在您想要新專案的位置開啟命令提示字元，並使用 .NET CLI 建立主控台應用程式。 建議您在專案目錄中建立 Program.cs 檔案。

dotnet new console
使用 .NET CLI 在新專案中安裝語音 SDK。
dotnet add package Microsoft.CognitiveServices.Speech
以下列程式碼取代 Program.cs 的內容。
using Microsoft.CognitiveServices.Speech;
using Microsoft.CognitiveServices.Speech.Audio;
using Microsoft.CognitiveServices.Speech.Transcription;
class Program 
    // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
    static string speechKey = Environment.GetEnvironmentVariable("SPEECH_KEY");
    static string speechRegion = Environment.GetEnvironmentVariable("SPEECH_REGION");
    async static Task Main(string[] args)
        var filepath = "katiesteve.wav";
        var speechConfig = SpeechConfig.FromSubscription(speechKey, speechRegion);        
        speechConfig.SpeechRecognitionLanguage = "en-US";
        var stopRecognition = new TaskCompletionSource<int>(TaskCreationOptions.RunContinuationsAsynchronously);
        // Create an audio stream from a wav file or from the default microphone
        using (var audioConfig = AudioConfig.FromWavFileInput(filepath))
            // Create a conversation transcriber using audio stream input
            using (var conversationTranscriber = new ConversationTranscriber(speechConfig, audioConfig))
                conversationTranscriber.Transcribing += (s, e) =>
                    Console.WriteLine($"TRANSCRIBING: Text={e.Result.Text}");
                conversationTranscriber.Transcribed += (s, e) =>
                    if (e.Result.Reason == ResultReason.RecognizedSpeech)
                        Console.WriteLine($"TRANSCRIBED: Text={e.Result.Text} Speaker ID={e.Result.SpeakerId}");
                    else if (e.Result.Reason == ResultReason.NoMatch)
                        Console.WriteLine($"NOMATCH: Speech could not be transcribed.");
                conversationTranscriber.Canceled += (s, e) =>
                    Console.WriteLine($"CANCELED: Reason={e.Reason}");
                    if (e.Reason == CancellationReason.Error)
                        Console.WriteLine($"CANCELED: ErrorCode={e.ErrorCode}");
                        Console.WriteLine($"CANCELED: ErrorDetails={e.ErrorDetails}");
                        Console.WriteLine($"CANCELED: Did you set the speech resource key and region values?");
                        stopRecognition.TrySetResult(0);
                    stopRecognition.TrySetResult(0);
                conversationTranscriber.SessionStopped += (s, e) =>
                    Console.WriteLine("\n    Session stopped event.");
                    stopRecognition.TrySetResult(0);
                await conversationTranscriber.StartTranscribingAsync();
                // Waits for completion. Use Task.WaitAny to keep the task rooted.
                Task.WaitAny(new[] { stopRecognition.Task });
                await conversationTranscriber.StopTranscribingAsync();
將 取代 katiesteve.wav 為您檔案的 .wav filepath 和檔案名。 本快速入門的目的是要辨識來自交談中多個參與者的語音。 您的音訊檔案應該包含多個喇叭。 例如，您可以使用 GitHub 上語音 SDK 範例存放庫中提供的 範例音訊檔案 。
此服務會以至少 7 秒的連續音訊從單一喇叭執行。 這可讓系統正確區分說話者。 否則，說話者識別碼會傳回為 Unknown 。
若要變更語音辨識語言，請以另一種支援的語言取代 en-US。 例如，es-ES 代表西班牙文 (西班牙)。 如果您未指定語言，則預設語言為 en-US。 如需詳細了解如何識別所可能說出的多種語言之一，請參閱語言識別。
執行新的主控台應用程式以開始交談轉譯：
dotnet run
確保您已如上所述設定 SPEECH_KEY 和 SPEECH_REGION 環境變數。 如果您未設定這些變數，則範例將會失敗，並顯示錯誤訊息。
轉譯的交談應輸出為文字：
TRANSCRIBED: Text=Good morning, Steve. Speaker ID=Unknown
