クイック スタート: Azure OpenAI ささやきモデルを使用した音声テキスト変換

前提 条件

• Azure サブスクリプション - 無料で作成。
• サポートリージョンにデプロイされた音声テキスト変換モデルを含むAzure OpenAI リソース。 詳細については、「リソースを作成し、Azure OpenAIを使用してモデルをデプロイする」を参照してください。
• Azure OpenAI リソースの少なくとも Cognitive Services 共同作成者 ロールが割り当てられていることを確認します。
• サンプル オーディオ ファイル。 wikipediaOcelot.wav などのサンプル オーディオは、foundry Tools SDK リポジトリの Azure Speech (GitHub から取得できます。

セットアップ

キーとエンドポイントを取得する

Azure OpenAI に対して正常に呼び出すには、endpoint と key が必要です。

Azure ポータルでリソースに移動します。 エンドポイントとキーは、[リソース管理] セクションにあります。 API 呼び出しを認証するために必要なエンドポイントとアクセス キーの両方をコピーします。 KEY1またはKEY2を使用できます。 常に 2 つのキーを使用すると、サービスの中断を引き起こさずに、キーを安全にローテーションおよび再生成できます。

環境変数

キーとエンドポイントの永続的な環境変数を作成して割り当てます。

setx AZURE_OPENAI_API_KEY "REPLACE_WITH_YOUR_KEY_VALUE_HERE" 

setx AZURE_OPENAI_ENDPOINT "REPLACE_WITH_YOUR_ENDPOINT_HERE" 

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_API_KEY', 'REPLACE_WITH_YOUR_KEY_VALUE_HERE', 'User')

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_ENDPOINT', 'REPLACE_WITH_YOUR_ENDPOINT_HERE', 'User')

echo export AZURE_OPENAI_API_KEY="REPLACE_WITH_YOUR_KEY_VALUE_HERE" >> /etc/environment && source /etc/environment

echo export AZURE_OPENAI_ENDPOINT="REPLACE_WITH_YOUR_ENDPOINT_HERE" >> /etc/environment && source /etc/environment

REST API の要求と応答を作成する

bash シェルで、次のコマンドを実行します。 YourDeploymentNameを、ささやきモデルのデプロイ時に選択したデプロイ名に置き換える必要があります。 デプロイ名は必ずしもモデル名と同じではありません。 基になるモデル名と同じデプロイ名を選択しない限り、モデル名を入力するとエラーが発生します。

curl $AZURE_OPENAI_ENDPOINT/openai/deployments/YourDeploymentName/audio/transcriptions?api-version=2024-02-01 \
 -H "api-key: $AZURE_OPENAI_API_KEY" \
 -H "Content-Type: multipart/form-data" \
 -F file="@./wikipediaOcelot.wav"

前のコマンドの最初の行とエンドポイントの例は次のようになります。

curl https://aoai-docs.openai.azure.com/openai/deployments/{YourDeploymentName}/audio/transcriptions?api-version=2024-02-01 \

出力を確認する

応答には、オーディオ ファイルの完全な文字起こしを含む text フィールドが含まれています。 次の例のような出力が表示されます。 エラーが発生した場合:

• デプロイメント名が完全に一致することを確認してください。
• オーディオ ファイルのパスが正しいことを確認する
• API キーとエンドポイントが有効であることを確認する

出力

{"text":"The ocelot, Lepardus paradalis, is a small wild cat native to the southwestern United States, Mexico, and Central and South America. This medium-sized cat is characterized by solid black spots and streaks on its coat, round ears, and white neck and undersides. It weighs between 8 and 15.5 kilograms, 18 and 34 pounds, and reaches 40 to 50 centimeters 16 to 20 inches at the shoulders. It was first described by Carl Linnaeus in 1758. Two subspecies are recognized, L. p. paradalis and L. p. mitis. Typically active during twilight and at night, the ocelot tends to be solitary and territorial. It is efficient at climbing, leaping, and swimming. It preys on small terrestrial mammals such as armadillo, opossum, and lagomorphs."}

前提 条件

• Azure サブスクリプション。 無料で 作成できます。
• サポートリージョンにデプロイされた音声テキスト変換モデルを含むAzure OpenAI リソース。 詳細については、「リソースを作成し、Azure OpenAIを使用してモデルをデプロイする」を参照してください。
• Python 3.8 以降
• Azure CLI。
• サンプル オーディオ ファイル。 wikipediaOcelot.wav などのサンプル オーディオは、foundry Tools SDK リポジトリの Azure Speech (GitHub から取得できます。

