Eseguire la migrazione del codice dalla versione 3.0 alla versione 3.1 dell'API REST

  • Articolo

L'API REST Riconoscimento vocale viene usata per la trascrizione batch e il riconoscimento vocale personalizzato. Le modifiche dalla versione 3.0 alla 3.1 sono descritte nelle sezioni seguenti.

Importante

L'API REST Riconoscimento vocale v3.2 è disponibile in anteprima. L'API REST Riconoscimento vocale v3.1 è disponibile a livello generale. L'API REST Riconoscimento vocale v3.0 verrà ritirata il 1° aprile 2026. Per altre informazioni, vedere le guide alla migrazione dell'API REST Riconoscimento vocale v3.0 a v3.1 e v3.1 alla versione 3.2 .

Percorso di base

È necessario aggiornare il percorso di base nel codice da /speechtotext/v3.0 a /speechtotext/v3.1. Ad esempio, per ottenere modelli di base nell'area eastus , usare https://eastus.api.cognitive.microsoft.com/speechtotext/v3.1/models/base anziché https://eastus.api.cognitive.microsoft.com/speechtotext/v3.0/models/base.

Si notino queste altre modifiche:

  • L'operazione /models/{id}/copyto (include '/') nella versione 3.0 viene sostituita dall'operazione /models/{id}:copyto (include ':') nella versione 3.1.
  • L'operazione /webhooks/{id}/ping (include '/') nella versione 3.0 viene sostituita dall'operazione /webhooks/{id}:ping (include ':') nella versione 3.1.
  • L'operazione /webhooks/{id}/test (include '/') nella versione 3.0 viene sostituita dall'operazione /webhooks/{id}:test (include ':') nella versione 3.1.

Per altre informazioni, vedere ID operazione più avanti in questa guida.

Trascrizione batch

Nota

Non usare Speech to text REST API v3.0 per recuperare una trascrizione creata tramite Riconoscimento vocale nell'API REST per il testo v3.1. Verrà visualizzato un messaggio di errore simile al seguente: "La versione dell'API non può essere usata per accedere a questa trascrizione. Usare l'API versione 3.1 o successiva."

Nell'operazione di Transcriptions_Create vengono aggiunte le tre proprietà seguenti:

  • La displayFormWordLevelTimestampsEnabled proprietà può essere utilizzata per abilitare la creazione di report di timestamp a livello di parola nella forma di visualizzazione dei risultati della trascrizione. I risultati vengono restituiti nella displayWords proprietà del file di trascrizione.
  • La diarization proprietà può essere usata per specificare i suggerimenti per il numero minimo e massimo di etichette voce da generare quando si esegue la diarizzazione facoltativa (separazione voce). Con questa funzionalità, il servizio è ora in grado di generare etichette voce per più di due altoparlanti. Per utilizzare questa proprietà, è necessario impostare anche la diarizationEnabled proprietà su true. Con l'API v3.1 è stato aumentato il numero di altoparlanti che possono essere identificati tramite la diarizzazione dai due altoparlanti supportati dall'API v3.0. È consigliabile mantenere il numero di altoparlanti inferiore a 30 per ottenere prestazioni migliori.
  • La languageIdentification proprietà può essere utilizzata specificare le impostazioni per l'identificazione della lingua nell'input prima della trascrizione. Per l'identificazione della lingua sono supportate fino a 10 impostazioni locali candidate. La trascrizione restituita include una nuova locale proprietà per la lingua riconosciuta o le impostazioni locali specificate.

La filter proprietà viene aggiunta alle operazioni di Transcriptions_List, Transcriptions_ListFiles e Projects_ListTranscriptions . L'espressione filter può essere usata per selezionare un subset delle risorse disponibili. È possibile filtrare in base displayNamea , descriptioncreatedDateTime, lastActionDateTime, status, e locale. Ad esempio: filter=createdDateTime gt 2022-02-01T11:00:00Z

Se si usa webhook per ricevere notifiche sullo stato di trascrizione, tenere presente che i webhook creati tramite l'API V3.0 non possono ricevere notifiche per le richieste di trascrizione V3.1. È necessario creare un nuovo endpoint webhook tramite l'API V3.1 per ricevere notifiche per le richieste di trascrizione V3.1.

Riconoscimento vocale personalizzato

Set di dati

Vengono aggiunte le operazioni seguenti per il caricamento e la gestione di più blocchi di dati per un set di dati:

  • Datasets_UploadBlock: caricare un blocco di dati per il set di dati. La dimensione massima del blocco è 8MiB.
  • Datasets_GetBlocks: ottenere l'elenco dei blocchi caricati per questo set di dati.
  • Datasets_CommitBlocks : eseguire il commit dell'elenco di blocchi per completare il caricamento del set di dati.

Per supportare l'adattamento del modello con testo strutturato nei dati markdown , l'operazione di Datasets_Create supporta ora il tipo di dati LanguageMarkdown . Per altre informazioni, vedere Caricare set di dati.

Modelli

Le operazioni Models_ListBaseModels e Models_GetBaseModel restituiscono informazioni sul tipo di adattamento supportato da ogni modello di base.

"features": {
    "supportsAdaptationsWith": [
        "Acoustic",
        "Language",
        "LanguageMarkdown",
        "Pronunciation"
    ]
}

L'operazione Models_Create ha una nuova customModelWeightPercent proprietà in cui è possibile specificare il peso usato quando il modello linguistico personalizzato (sottoposto a training da dati di testo normale o strutturato) viene combinato con il modello linguistico di base. I valori validi sono numeri interi compresi tra 1 e 100. Il valore predefinito è attualmente 30.

La filter proprietà viene aggiunta alle operazioni seguenti:

L'espressione filter può essere usata per selezionare un subset delle risorse disponibili. È possibile filtrare in base displayNamea , createdDateTimedescription, lastActionDateTime, status, locale, e kind. Ad esempio: filter=locale eq 'en-US'

Aggiunta dell'operazione Models_ListFiles per ottenere i file del modello identificati dall'ID specificato.

Aggiunta dell'operazione di Models_GetFile per ottenere un file specifico (identificato con fileId) da un modello (identificato con ID). In questo modo è possibile recuperare un file ModelReport che fornisce informazioni sui dati elaborati durante il training.

ID operazione

È necessario aggiornare il percorso di base nel codice da /speechtotext/v3.0 a /speechtotext/v3.1. Ad esempio, per ottenere modelli di base nell'area eastus , usare https://eastus.api.cognitive.microsoft.com/speechtotext/v3.1/models/base anziché https://eastus.api.cognitive.microsoft.com/speechtotext/v3.0/models/base.

Il nome di ogni operationId oggetto nella versione 3.1 è preceduto dal nome dell'oggetto. Ad esempio, per operationId "Crea modello" è stato modificato da CreateModel nella versione 3.0 a Models_Create nella versione 3.1.

L'operazione /models/{id}/copyto (include '/') nella versione 3.0 viene sostituita dall'operazione /models/{id}:copyto (include ':') nella versione 3.1.

L'operazione /webhooks/{id}/ping (include '/') nella versione 3.0 viene sostituita dall'operazione /webhooks/{id}:ping (include ':') nella versione 3.1.

L'operazione /webhooks/{id}/test (include '/') nella versione 3.0 viene sostituita dall'operazione /webhooks/{id}:test (include ':') nella versione 3.1.

Passaggi successivi