TRANSCRIBED: Text=Good morning. Katie. Speaker ID=Unknown
TRANSCRIBED: Text=Have you tried the latest real time diarization in Microsoft Speech Service which can tell you who said what in real time? Speaker ID=Guest-1
TRANSCRIBED: Text=Not yet. I've been using the batch transcription with diarization functionality, but it produces diarization result until whole audio get processed. Speaker ID=Guest-2
TRANSRIBED: Text=Is the new feature can diarize in real time? Speaker ID=Guest-2
TRANSCRIBED: Text=Absolutely. Speaker ID=GUEST-1
TRANSCRIBED: Text=That's exciting. Let me try it right now. Speaker ID=GUEST-2
CANCELED: Reason=EndOfStream
說話者會根據交談中的說話者數目，識別為 Guest-1、Guest-2 等等。
您可以使用 Azure 入口網站或 Azure 命令列介面 (CLI) 來移除您所建立的語音資源。
參考文件 | 套件 (NuGet) | GitHub 上的其他範例
在本快速入門中，您會使用即時 diarization 執行語音轉換文字轉譯的應用程式。 在這裡，diarization 會區分參與交談的不同說話者。 語音服務提供有關說話者在轉譯語音中特定部分說話的相關資訊。
即時 diarization 目前處於公開預覽狀態。
說話者資訊包含在說話者識別碼欄位中的結果中。 說話者識別碼是服務在辨識期間，由服務指派給每個交談參與者的一般識別碼，因為會從提供的音訊內容識別不同的說話者。
您可以在 Speech Studio 中嘗試即時語音轉換文字，而不需註冊或撰寫任何程式碼。 不過，Speech Studio 尚不支援 diarization。
Azure 訂用帳戶 - 建立免費帳戶。
              在 Azure 入口網站中建立語音資源。
您的語音資源金鑰和區域。 部署語音資源之後，選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊，請參閱取得資源的金鑰。
語音 SDK 可以 NuGet 套件的形式取得，並且實作 .NET Standard 2.0。 您會在本指南的後續部分中安裝語音 SDK，但請先參閱 SDK 安裝指南，了解其他需求。
設定環境變數
您的應用程式必須經過驗證，才能存取 Azure AI 服務資源。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 例如，取得語音資源的 金鑰 之後，請將它寫入執行應用程式的本機電腦上新的環境變數。
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項，請參閱Azure AI 服務安全性，例如Azure 金鑰保存庫。
若要設定語音資源索引碼的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
若要設定 SPEECH_KEY 環境變數，請將 您的金鑰 取代為資源的其中一個金鑰。
若要設定 SPEECH_REGION 環境變數，請將 您的區域 取代為資源的其中一個區域。
新增環境變數之後，請從主控台視窗執行 source ~/.bash_profile，讓變更生效。
Xcode
如果是 iOS 或 macOS 開發，請在 Xcode 中設定環境變數。 例如，遵循下列步驟，在 Xcode 13.4.1 中設定環境變數。
選取[產品>配置編輯配置> ]。
在 [執行 (偵錯執行) ] 頁面上選取[引數]。
在 [環境變數] 下，選取加號 (+)，以新增環境變數。
針對 [名稱] 輸入 SPEECH_KEY，然後針對 [值] 輸入您的語音資源索引碼。
若要設定語音資源區域的環境變數，請遵循相同的步驟。 將 SPEECH_REGION 設為資源的區域。 例如： westus 。
如需更多組態選項，請參閱 Xcode 檔。
使用交談轉譯從檔案進行 Diarization
請遵循下列步驟來建立新的主控台應用程式並安裝語音 SDK。
在名為 ConversationTranscription 的 Visual Studio Community 2022 中建立新的 C++ 主控台專案。
使用 NuGet 套件管理員在新專案中安裝語音 SDK。
Install-Package Microsoft.CognitiveServices.Speech
以下列程式碼取代 ConversationTranscription.cpp 的內容：
#include <iostream> 
#include <stdlib.h>
#include <speechapi_cxx.h>
#include <future>
using namespace Microsoft::CognitiveServices::Speech;
using namespace Microsoft::CognitiveServices::Speech::Audio;
using namespace Microsoft::CognitiveServices::Speech::Transcription;
std::string GetEnvironmentVariable(const char* name);
int main()
    // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
    auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
    auto speechRegion = GetEnvironmentVariable("SPEECH_REGION");
    if ((size(speechKey) == 0) || (size(speechRegion) == 0)) {
        std::cout << "Please set both SPEECH_KEY and SPEECH_REGION environment variables." << std::endl;
        return -1;
    auto speechConfig = SpeechConfig::FromSubscription(speechKey, speechRegion);
    speechConfig->SetSpeechRecognitionLanguage("en-US");
    auto audioConfig = AudioConfig::FromWavFileInput("katiesteve.wav");
    auto conversationTranscriber = ConversationTranscriber::FromConfig(speechConfig, audioConfig);
    // promise for synchronization of recognition end.