セットアップ

キーとエンドポイントを取得する

Azure OpenAI に対して正常に呼び出すには、endpoint と key が必要です。

Azure ポータルでリソースに移動します。 エンドポイントとキーは、[リソース管理] セクションにあります。 API 呼び出しを認証するために両方が必要になるので、エンドポイントとアクセス キーをコピーします。 KEY1またはKEY2を使用できます。 常に 2 つのキーを使用すると、サービスの中断を引き起こさずに、キーを安全にローテーションおよび再生成できます。

環境変数

キーとエンドポイントの永続的な環境変数を作成して割り当てます。

setx AZURE_OPENAI_API_KEY "REPLACE_WITH_YOUR_KEY_VALUE_HERE" 

setx AZURE_OPENAI_ENDPOINT "REPLACE_WITH_YOUR_ENDPOINT_HERE"

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_API_KEY', 'REPLACE_WITH_YOUR_KEY_VALUE_HERE', 'User')

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_ENDPOINT', 'REPLACE_WITH_YOUR_ENDPOINT_HERE', 'User')

echo export AZURE_OPENAI_API_KEY="REPLACE_WITH_YOUR_KEY_VALUE_HERE" >> /etc/environment && source /etc/environment

echo export AZURE_OPENAI_ENDPOINT="REPLACE_WITH_YOUR_ENDPOINT_HERE" >> /etc/environment && source /etc/environment

Python環境を作成する

プロジェクトの新しいディレクトリを作成し、ターミナルまたはコマンド プロンプトからそこに移動します。

mkdir whisper-quickstart; cd whisper-quickstart

このプロジェクトの仮想環境を作成してアクティブ化します。

python -m venv .venv
.venv\Scripts\activate

python3 -m venv .venv
source .venv/bin/activate

次のコマンドを使用して OpenAI Python クライアント ライブラリをインストールします。

pip install openai

pip install openai==0.28.1

Python アプリを作成する

1. quickstart.py という名前の新しいPython ファイルを作成>。 次に、任意のエディターまたは IDE で開きます。

2. quickstart.py の内容を次のコードに置き換えます。 コードを変更してデプロイ名を追加します。

    import os
    from openai import AzureOpenAI
        
    client = AzureOpenAI(
        api_key=os.getenv("AZURE_OPENAI_API_KEY"),  
        api_version="2024-02-01",
        azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT")
    )
    
    deployment_id = "YOUR-DEPLOYMENT-NAME-HERE" #This will correspond to the custom name you chose for your deployment when you deployed a model."
    audio_test_file = "./wikipediaOcelot.wav"
    
    result = client.audio.transcriptions.create(
        file=open(audio_test_file, "rb"),            
        model=deployment_id
    )
    
    print(result)

    import openai
    import time
    import os
    
    openai.api_key = os.getenv("AZURE_OPENAI_API_KEY")
    openai.api_base = os.getenv("AZURE_OPENAI_ENDPOINT")  # your endpoint should look like the following https://YOUR_RESOURCE_NAME.openai.azure.com/
    openai.api_type = "azure"
    openai.api_version = "2024-02-01"
    
    model_name = "whisper"
    deployment_id = "YOUR-DEPLOYMENT-NAME-HERE" #This will correspond to the custom name you chose for your deployment when you deployed a model."
    audio_language="en"
    
    audio_test_file = "./wikipediaOcelot.wav"
    
    result = openai.Audio.transcribe(
                file=open(audio_test_file, "rb"),            
                model=model_name,
                deployment_id=deployment_id
            )
    
    print(result)

クイック スタート ファイルで python コマンドを使用してアプリケーションを実行します。

python quickstart.py

出力を確認する

応答には、オーディオ ファイルの完全な文字起こしを含む text フィールドが含まれています。 次の例のような出力が表示されます。 エラーが発生した場合:

• デプロイメント名が完全に一致することを確認してください。
• オーディオ ファイルのパスが正しいことを確認する
• API キーとエンドポイントが有効であることを確認する

出力

{"text":"The ocelot, Lepardus paradalis, is a small wild cat native to the southwestern United States, Mexico, and Central and South America. This medium-sized cat is characterized by solid black spots and streaks on its coat, round ears, and white neck and undersides. It weighs between 8 and 15.5 kilograms, 18 and 34 pounds, and reaches 40 to 50 centimeters 16 to 20 inches at the shoulders. It was first described by Carl Linnaeus in 1758. Two subspecies are recognized, L. p. paradalis and L. p. mitis. Typically active during twilight and at night, the ocelot tends to be solitary and territorial. It is efficient at climbing, leaping, and swimming. It preys on small terrestrial mammals such as armadillo, opossum, and lagomorphs."}

