creata.

documentazione di Reference | Package (NuGet) | Esempi aggiuntivi in GitHub

In questa guida introduttiva si esegue un'app console per creare sottotitoli con il riconoscimento vocale.

Prerequisiti

Configurare l'ambiente

Speech SDK è disponibile come pacchetto NuGet e implementa .NET Standard 2.0. Si installa Speech SDK più avanti in questa guida, ma prima di tutto controllare la guida all'installazione dell'SDK per eventuali altri requisiti

È anche necessario installare GStreamer per l'audio di input compresso.

Impostare le variabili di ambiente

È necessario autenticare l'applicazione per accedere a Foundry Tools. Questo articolo illustra come usare le variabili di ambiente per archiviare le credenziali. È quindi possibile accedere alle variabili di ambiente dal codice per autenticare l'applicazione. Per la produzione, usare un modo più sicuro per archiviare e accedere alle credenziali.

Per impostare le variabili di ambiente per la chiave e l'area della risorsa Voce, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo.

• Per impostare la SPEECH_KEY variabile di ambiente, sostituire your-key con una delle chiavi per la risorsa.
• Per impostare la SPEECH_REGION variabile di ambiente, sostituire la tua regione con una delle regioni per le risorse.
• Per impostare la ENDPOINT variabile di ambiente, sostituire your-endpoint con l'endpoint effettivo della risorsa Voce.

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

Creare didascalie dal parlato

Seguire questa procedura per compilare ed eseguire l'esempio di codice di avvio rapido per la didascalia con Visual Studio Community 2022 in Windows.

1. Scaricare o copiare i file di esempio scenarios/cpp/windows/captioning/ da GitHub in una directory locale.

2. Aprire il file della soluzione captioning.sln in Visual Studio Community 2022.

3. Installare Speech SDK nel progetto con Gestione pacchetti NuGet.

   Install-Package Microsoft.CognitiveServices.Speech
   

4. Aprire Project>Proprietà>Generale. Impostare Configurazione su All configurations. Impostare Standard del linguaggio C++ su ISO C++17 Standard (/std:c++17).

5. Aprire Build>Gestione configurazione.

   • In un'installazione di Windows a 64 bit, impostare Piattaforma della soluzione attiva su x64.
   • In un'installazione di Windows a 32 bit impostare Piattaforma attiva della soluzione su x86.

6. Apri Progetto>Proprietà>Debug. Immettere gli argomenti della riga di comando preferiti in Argomenti comando. Per le opzioni disponibili, vedere utilizzo e argomenti . Ecco un esempio:

   --input caption.this.mp4 --format any --output caption.output.txt --srt --realTime --threshold 5 --delay 0 --profanity mask --phrases "Contoso;Jessie;Rehaan"
   

   Importante

   Assicurarsi che i percorsi specificati da --input e --output siano validi. In caso contrario, è necessario modificare i percorsi.

   Assicurarsi di impostare le SPEECH_KEY variabili di ambiente e SPEECH_REGION come descritto in precedenza. In caso contrario, utilizzare gli --key e --region argomenti.

7. Compilare ed eseguire l'applicazione console.

Controllare i risultati

Quando si usa l'opzione realTime nell'esempio precedente, i risultati parziali degli Recognizing eventi vengono inclusi nell'output. In questo esempio solo l'evento finale Recognized include le virgole. Le virgole non sono le uniche differenze tra Recognizing e Recognized eventi. Per altre informazioni, vedere Ottenere risultati parziali.

1
00:00:00,170 --> 00:00:00,380
The

2
00:00:00,380 --> 00:00:01,770
The rainbow

3
00:00:01,770 --> 00:00:02,560
The rainbow has seven

4
00:00:02,560 --> 00:00:03,820
The rainbow has seven colors

5
00:00:03,820 --> 00:00:05,050
The rainbow has seven colors red

6
00:00:05,050 --> 00:00:05,850
The rainbow has seven colors red
orange

7
00:00:05,850 --> 00:00:06,440
The rainbow has seven colors red
orange yellow

8
00:00:06,440 --> 00:00:06,730
The rainbow has seven colors red
orange yellow green

9
00:00:06,730 --> 00:00:07,160
orange, yellow, green, blue,
indigo and Violet.

Quando utilizzi l'opzione --offline, i risultati sono stabili a partire dall'evento finale Recognized. I risultati parziali non sono inclusi nell'output:

1
00:00:00,170 --> 00:00:05,540
The rainbow has seven colors, red,
orange, yellow, green, blue,

2
00:00:05,540 --> 00:00:07,160
indigo and Violet.

Il formato di output dell'intervallo di tempo SRT (SubRip Text) è hh:mm:ss,fff. Per altre informazioni, vedere Formato di output della didascalia.