    std::promise<void> recognitionEnd;
    // Subscribes to events.
    conversationTranscriber->Transcribing.Connect([](const SpeechRecognitionEventArgs& e)
            std::cout << "TRANSCRIBING:" << e.Result->Text << std::endl;
    conversationTranscriber->Transcribed.Connect([](const SpeechRecognitionEventArgs& e)
            if (e.Result->Reason == ResultReason::RecognizedSpeech)
                std::cout << "TRANSCRIBED: Text=" << e.Result->Text << std::endl;
                std::cout << "Speaker ID=" << e.Result->SpeakerId << std::endl;
            else if (e.Result->Reason == ResultReason::NoMatch)
                std::cout << "NOMATCH: Speech could not be transcribed." << std::endl;
    conversationTranscriber->Canceled.Connect([&recognitionEnd](const SpeechRecognitionCanceledEventArgs& e)
            auto cancellation = CancellationDetails::FromResult(e.Result);
            std::cout << "CANCELED: Reason=" << (int)cancellation->Reason << std::endl;
            if (cancellation->Reason == CancellationReason::Error)
                std::cout << "CANCELED: ErrorCode=" << (int)cancellation->ErrorCode << std::endl;
                std::cout << "CANCELED: ErrorDetails=" << cancellation->ErrorDetails << std::endl;
                std::cout << "CANCELED: Did you set the speech resource key and region values?" << std::endl;
            else if (cancellation->Reason == CancellationReason::EndOfStream)
                std::cout << "CANCELED: Reach the end of the file." << std::endl;
    conversationTranscriber->SessionStopped.Connect([&recognitionEnd](const SessionEventArgs& e)
            std::cout << "Session stopped.";
            recognitionEnd.set_value(); // Notify to stop recognition.
    conversationTranscriber->StartTranscribingAsync().wait();
    // Waits for recognition end.
    recognitionEnd.get_future().wait();
    conversationTranscriber->StopTranscribingAsync().wait();
std::string GetEnvironmentVariable(const char* name)
#if defined(_MSC_VER)
    size_t requiredSize = 0;
    (void)getenv_s(&requiredSize, nullptr, 0, name);
    if (requiredSize == 0)
        return "";
    auto buffer = std::make_unique<char[]>(requiredSize);
    (void)getenv_s(&requiredSize, buffer.get(), requiredSize, name);
    return buffer.get();
#else
    auto value = getenv(name);
    return value ? value : "";
#endif
將 取代 katiesteve.wav 為您檔案的 .wav filepath 和檔案名。 本快速入門的目的是要辨識來自交談中多個參與者的語音。 您的音訊檔案應該包含多個喇叭。 例如，您可以使用 GitHub 上語音 SDK 範例存放庫中提供的 範例音訊檔案 。
此服務會以至少 7 秒的連續音訊從單一喇叭執行。 這可讓系統正確區分說話者。 否則，說話者識別碼會傳回為 Unknown 。
若要變更語音辨識語言，請以另一種支援的語言取代 en-US。 例如，es-ES 代表西班牙文 (西班牙)。 如果您未指定語言，則預設語言為 en-US。 如需詳細了解如何識別所可能說出的多種語言之一，請參閱語言識別。
建置並執行 您的應用程式以開始交談轉譯：
確保您已如上所述設定 SPEECH_KEY 和 SPEECH_REGION 環境變數。 如果您未設定這些變數，則範例將會失敗，並顯示錯誤訊息。
轉譯的交談應輸出為文字：
TRANSCRIBED: Text=Good morning, Steve. Speaker ID=Unknown
TRANSCRIBED: Text=Good morning. Katie. Speaker ID=Unknown
TRANSCRIBED: Text=Have you tried the latest real time diarization in Microsoft Speech Service which can tell you who said what in real time? Speaker ID=Guest-1
