microsoft-cognitiveservices-speech-sdk package

Definiuje zawartość odebranego komunikatu/zdarzeń.

Reprezentuje konfigurację danych wejściowych audio służącą do określania typu danych wejściowych do użycia (mikrofon, plik, strumień).

Reprezentuje strumień wejściowy audio używany do niestandardowych konfiguracji wejściowych audio.

Reprezentuje strumień wyjściowy audio używany do niestandardowych konfiguracji wyjściowych audio.

Reprezentuje format strumienia audio używany na potrzeby niestandardowych konfiguracji wejściowych audio.

Automatyczna konfiguracja wykrywania języka.

Format danych wyjściowych

Definiuje konfigurację awatara rozmowy.

Definiuje zawartość do mówienia zdarzeń awatara.

Definiuje syntetyzator awatara.

Definiuje format wideo wyjściowego awatara.

Definiuje wynik połączenia awatara WebRTC.

Podstawowa klasa odtwarzacza audio TODO: odtwarza tylko PCM na razie.

Klasa, która definiuje konfiguracje obiektu łącznika usługi dialogowej na potrzeby używania zaplecza platformy Bot Framework.

Zawiera szczegółowe informacje o tym, dlaczego wynik został anulowany.

Zawiera szczegółowe informacje o tym, dlaczego wynik został anulowany.

Połączenie to klasa serwera proxy do zarządzania połączeniem z usługą rozpoznawania mowy określonego rozpoznawania. Domyślnie rozpoznawanie autonomiczne zarządza połączeniem z usługą w razie potrzeby. Klasa Połączenie udostępnia dodatkowe metody umożliwiające użytkownikom jawne otwieranie lub zamykanie połączenia oraz subskrybowanie zmian stanu połączenia. Użycie połączenia jest opcjonalne i dotyczy głównie scenariuszy, w których wymagane jest precyzyjne dostrajanie zachowania aplikacji na podstawie stanu połączenia. Użytkownicy mogą opcjonalnie wywołać metodę Open(), aby ręcznie skonfigurować połączenie z wyprzedzeniem przed rozpoczęciem rozpoznawania w rozpoznawaniu skojarzonym z tym połączeniem. Jeśli narzędzie rozpoznawania musi nawiązać połączenie z usługą lub je rozłączyć, skonfiguruje lub niezależnie zamknij połączenie. W takim przypadku połączenie zostanie powiadomione przez zmianę stanu połączenia za pośrednictwem zdarzeń Połączony/Rozłączony. Dodano element w wersji 1.2.1.

Definiuje ładunek dla zdarzeń połączenia, takich jak Połączone/Rozłączone. Dodano w wersji 1.2.0

ConnectionMessage reprezentuje komunikaty specyficzne dla implementacji wysyłane do usługi rozpoznawania mowy i odbierane z tej usługi. Te komunikaty są udostępniane do celów debugowania i nie powinny być używane w przypadku przypadków użycia w środowisku produkcyjnym w usłudze Mowa w usługach Azure Cognitive Services. Komunikaty wysyłane do usługi rozpoznawania mowy i odbierane z tej usługi mogą ulec zmianie bez powiadomienia. Obejmuje to zawartość wiadomości, nagłówki, ładunki, kolejność itp. Dodano element w wersji 1.11.0.

Definiuje zawartość zdarzeń sesji, takich jak SessionStarted/Stopped, SoundStarted/Stopped.

Definiuje zawartość zdarzeń sesji, takich jak SessionStarted/Stopped, SoundStarted/Stopped.

Wykonuje rozpoznawanie mowy z separacją osoby mówiącej z mikrofonu, pliku lub innych strumieni wejściowych audio i pobiera transkrypcję tekstu w wyniku.

Definiuje zawartość elementu RecognitionErrorEvent.

Definiuje zawartość transkrypcji/transkrypcji zdarzenia konwersacji.

Definiuje wynik transkrypcji konwersacji.

Definiuje ładunek dla zdarzeń sesji, takich jak rozpoczęcie/zakończenie mowy wykryte

Wynik tłumaczenia tekstu.

Dołącz, pozostaw lub połącz się z konwersacją.

Definiuje współrzędną w przestrzeni 2D.

Klasa, która definiuje konfiguracje obiektu łącznika usługi dialogowej do używania zaplecza CustomCommands.

Definiuje interfejs API diagnostyki do zarządzania danymi wyjściowymi konsoli Dodany w wersji 1.21.0

Klasa, która definiuje podstawowe konfiguracje łącznika usługi dialogowej

Łącznik usługi dialogowej

Reprezentuje model rozpoznawania słów kluczowych do rozpoznawania, gdy użytkownik mówi słowo kluczowe, aby zainicjować dalsze rozpoznawanie mowy.

Definiuje zawartość obiektu MeetingTranscriptionCanceledEvent.

Definiuje zawartość zdarzenia transkrypcji/transkrypcji spotkania.

Zawiera szczegółowe informacje dotyczące wyników rozpoznawania NoMatch.

Reprezentuje uczestnika konwersacji. Dodano w wersji 1.4.0

Umożliwia dodawanie nowych fraz w celu poprawy rozpoznawania mowy.