前提 条件

• Azure サブスクリプション。 無料で 作成できます。
• サポートリージョンにデプロイされた音声テキスト変換モデルを含むAzure OpenAI リソース。 詳細については、「リソースを作成し、Azure OpenAIを使用してモデルをデプロイする」を参照してください。
• .NET 8.0 SDK

Microsoft Entra IDの前提条件

Microsoft Entra IDで推奨されるキーレス認証では、次の手順を実行する必要があります。

• Microsoft Entra IDでキーレス認証を行うために使用するAzure CLIをインストールします。
• Cognitive Services User ロールをユーザー アカウントに割り当てます。 Azure ポータルの Access コントロール (IAM)>ロールの割り当ての追加でロールを割り当てることができます。

セットアップ

1. whisper-quickstart新しいフォルダーを作成し、次のコマンドを使用してクイック スタート フォルダーに移動します。

   mkdir whisper-quickstart && cd whisper-quickstart
   

2. 次のコマンドを使用して、新しいコンソール アプリケーションを作成します。

   dotnet new console
   

3. openAI .NET クライアント ライブラリを dotnet add package コマンドでインストールします。

   dotnet add package Azure.AI.OpenAI
   

4. 推奨されるMicrosoft Entra IDを使用したキーレス認証の場合は、Azure.Identityパッケージをインストールします:

   dotnet add package Azure.Identity
   

5. recommended Microsoft Entra ID によるキーレス認証の場合は、次のコマンドを使用してAzureにサインインします。

   az login
   

リソース情報を取得する

Azure OpenAI リソースでアプリケーションを認証するには、次の情報を取得する必要があります。

クイック スタートを実行する

このクイック スタートのサンプル コードでは、推奨されるキーレス認証にMicrosoft Entra IDを使用します。 API キーを使用する場合は、 DefaultAzureCredential オブジェクトを AzureKeyCredential オブジェクトに置き換えることができます。

AzureOpenAIClient openAIClient = new AzureOpenAIClient(new Uri(endpoint), new DefaultAzureCredential()); 

AzureOpenAIClient openAIClient = new AzureOpenAIClient(new Uri(endpoint), new AzureKeyCredential(key));

クイック スタートを実行するには、次の手順に従います。

1. Program.csの内容を次のコードに置き換え、プレースホルダーの値を独自の値に更新します。

   using Azure;
   using Azure.AI.OpenAI;
   using Azure.Identity; // Required for Passwordless auth
   
   
   string deploymentName = "whisper";
   
   string endpoint = Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT") ?? "https://<your-resource-name>.openai.azure.com/";
   string key = Environment.GetEnvironmentVariable("AZURE_OPENAI_API_KEY") ?? "<your-key>";
   
   // Use the recommended keyless credential instead of the AzureKeyCredential credential.
   AzureOpenAIClient openAIClient = new AzureOpenAIClient(new Uri(endpoint), new DefaultAzureCredential()); 
   //AzureOpenAIClient openAIClient = new AzureOpenAIClient(new Uri(endpoint), new AzureKeyCredential(key));
   
   var audioFilePath = "<audio file path>"
   
   var audioClient = openAIClient.GetAudioClient(deploymentName);
   
   var result = await audioClient.TranscribeAudioAsync(audioFilePath);
   
   Console.WriteLine("Transcribed text:");
   foreach (var item in result.Value.Text)
   {
       Console.Write(item);
   }
   

2. dotnet run コマンドまたはVisual Studioの上部にある実行ボタンを使用して、アプリケーションを実行します。

   dotnet run
   

出力を確認する

文字起こしは、オーディオ ファイルの完全な文字起こしを含む Text プロパティを持つ応答を返します。 次の例のような出力が表示されます。 エラーが発生した場合:

• デプロイメント名が完全に一致することを確認してください。
• オーディオ ファイルのパスが正しいことを確認する
• API キーとエンドポイントが有効であることを確認する

出力

サンプル オーディオ ファイルを使用している場合は、コンソールに次のテキストが出力されます。

The ocelot, Lepardus paradalis, is a small wild cat native to the southwestern United States, 
Mexico, and Central and South America. This medium-sized cat is characterized by solid 
black spots and streaks on its coat, round ears...