Utilizzo e argomenti

Utilizzo: captioning --input <input file>

Le opzioni di connessione includono:

• --key: chiave della risorsa Foundry. Esegue l'override della variabile di ambiente SPEECH_KEY. È necessario impostare la variabile di ambiente (scelta consigliata) o usare l'opzione --key .
• --region REGION: regione della risorsa Foundry. Esegue l'override della variabile di ambiente SPEECH_REGION. È necessario impostare la variabile di ambiente (scelta consigliata) o usare l'opzione --region . Esempi: westus, northeurope

Le opzioni di input includono:

• --input FILE: input audio dal file. L'input predefinito è il microfono.
• --format FORMAT: usa il formato audio compresso. Valido solo con --file. I valori validi sono alaw, any, flacmp3, mulaw, e ogg_opus. Il valore predefinito è any. Per usare un wav file, non specificare il formato. Questa opzione non è disponibile con l'esempio di didascalia JavaScript. Per i file audio compressi, ad esempio MP4, installare GStreamer e vedere Come usare l'audio di input compresso.

Le opzioni di lingua includono:

• --language LANG: specificare una lingua usando una delle impostazioni locali supportate corrispondenti. Questa operazione viene utilizzata quando si suddivideno le didascalie in righe. Il valore predefinito è en-US.

Le opzioni di riconoscimento includono:

• --offline: output dei risultati offline. Sostituisce --realTime. La modalità di output predefinita è offline.
• --realTime: output dei risultati in tempo reale.

L'output in tempo reale include Recognizing i risultati degli eventi. L'output offline predefinito è Recognized soltanto i risultati dell'evento. Questi vengono sempre scritti nella console, mai in un file di output. L'opzione --quiet annulla questa. Per altre informazioni, vedere Ottenere i risultati del riconoscimento vocale.

Le opzioni di accuratezza includono:

• --phrases PHRASE1;PHRASE2: è possibile specificare un elenco di frasi da riconoscere, ad esempio Contoso;Jessie;Rehaan. Per altre informazioni, vedere Migliorare il riconoscimento con l'elenco di frasi.

Le opzioni di output includono:

• --help: mostra questa guida e ferma
• --output FILE: Emette didascalie nel file specificato. Questo segnalatore è obbligatorio.
• --srt: Genera didascalie di output in formato SRT (Testo SubRip). Il formato predefinito è WebVTT (Web Video Text Tracks). Per altre informazioni sui formati di file di sottotitoli SRT e WebVTT, vedere Formato di output della didascalia.
• --maxLineLength LENGTH: imposta il numero massimo di caratteri per riga per una didascalia su LENGTH. Il valore minimo è 20. Il valore predefinito è 37 (30 per cinese).
• --lines LINES: imposta il numero di righe per una didascalia su LINES. Il valore minimo è 1. Il valore predefinito è 2.
• --delay MILLISECONDS: numero di MILLISECONDI per ritardare la visualizzazione di ogni didascalia, per simulare un'esperienza in tempo reale. Questa opzione è applicabile solo quando si usa il realTime flag . Il valore minimo è 0,0. Il valore predefinito è 1000.
• --remainTime MILLISECONDS: Quanti millisecondi una didascalia dovrebbe rimanere sullo schermo se non viene sostituita da un'altra. Il valore minimo è 0,0. Il valore predefinito è 1000.
• --quiet: Sopprime l'output della console, ad eccezione degli errori.
• --profanity OPTION: Valori ammessi: raw, remove, mask. Per altre informazioni, vedere Concetti relativi ai filtri per il contenuto volgare .
• --threshold NUMBER: impostare una soglia di risultato parziale stabile. Il valore predefinito è 3. Questa opzione è applicabile solo quando si usa il realTime flag . Per ulteriori informazioni, vedere i concetti di Risultati parziali.

Pulire le risorse

È possibile usare il portale Azure o Azure command line interface (CLI) per rimuovere la risorsa Voce creata.

documentazione di Reference | Package (Go) | Esempi aggiuntivi in GitHub

In questa guida introduttiva si esegue un'app console per creare sottotitoli con il riconoscimento vocale.

Prerequisiti

Configurare l'ambiente

Verificare se sono presenti passaggi di installazione specifici della piattaforma.

È anche necessario installare GStreamer per l'audio di input compresso.

Creare didascalie dal parlato

Seguire questa procedura per compilare ed eseguire l'esempio di codice di avvio rapido per la didascalia.

