你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站,请访问 https://docs.azure.cn。

VoiceAgentInputTranscription interface

输入音频转录设置,包括转录模型、自定义语音部署和短语提示。 当 model 时 ,转录仅支持级联文本模型对话(不支持实时语音转语音模型),需要非空项languageen-US ,如(支持逗号分隔位置),支持 custom_speech、 和 phrase_listprofanity_filter。azure-speech-streaming

属性

custom_speech

可选客户定制语音部署配置,按地点定位。

delay

控制模型等待多久后发送转录文本。 更高的数值可以提高转录准确性,但代价是延迟。 仅支持 gpt-realtime-whisper GA实时会话。

keywords

用词语或短语来指导输入音频的转录。 由 gpt-transcribe 和 gpt-live-transcribe支持 。

language

输入音频的语言。 以 ISO-639-1(例如 en)格式提供输入语言将提高准确性并减少延迟。 其他转录模型可选;当 是azure-speech-streaming必填且非空时必须是非空model的(例如en-US;支持逗号分隔的区域)。

languages

输入音频的可能语言,格式为 ISO-639-1 格式。 由 gpt-transcribe 和 gpt-live-transcribe支持 。

model

转录模型标识符。 配置客户定制语音部署。custom_speech azure-speech-streaming 仅用于级联文本模型对话(不适用于实时语音转语音模型),需要一个非空的函数 language , en-US 如(支持逗号分隔的区域),并且支持 custom_speech、、 phrase_list和 profanity_filter。

phrase_list

可选短语暗示对领域术语的认知有偏差。

profanity_filter

控制输入文字稿中脏话的处理方式。 仅支持托管的Azure语音(azure-speech和azure-speech-streaming),包括自定义语音。 在会话开始前设置该属性。 如果省略,转录服务商的默认规定将适用。 你不能在会话中更改模式。 过滤会影响转录事件和发送给级联模型的文本。 它不会改变输入音频、语音活动检测或助理语音;音频原生型号仍能接收原始音频。 即使你选择 unfiltered了,强制性服务掩蔽政策仍然适用。

prompt

可选文本,用于指导模型风格或延续之前的音频片段。 对于 whisper-1, 提示是关键字列表。 对于 gpt-4o-transcribe 模型(不包括 gpt-4o-transcribe-diarize),提示是一个自由文本字符串,例如“期望与技术相关的字词”。 在GA的实时会话中不支持 gpt-realtime-whisper 提示词。

属性详细信息

custom_speech

可选客户定制语音部署配置,按地点定位。

custom_speech?: Record<string, string>

属性值

Record<string, string>

delay

控制模型等待多久后发送转录文本。 更高的数值可以提高转录准确性,但代价是延迟。 仅支持 gpt-realtime-whisper GA实时会话。

delay?: "low" | "medium" | "high" | "xhigh" | "minimal"

属性值

"low" | "medium" | "high" | "xhigh" | "minimal"

keywords

用词语或短语来指导输入音频的转录。 由 gpt-transcribe 和 gpt-live-transcribe支持 。

keywords?: string[]

属性值

string[]

language

输入音频的语言。 以 ISO-639-1(例如 en)格式提供输入语言将提高准确性并减少延迟。 其他转录模型可选;当 是azure-speech-streaming必填且非空时必须是非空model的(例如en-US;支持逗号分隔的区域)。

language?: string

属性值

string

languages

输入音频的可能语言,格式为 ISO-639-1 格式。 由 gpt-transcribe 和 gpt-live-transcribe支持 。

languages?: string[]

属性值

string[]

model

转录模型标识符。 配置客户定制语音部署。custom_speech azure-speech-streaming 仅用于级联文本模型对话(不适用于实时语音转语音模型),需要一个非空的函数 language , en-US 如(支持逗号分隔的区域),并且支持 custom_speech、、 phrase_list和 profanity_filter。

model: VoiceAgentInputTranscriptionModel

属性值

phrase_list

可选短语暗示对领域术语的认知有偏差。

phrase_list?: string[]

属性值

string[]

profanity_filter

控制输入文字稿中脏话的处理方式。 仅支持托管的Azure语音(azure-speech和azure-speech-streaming),包括自定义语音。 在会话开始前设置该属性。 如果省略,转录服务商的默认规定将适用。 你不能在会话中更改模式。 过滤会影响转录事件和发送给级联模型的文本。 它不会改变输入音频、语音活动检测或助理语音;音频原生型号仍能接收原始音频。 即使你选择 unfiltered了,强制性服务掩蔽政策仍然适用。

profanity_filter?: VoiceAgentProfanityFilterMode

属性值

prompt

可选文本,用于指导模型风格或延续之前的音频片段。 对于 whisper-1, 提示是关键字列表。 对于 gpt-4o-transcribe 模型(不包括 gpt-4o-transcribe-diarize),提示是一个自由文本字符串,例如“期望与技术相关的字词”。 在GA的实时会话中不支持 gpt-realtime-whisper 提示词。

prompt?: string

属性值

string