ソース コード | パッケージ (npm) | サンプル

前提 条件

• Azure サブスクリプション - 無料で作成します
• Node.jsの LTS バージョン
• Azure CLIローカル開発環境でのパスワードレス認証に使用され、Azure CLIでサインインして必要なコンテキストを作成します。
• サポートリージョンにデプロイされた音声テキスト変換モデルを含むAzure OpenAI リソース。 詳細については、「リソースを作成し、Azure OpenAIを使用してモデルをデプロイする」を参照してください。

Microsoft Entra IDの前提条件

Microsoft Entra IDで推奨されるキーレス認証では、次の手順を実行する必要があります。

• Microsoft Entra IDでキーレス認証を行うために使用するAzure CLIをインストールします。
• Cognitive Services User ロールをユーザー アカウントに割り当てます。 Azure ポータルの Access コントロール (IAM)>ロールの割り当ての追加でロールを割り当てることができます。

セットアップ

1. synthesis-quickstart新しいフォルダーを作成し、次のコマンドを使用してクイック スタート フォルダーに移動します。

   mkdir synthesis-quickstart && cd synthesis-quickstart
   

2. 次のコマンドを使用して package.json を作成します。

   npm init -y
   

3. 次のコマンドを使用して、JavaScript 用の OpenAI クライアント ライブラリをインストールします。

   npm install openai
   

4. 推奨されるパスワードレス認証の場合:

   npm install @azure/identity
   

リソース情報を取得する

Azure OpenAI リソースでアプリケーションを認証するには、次の情報を取得する必要があります。

サンプル アプリケーションを作成する

wikipediaOcelot.wav などのサンプル オーディオ ファイルは、foundry Tools SDK リポジトリの Azure Speech GitHub から取得できます。

出力

{"text":"The ocelot, Lepardus paradalis, is a small wild cat native to the southwestern United States, Mexico, and Central and South America. This medium-sized cat is characterized by solid black spots and streaks on its coat, round ears, and white neck and undersides. It weighs between 8 and 15.5 kilograms, 18 and 34 pounds, and reaches 40 to 50 centimeters 16 to 20 inches at the shoulders. It was first described by Carl Linnaeus in 1758. Two subspecies are recognized, L. p. paradalis and L. p. mitis. Typically active during twilight and at night, the ocelot tends to be solitary and territorial. It is efficient at climbing, leaping, and swimming. It preys on small terrestrial mammals such as armadillo, opossum, and lagomorphs."}

ソース コード | パッケージ (npm) | サンプル

前提 条件

• Azure サブスクリプション - 無料で作成します
• Node.jsの LTS バージョン
• Typescript
• Azure CLIローカル開発環境でのパスワードレス認証に使用され、Azure CLIでサインインして必要なコンテキストを作成します。
• サポートリージョンにデプロイされた音声テキスト変換モデルを含むAzure OpenAI リソース。 詳細については、「リソースを作成し、Azure OpenAIを使用してモデルをデプロイする」を参照してください。

Microsoft Entra IDの前提条件

Microsoft Entra IDで推奨されるキーレス認証では、次の手順を実行する必要があります。

• Microsoft Entra IDでキーレス認証を行うために使用するAzure CLIをインストールします。
• Cognitive Services User ロールをユーザー アカウントに割り当てます。 Azure ポータルの Access コントロール (IAM)>ロールの割り当ての追加でロールを割り当てることができます。

セットアップ

1. whisper-quickstart新しいフォルダーを作成し、次のコマンドを使用してクイック スタート フォルダーに移動します。

   mkdir whisper-quickstart && cd whisper-quickstart
   

2. 次のコマンドを使用して package.json を作成します。

   npm init -y
   

3. 次のコマンドを使用して、 package.json を ECMAScript に更新します。

   npm pkg set type=module
   

4. 次のコマンドを使用して、JavaScript 用の OpenAI クライアント ライブラリをインストールします。

   npm install openai
   

5. 推奨されるパスワードレス認証の場合:

   npm install @azure/identity
   

リソース情報を取得する

Azure OpenAI リソースでアプリケーションを認証するには、次の情報を取得する必要があります。

サンプル アプリケーションを作成する

wikipediaOcelot.wav などのサンプル オーディオ ファイルは、foundry Tools SDK リポジトリの Azure Speech GitHub から取得できます。