1. Scaricare o copiare i file di esempio scenarios/go/captioning/ da GitHub in una directory locale.

2. Aprire un prompt dei comandi nella stessa directory di captioning.go.

3. Eseguire i comandi seguenti per creare un file go.mod che collega i componenti di Speech SDK ospitati in GitHub:

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

4. Compilare il modulo GO.

   go build
   

5. Esegui l'applicazione con gli argomenti di riga di comando che preferisci. Per le opzioni disponibili, vedere utilizzo e argomenti . Ecco un esempio:

   go run captioning --key YourSpeechResoureKey --region YourServiceRegion --input caption.this.mp4 --format any --output caption.output.txt --srt --recognizing --threshold 5 --profanity mask --phrases "Contoso;Jessie;Rehaan"
   

   Sostituire YourSpeechResoureKey con la chiave della risorsa Voce e sostituire YourServiceRegion con l'area della risorsa Voce, ad esempio westus o northeurope. Assicurarsi che i percorsi specificati da --input e --output siano validi. In caso contrario, è necessario modificare i percorsi.

   Importante

   Ricordarsi di rimuovere la chiave dal codice al termine e non pubblicarla mai pubblicamente. Per l'ambiente di produzione, usare un modo sicuro per archiviare e accedere alle credenziali, ad esempio Azure Key Vault. Per ulteriori informazioni, vedere l'articolo Sicurezza degli strumenti Foundry.

Controllare i risultati

Il file di output con sottotitoli completi viene scritto in caption.output.txt. I risultati intermedi vengono visualizzati nella console:

00:00:00,180 --> 00:00:01,600
Welcome to

00:00:00,180 --> 00:00:01,820
Welcome to applied

00:00:00,180 --> 00:00:02,420
Welcome to applied mathematics

00:00:00,180 --> 00:00:02,930
Welcome to applied mathematics course

00:00:00,180 --> 00:00:03,100
Welcome to applied Mathematics course 2

00:00:00,180 --> 00:00:03,230
Welcome to applied Mathematics course 201.

Il formato di output dell'intervallo di tempo SRT (SubRip Text) è hh:mm:ss,fff. Per altre informazioni, vedere Formato di output della didascalia.

Utilizzo e argomenti

Utilizzo: go run captioning.go helper.go --key <key> --region <region> --input <input file>

Le opzioni di connessione includono:

• --key: chiave della risorsa Foundry.
• --region REGION: regione della risorsa Foundry. Esempi: westus, northeurope

Le opzioni di input includono:

• --input FILE: input audio dal file. L'input predefinito è il microfono.
• --format FORMAT: usa il formato audio compresso. Valido solo con --file. I valori validi sono alaw, any, flacmp3, mulaw, e ogg_opus. Il valore predefinito è any. Per usare un wav file, non specificare il formato. Questa opzione non è disponibile con l'esempio di didascalia JavaScript. Per i file audio compressi, ad esempio MP4, installare GStreamer e vedere Come usare l'audio di input compresso.

Le opzioni di lingua includono:

• --languages LANG1,LANG2: abilita l'identificazione della lingua per le lingue specificate. Ad esempio: en-US,ja-JP. Questa opzione è disponibile solo con gli esempi di didascalia C++, C# e Python. Per altre informazioni, vedere Identificazione lingua.

Le opzioni di riconoscimento includono:

• --recognizing: risultati dell'evento di output Recognizing . L'output predefinito mostra solo i risultati dell'evento Recognized. Questi vengono sempre scritti nella console, mai in un file di output. L'opzione --quiet annulla questa. Per altre informazioni, vedere Ottenere i risultati del riconoscimento vocale.

Le opzioni di accuratezza includono:

• --phrases PHRASE1;PHRASE2: è possibile specificare un elenco di frasi da riconoscere, ad esempio Contoso;Jessie;Rehaan. Per altre informazioni, vedere Migliorare il riconoscimento con l'elenco di frasi.

Le opzioni di output includono:

• --help: mostra questa guida e ferma
• --output FILE: Emette didascalie nel file specificato. Questo segnalatore è obbligatorio.
• --srt: Genera didascalie di output in formato SRT (Testo SubRip). Il formato predefinito è WebVTT (Web Video Text Tracks). Per altre informazioni sui formati di file di sottotitoli SRT e WebVTT, vedere Formato di output della didascalia.
• --quiet: Sopprimere l'output della console, ad eccezione degli errori.
• --profanity OPTION: valori validi: raw, remove, mask. Per altre informazioni, vedere Concetti relativi ai filtri per il contenuto volgare .
• --threshold NUMBER: impostare una soglia di risultato parziale stabile. Il valore predefinito è 3. Per ulteriori informazioni, consultare i concetti di Ottenere risultati parziali.