Frazy dodane do rozpoznawania są skuteczne na początku następnego rozpoznawania lub przy następnym połączeniu zestawu SpeechSDK z usługą rozpoznawania mowy.

Konfiguracja oceny wymowy.

Wyniki oceny wymowy.

Reprezentuje kolekcję właściwości i ich wartości.

Reprezentuje strumień wejściowy audio używany do niestandardowych konfiguracji wejściowych audio.

Abstrakcyjna klasa bazowa, która definiuje metody wywołania zwrotnego (read() i close()) dla niestandardowych strumieni wejściowych audio).

Reprezentuje strumień wyjściowy wypychania audio oparty na pamięci używany na potrzeby niestandardowych konfiguracji danych wyjściowych audio.

Reprezentuje strumień danych wejściowych audio wypychanych opartych na pamięci używany na potrzeby niestandardowych konfiguracji danych wejściowych audio.

Reprezentuje strumień wyjściowy audio używany do niestandardowych konfiguracji wyjściowych audio.

Abstrakcyjna klasa bazowa, która definiuje metody wywołania zwrotnego (write() i close()) dla niestandardowych strumieni wyjściowych audio).

Definiuje ładunek dla zdarzeń sesji, takich jak rozpoczęcie/zakończenie mowy wykryte

Definiuje wynik rozpoznawania mowy.

Definiuje rozpoznawanie klasy bazowej, która zawiera głównie typowe programy obsługi zdarzeń.

Definiuje ładunek dla dowolnego zdarzenia komunikatu usługi Dodane w wersji 1.9.0

Definiuje zawartość zdarzeń sesji, takich jak SessionStarted/Stopped, SoundStarted/Stopped.

Konfiguracja języka źródłowego.

Reprezentuje miejsce docelowe odtwarzania dźwięku osoby mówiącej, które działa tylko w przeglądarce. Uwaga: zestaw SDK spróbuje użyć rozszerzenia źródła multimediów do odtwarzania dźwięku. Format Mp3 ma lepszą obsługę w przeglądarkach Microsoft Edge, Chrome i Safari (komputery), dlatego lepiej jest określić format mp3 na potrzeby odtwarzania.

Konfiguracja mowy.

Definiuje zawartość zdarzenia rozpoznawania/rozpoznawania mowy.

Definiuje wynik rozpoznawania mowy.

Wykonuje rozpoznawanie mowy z mikrofonu, pliku lub innych strumieni wejściowych audio i pobiera transkrypcję tekstu w wyniku.

Definiuje zawartość zdarzenia zakładki syntezy mowy.

Definiuje zawartość zdarzeń syntezy mowy.

Definiuje wynik syntezy mowy.

Definiuje zawartość zdarzenia syntezy mowy.

Definiuje zawartość zdarzenia granicy słowa syntezy mowy.

Definiuje klasę SpeechSynthesizer dla zamiany tekstu na mowę. Zaktualizowano w wersji 1.16.0

Konfiguracja tłumaczenia mowy.

Klasa bazowa na potrzeby wyników syntezy

Definiuje wynik syntezy mowy.

Zdefiniuj ładunek anulowanych zdarzeń wyników rozpoznawania mowy.

Argumenty zdarzeń wyniku tłumaczenia tekstu.

Wynik tłumaczenia tekstu.

Rozpoznawanie tłumaczeń

Argumenty zdarzeń syntezy tłumaczenia

Definiuje wynik syntezy tłumaczenia, tj. dane wyjściowe głosu przetłumaczonego tekstu w języku docelowym.

Reprezentuje kolekcję parametrów i ich wartości.

Definiuje zawartość odebranego komunikatu/zdarzeń.

Informacje o głosie syntezy mowy Dodane w wersji 1.20.0.

Reprezentuje uczestnika konwersacji. Dodano w wersji 1.4.0

Reprezentuje interfejs odtwarzacza audio do sterowania odtwarzaniem dźwięku, takich jak wstrzymywanie, wznawianie itp.

Definiuje kod błędu w przypadku, gdy wartość CancellationReason to Błąd. Dodano element w wersji 1.1.0.

Definiuje możliwe przyczyny anulowania wyniku rozpoznawania.

Tryb identyfikacji języka

Definiuje możliwe przyczyny, dla których wynik rozpoznawania może nie zostać rozpoznany.

Zdefiniuj formaty danych wyjściowych rozpoznawania mowy.

Opcja wulgaryzmów. Dodano element w wersji 1.7.0.

Definiuje system punktów do kalibracji wyniku wymowy; wartość domyślna to FivePoint. Dodano w wersji 1.15.0

Definiuje stopień szczegółowości oceny wymowy; wartość domyślna to Phoneme. Dodano w wersji 1.15.0

Definiuje identyfikatory właściwości mowy.

Definiuje możliwe przyczyny wygenerowania wyniku rozpoznawania.

Definiuje kanały używane do przekazywania ustawień właściwości do usługi. Dodano element w wersji 1.7.0.

Definiuje typ granicy granicy mowy.

Zdefiniuj formaty danych wyjściowych syntezy mowy. SpeechSynthesisOutputFormat zaktualizowano w wersji 1.17.0

Określa płeć głosów syntezy. Dodano element w wersji 1.20.0.