Co to są urządzenia usługi Mowa?
Usługa mowy współpracuje z szeroką gamą urządzeń i źródeł dźwięku. Możesz użyć domyślnego przetwarzania dźwięku dostępnego na urządzeniu. W przeciwnym razie zestaw SPEECH SDK umożliwia korzystanie z naszych zaawansowanych algorytmów przetwarzania dźwięku, które są przeznaczone do dobrego współdziałania z usługą Rozpoznawanie mowy. Zapewnia dokładne rozpoznawanie mowy dalekiego pola za pośrednictwem tłumienia szumu, anulowania echa, wiązki i derberacji.
Przetwarzanie audio
Przetwarzanie audio to ulepszenia stosowane do strumienia dźwięku w celu poprawy jakości dźwięku. Przykłady typowych ulepszeń obejmują automatyczne sterowanie przyrostkiem (AGC), tłumienie szumu i anulowanie echa akustycznego (AEC). Zestaw SPEECH SDK integruje usługę Microsoft Audio Stack (MAS), umożliwiając dowolnej aplikacji lub produktowi korzystanie z funkcji przetwarzania dźwięku na wejściowym dźwięku.
Zalecenia dotyczące zestawu mikrofonów
Zestaw SPEECH SDK działa najlepiej z tablicą mikrofonów zaprojektowaną zgodnie z naszymi zalecanymi wytycznymi. Aby uzyskać szczegółowe informacje, zobacz Zalecenia dotyczące tablicy mikrofonów.
Zestawy deweloperskie urządzeń
Zestaw SDK usługi Mowa jest przeznaczony do pracy z specjalnie utworzonymi zestawami programistycznymi i różne konfiguracje macierzy mikrofonów. Możesz na przykład użyć jednego z tych zestawów deweloperskich platformy Azure.
- Zestaw DK platformy Azure Percept zawiera wstępnie skonfigurowany procesor audio i macierz liniową z czterema mikrofonami. Za pomocą usług Azure AI można używać poleceń głosowych, wyszukiwania słów kluczowych i mowy dalekiego pola.
- Zestaw Azure Kinect DK to zestaw deweloperów do przetwarzania przestrzennego z zaawansowanymi czujnikami sztucznej inteligencji, które zapewniają zaawansowane modele przetwarzania obrazów i mowy na platformie Azure. Jako małe urządzenie all-in-one z wieloma trybami, zawiera czujnik głębokości, macierz mikrofonu przestrzennego z kamerą wideo i czujnik orientacji.