Pulire le risorse

È possibile usare il portale Azure o Azure command line interface (CLI) per rimuovere la risorsa Voce creata.

documentazione di Reference | Package (download) | Esempi aggiuntivi in GitHub

Disponibilità

Speech SDK per Objective-C supporta l'ottenimento dei risultati del riconoscimento vocale per la sottotitolazione, ma non abbiamo ancora incluso una guida qui. Selezionare un altro linguaggio di programmazione per iniziare e ottenere informazioni sui concetti oppure vedere i riferimenti e gli esempi di Objective-C collegati dall'inizio di questo articolo.

In questa guida introduttiva si esegue un'app console per creare sottotitoli con il riconoscimento vocale.

Prerequisiti

Configurare l'ambiente

Seguire questa procedura e vedere la guida introduttiva all'interfaccia della riga di comando di Voce per altri requisiti per la piattaforma.

1. Eseguire il seguente comando .NET CLI per installare la Speech CLI:

   dotnet tool install --global Microsoft.CognitiveServices.Speech.CLI
   

2. Eseguire i comandi seguenti per configurare la chiave e l'area della risorsa Voce. Sostituire SUBSCRIPTION-KEY con la chiave della risorsa di riconoscimento vocale e sostituire REGION con l'area della risorsa di riconoscimento vocale.

   • Terminal
   • Powershell

   spx config @key --set SUBSCRIPTION-KEY
   spx config @region --set REGION
   

È anche necessario installare GStreamer per l'audio di input compresso.

Creare didascalie dal parlato

Con l'interfaccia della riga di comando di Riconoscimento vocale è possibile generare sottotitoli in formato SRT (SubRip Text) e WebVTT (Tracce di testo video Web) da qualsiasi tipo di supporto che contiene audio.

Per riconoscere l'audio da un file e restituire sottotitoli webVtt (vtt) e SRT (srt), seguire questa procedura.

1. Assicurarsi di avere un file di input denominato caption.this.mp4 nel percorso.

2. Eseguire il comando seguente per restituire le didascalie dal file video:

   spx recognize --file caption.this.mp4 --format any --output vtt file - --output srt file - --output each file - @output.each.detailed --property SpeechServiceResponse_StablePartialResultThreshold=5 --profanity masked --phrases "Constoso;Jessie;Rehaan"
   

   Le didascalie SRT e WebVTT vengono restituite nella console, come illustrato di seguito:

   1
   00:00:00,180 --> 00:00:03,230
   Welcome to applied Mathematics course 201.
   WEBVTT
   
   00:00:00.180 --> 00:00:03.230
   Welcome to applied Mathematics course 201.
   {
     "ResultId": "561a0ea00cc14bb09bd294357df3270f",
     "Duration": "00:00:03.0500000"
   }
   

Utilizzo e argomenti

Ecco i dettagli sugli argomenti facoltativi del comando precedente:

• --file caption.this.mp4 --format any: input audio dal file. L'input predefinito è il microfono. Per i file audio compressi, ad esempio MP4, installare GStreamer e vedere Come usare l'audio di input compresso.
• --output vtt file - e --output srt file -: restituisce didascalie WebVTT e SRT nell'output standard. Per altre informazioni sui formati di file di sottotitoli SRT e WebVTT, vedere Formato di output della didascalia. Per ulteriori informazioni sull'--output argomento, vedere le opzioni di output della riga di comando di Speech.
• @output.each.detailed: restituisce i risultati dell'evento con testo, offset e durata. Per altre informazioni, vedere Ottenere i risultati del riconoscimento vocale.
• --property SpeechServiceResponse_StablePartialResultThreshold=5: È possibile richiedere che il servizio Voce restituisca meno eventi, ma più accurati. In questo esempio, il servizio Voce deve confermare il riconoscimento di una parola almeno cinque volte prima di restituire i risultati parziali. Per ulteriori informazioni, consultare i concetti di Ottenere risultati parziali.
• --profanity masked: è possibile specificare se mascherare, rimuovere o mostrare contenuto volgare nei risultati del riconoscimento. Per altre informazioni, vedere Concetti relativi ai filtri per il contenuto volgare .
• --phrases "Constoso;Jessie;Rehaan": è possibile specificare un elenco di frasi da riconoscere, ad esempio Contoso, Jessie e Rehaan. Per altre informazioni, vedere Migliorare il riconoscimento con l'elenco di frasi.

Pulire le risorse

È possibile usare il portale Azure o Azure command line interface (CLI) per rimuovere la risorsa Voce creata.

documentazione di Reference | Package (download) | Esempi aggiuntivi in GitHub

Disponibilità

Speech SDK per Swift supporta l'ottenimento dei risultati del riconoscimento vocale per la sottotitolazione, ma non è ancora stata inclusa una guida in questo documento. Selezionare un altro linguaggio di programmazione per iniziare e ottenere informazioni sui concetti oppure vedere i riferimenti e gli esempi swift collegati dall'inizio di questo articolo.