出力

{"text":"The ocelot, Lepardus paradalis, is a small wild cat native to the southwestern United States, Mexico, and Central and South America. This medium-sized cat is characterized by solid black spots and streaks on its coat, round ears, and white neck and undersides. It weighs between 8 and 15.5 kilograms, 18 and 34 pounds, and reaches 40 to 50 centimeters 16 to 20 inches at the shoulders. It was first described by Carl Linnaeus in 1758. Two subspecies are recognized, L. p. paradalis and L. p. mitis. Typically active during twilight and at night, the ocelot tends to be solitary and territorial. It is efficient at climbing, leaping, and swimming. It preys on small terrestrial mammals such as armadillo, opossum, and lagomorphs."}

前提 条件

• Azure サブスクリプション - 無料で作成します
• 最新バージョンである PowerShell 7 または Windows PowerShell 5.1 を使用できます。
• サポートリージョンにデプロイされた音声テキスト変換モデルを含むAzure OpenAI リソース。 詳細については、「リソースを作成し、Azure OpenAIを使用してモデルをデプロイする」を参照してください。

セットアップ

キーとエンドポイントを取得する

Azure OpenAI に対して正常に呼び出すには、endpoint と key が必要です。

Azure ポータルでリソースに移動します。 エンドポイントとキーは、[リソース管理] セクションにあります。 API 呼び出しを認証するために両方が必要になるので、エンドポイントとアクセス キーをコピーします。 KEY1またはKEY2を使用できます。 常に 2 つのキーを使用すると、サービスの中断を引き起こさずに、キーを安全にローテーションおよび再生成できます。

環境変数

キーとエンドポイントの永続的な環境変数を作成して割り当てます。

setx AZURE_OPENAI_API_KEY "REPLACE_WITH_YOUR_KEY_VALUE_HERE" 

setx AZURE_OPENAI_ENDPOINT "REPLACE_WITH_YOUR_ENDPOINT_HERE" 

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_API_KEY', 'REPLACE_WITH_YOUR_KEY_VALUE_HERE', 'User')

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_ENDPOINT', 'REPLACE_WITH_YOUR_ENDPOINT_HERE', 'User')

echo export AZURE_OPENAI_API_KEY="REPLACE_WITH_YOUR_KEY_VALUE_HERE" >> /etc/environment && source /etc/environment

echo export AZURE_OPENAI_ENDPOINT="REPLACE_WITH_YOUR_ENDPOINT_HERE" >> /etc/environment && source /etc/environment

PowerShell アプリを作成する

次のコマンドを実行します。 YourDeploymentNameを、ささやきモデルのデプロイ時に選択したデプロイ名に置き換える必要があります。 デプロイ名は必ずしもモデル名と同じではありません。 基になるモデル名と同じデプロイ名を選択しない限り、モデル名を入力するとエラーが発生します。

# Azure OpenAI metadata variables
$openai = @{
    api_key     = $Env:AZURE_OPENAI_API_KEY
    api_base    = $Env:AZURE_OPENAI_ENDPOINT # your endpoint should look like the following https://YOUR_RESOURCE_NAME.openai.azure.com/
    api_version = '2024-02-01' # this may change in the future
    name        = 'YourDeploymentName' #This will correspond to the custom name you chose for your deployment when you deployed a model.
}

# Header for authentication
$headers = [ordered]@{
    'api-key' = $openai.api_key
}

$form = @{ file = get-item -path './wikipediaOcelot.wav' }

# Send a completion call to generate an answer
$url = "$($openai.api_base)/openai/deployments/$($openai.name)/audio/transcriptions?api-version=$($openai.api_version)"

$response = Invoke-RestMethod -Uri $url -Headers $headers -Form $form -Method Post -ContentType 'multipart/form-data'
return $response.text

wikipediaOcelot.wav などのサンプル オーディオ ファイルは、foundry Tools SDK リポジトリの Azure Speech GitHub から取得できます。

出力

The ocelot, Lepardus paradalis, is a small wild cat native to the southwestern United States, Mexico, and Central and South America. This medium-sized cat is characterized by solid black spots and streaks on its coat, round ears, and white neck and undersides. It weighs between 8 and 15.5 kilograms, 18 and 34 pounds, and reaches 40 to 50 centimeters 16 to 20 inches at the shoulders. It was first described by Carl Linnaeus in 1758. Two subspecies are recognized, L. p. paradalis and L. p. mitis. Typically active during twilight and at night, the ocelot tends to be solitary and territorial. It is efficient at climbing, leaping, and swimming. It preys on small terrestrial mammals such as armadillo, opossum, and lagomorphs.