分类:  Azure认知服务    ◆ 标签:  #Azure   #人工智能   #语音服务   #语音转文本   #文本转语音   ◆ 发布于: 2023-06-05 15:16:45

Azure语音服务(Azure Speech Service)目前归类于Azure认知服务(Azure Cognitive Service), 是基于Azure AI技术面向普通公众开发的一项Azure服务。由于Azure的开发日新月异，基于到本文，目前Azure的语音服务主要向用户提供Azure 语音CLI、Azure语音服务SDK、语音设备SDK, 以及rest api方便大家对于基于语音的应用场景进行具体的业务开发。下述列表简单的介绍了Azure Speech 服务提供的主要功能：

快速创建Azure Speech 服务

如果你还没有Azure账号，你可以参考我们之前的文章创建一个免费的Azure账号，用于测试。取得了账号之后，登录到Azure的Portal: Azure Global或者Azure China, 登录之后，使用左侧的菜单Create a resource, 如图

在出现的marketplace中搜索speech ，如下图:

选择Speech 服务。
按照提示填入必要的信息之后，选择Create按钮创建Speech Service:

等候创建成功之后，按照提示点击Go to Resrouce， 进入Speech Service的主界面:

选择Keys and Endpoint 记录下信息： Keys、Endpoint、Region 等重要信息, 下面我们会使用相应的信息使用Speech Cli测试Azure语音服务。

使用Azure Speech Cli测试Azure语音服务

Azure Speech Cli工具步仅仅是一个简单的用于测试的工具，实际上Azure Speech Cli工具的设计目的也可以随时投入的生产当中，也是Azure语音服务提供的工具之一，Azure Speech Cli的工具主要提供以下的核心功能:

• 语音识别: 语音转文本，或者转录
• 语音合成: 使用标准的模型或者神经网络模型对文本(或者基于SSML的配置)进行语音转换。
• 语音翻译: 将源语音翻译成目标的文本或者语音。
• 在Azure计算资源上运行: spx webjob在远程计算资源上运行Speech cli命令。

安装Azure Speech Cli

Azure Speech Cli支持多种平台，基础平台明确支持Windows和Linux, 但是也可以通过Docker支持Windows, Linux, MacOs甚至是WSL

Windows上的安装

Windows上安装Speech Cli需要先安装.net Core的3.1版本以上，安装了.net core之后， 在windows上打开命令行工具，使用如下的命令来安装Azure Speech cli工具

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

Linux上的安装

Linux上Cli 目前支持如下的操作系统:

• CentOS 7/8
• Debian 9/10
• Red Hat Enterprice Linux (RHEL) 7/8
• Ubuntu 16.04 / 18.04 / 20.04

先需要安装.Net Core 版本3.1以上，如何安装.Net Core, 请参考文档安装dotnet core
安装之后.Net Core之后，使用如下的命令安装Speech Cli：

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

配置Speech Cli

安装完了之后，我们需要先配置Speech Cli。我们之前在创建speech服务时记录下了keys和region 然后我们使用如下的命令进行配置

spx config @key --set `keys`
spx config @region --set REGION

配置成功后，可以使用spx显示所有可以支持的命令，如果要查询某个命令的用法，可以使用如下的格式:spx help COMMAND, 例如:

spx help recognize

语音转文本

SPX使用系统缺省的麦克风进行语音输入，从而转为文本，例如：

spx recognize --microphone

没有指定语言的情况下，默认为英语，如果需要指定语言，例如中文，则使用--language选项：

spx recognize --microphone --language zh-CN

结果如下：

除了麦克风之外，可以从文件中读取，并进行语音转文本，使用如下命令：

spx recognize --file /path/to/file.wav

文本转语音

如果想使用spx将指定的文本转为语音，那么可以使用如下的命令来尝试:

spx synthesize --text "Testing synthesis using the Speech CLI" --speakers

文本转语音可以使用两种语音模型，一种是标准语音模型，另外一种是以神经网络模型的语音，根据Azure的官方文档，2021年1月之后，默认就是使用的神经网络语音。同时默认的情况下是使用英语，如果想使用其他的语音，则可以使用参数--voice指定需要的语言，例如:

spx synthesize --text "通过Azure语音服务CLI，测试Azure语音服务的文本转语音" --speakers

该测试会将转换后的语音通过电脑的扬声器播放，如果你想将转换后的语音另存为文件，可以使用如下的方式:

synthesize --text "通过Azure语音服务CLI，测试Azure语音服务的文本转语音"  --audio output my-sample.wav --voice zh-CN-XiaoxiaoNeural

运行结果如下:

语音到文本的转换

语音到文本的转换和语音转文本的区别在于，可以将指定语言的语音转换为另一种语言的文本，如下图：

spx translate --microphone --source zh-CN --target en-Us 

运行结果如下：

还可以转换为多种语言的文本，例如:

spx translate --microphone --source zh-CN --target en-Us:ru-RU;fr-FR;es-ES

运行结果如下: