如何通过 API 或 SDK 创建 Microsoft 自定义语音答案

【问题标题】：How to create a Microsoft custom voice through the API or SDK如何通过 API 或 SDK 创建 Microsoft 自定义语音
【发布时间】：2020-04-03 21:07:42
【问题描述】：

我正在评估 Microsoft Custom Voice 作为潜在供应商，并想知道如何通过 API 或 SDK 以编程方式创建和训练自定义语音。

经过广泛搜索，我只找到了说明如何通过他们的自定义语音门户创建自定义语音的文档。此页面中有一行提示自定义语音训练 API。

以下是该段落和该文档页面的链接。

您能否帮我弄清楚如何执行此操作或确认不存在此类 API？

准备好数据后，您就可以开始将它们上传到自定义语音门户，或通过自定义语音培训 API。

【问题讨论】：

【解决方案1】：

我猜乔治的回答是不相关的，因为你是专门谈论“自定义”语音/语音。

API 链接

这部分有 API，但文档不清楚，你是对的。您可以在 https://westus.cris.ai/swagger/ui/index 找到 API 和可用操作。请注意，它在多个地区退出，例如西欧是https://westeurope.cris.ai/swagger/ui

目前，此页面指向 Speech 2.0 API，但看起来 Microsoft 即将推出 3.0。如您所见，如果您查看来自 Speech 门户 (link) 的网络调用，他们实际上已经在使用这个 3.0 api（预览版）：

您可以通过门户查看该过程并检查 API 端调用的内容。

以下是该过程的概述：

使用/datasets/upload 操作为模型训练创建数据集
成功处理数据集后，使用对/models 的POST 请求创建模型（参见操作here）。此 POST 正文中有几个细节：基本模型、使用的训练数据集等。正是此操作将训练您的模型，您无需再次调用即可开始训练
一旦训练完成（您可以使用/models 上的GET 或使用/models/yourModelId 的模型ID 的特定GET 检查状态），您可以“部署”它。为此，您必须基于此模型创建一个端点：它是对/endpointss 的 POST（参见操作here）
然后您可以通过在 /endpoints 上调用 GET 或通过 ID 获取 GET 来监控部署状态，例如模型

【讨论】：

哪个端点将用于从上传的数据集中下载“语音数据”或“成绩单”？如果我上传很长的音频并且可能想要下载生成的话语及其转录本？非常感谢。
“生成的话语及其转录本”是什么意思？如果这是您想要的，它不会自动拆分和转录您的音频
感谢 Nicolas 的回复，使用 MS Speech Portal 时，它会自动将长音频拆分为小话语，并在我们上传长音频 + 转录时返回其相应的转录，这是 Speech Portal 的描述 - “A长的、未分段的音频文件（.wav 或 .mp3，超过 20 秒）的集合 (.zip)，与包含所有口语单词的脚本 (.txt) 配对。"
处理后，我们可以选择下载带有损坏转录的话语，我至少使用了 10-15 次，但我在想这个过程是否可以使用他们的 API 自动化，无论如何谢谢对于招摇的网址，我希望我能在那里找到一些东西，干杯！

【解决方案2】：

如果你只是想获取API和SDK，它们都在文档中。

这里是Text-to-speech rest api，如果你想要这个sdk，你可以去这个文档：About the Speech SDK。

关于如何创建自定义语音，需要一个 Azure 帐户和一个语音服务订阅，更多信息，你可以参考这个文档：Get started with Custom Voice。

【讨论】：

感谢您的回答。我正在寻找专门用于创建语音、向其上传音频以及以编程方式触发培训作业的方法。我不想通过自定义语音门户。我只能找到有关如何在创建语音后从语音中生成音频剪辑的文档。
文档中没有太多样例，如果需要样例可以参考这个github项目。github.com/Azure-Samples/cognitive-services-speech-sdk