TRANSCRIBED: Text=Not yet. I've been using the batch transcription with diarization functionality, but it produces diarization result until whole audio get processed. Speaker ID=Guest-2
TRANSRIBED: Text=Is the new feature can diarize in real time? Speaker ID=Guest-2
TRANSCRIBED: Text=Absolutely. Speaker ID=GUEST-1
TRANSCRIBED: Text=That's exciting. Let me try it right now. Speaker ID=GUEST-2 
CANCELED: Reason=EndOfStream
說話者會根據交談中的說話者數目，識別為 Guest-1、Guest-2 等等。
您可以使用 Azure 入口網站或 Azure 命令列介面 (CLI) 來移除您所建立的語音資源。
參考文件 | 套件 (Go) | GitHub 上的其他範例
語音 SDK for Go 不支援交談轉譯。 請選取其他程式設計語言，或本文開頭的 Go 參考和樣本連結。
參考文件 | GitHub 上的其他範例
在本快速入門中，您會使用即時 diarization 執行語音轉換文字轉譯的應用程式。 在這裡，diarization 會區分參與交談的不同說話者。 語音服務提供有關說話者在轉譯語音中特定部分說話的相關資訊。
即時 diarization 目前處於公開預覽狀態。
說話者資訊包含在說話者識別碼欄位中的結果中。 說話者識別碼是服務在辨識期間，由服務指派給每個交談參與者的一般識別碼，因為會從提供的音訊內容識別不同的說話者。
您可以在 Speech Studio 中嘗試即時語音轉換文字，而不需註冊或撰寫任何程式碼。 不過，Speech Studio 尚不支援 diarization。




    

Azure 訂用帳戶 - 建立免費帳戶。
              在 Azure 入口網站中建立語音資源。
您的語音資源金鑰和區域。 部署語音資源之後，選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊，請參閱取得資源的金鑰。
您必須先安裝語音 SDK，才能執行動作。 本快速入門中的範例適用於 JAVA 執行階段。
安裝 Apache Maven。 然後執行 mvn -v 以確認安裝成功。
在專案的根目錄中建立新 pom.xml 檔案，並將下列內容複製到其中：
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>com.microsoft.cognitiveservices.speech.samples</groupId>
    <artifactId>quickstart-eclipse</artifactId>
    <version>1.0.0-SNAPSHOT</version>
    <build>
        <sourceDirectory>src</sourceDirectory>
        <plugins>
        <plugin>
            <artifactId>maven-compiler-plugin</artifactId>
            <version>3.7.0</version>
            <configuration>
            <source>1.8</source>
            <target>1.8</target>
            </configuration>
        </plugin>
        </plugins>
    </build>
    <dependencies>
        <dependency>
        <groupId>com.microsoft.cognitiveservices.speech</groupId>
        <artifactId>client-sdk</artifactId>
        <version>1.32.1</version>
        </dependency>
    </dependencies>
</project>
安裝語音 SDK 和相依性。
mvn clean dependency:copy-dependencies
設定環境變數
您的應用程式必須經過驗證，才能存取 Azure AI 服務資源。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 例如，取得語音資源的 金鑰 之後，請將它寫入執行應用程式的本機電腦上新的環境變數。
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項，請參閱Azure AI 服務安全性，例如Azure 金鑰保存庫。
若要設定語音資源索引碼的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
若要設定 SPEECH_KEY 環境變數，請將 您的金鑰 取代為資源的其中一個金鑰。
若要設定 SPEECH_REGION 環境變數，請將 您的區域 取代為資源的其中一個區域。
新增環境變數之後，請從主控台視窗執行 source ~/.bash_profile，讓變更生效。
Xcode
如果是 iOS 或 macOS 開發，請在 Xcode 中設定環境變數。 例如，遵循下列步驟，在 Xcode 13.4.1 中設定環境變數。
選取[產品>配置>] [編輯配置]。
在 [執行 (偵錯執行) 頁面上選取[引數]。
在 [環境變數] 下，選取加號 (+)，以新增環境變數。
針對 [名稱] 輸入 SPEECH_KEY，然後針對 [值] 輸入您的語音資源索引碼。
若要設定語音資源區域的環境變數，請遵循相同的步驟。 將 SPEECH_REGION 設為資源的區域。 例如： westus 。
如需更多組態選項，請參閱 Xcode 檔。
使用交談轉譯從檔案進行 Diarization
請遵循下列步驟來建立新的主控台應用程式以進行交談轉譯。
在相同的專案根目錄中建立名為 ConversationTranscription.java 的新檔案。
將下列程式碼複製到 ConversationTranscription.java：
import com.microsoft.cognitiveservices.speech.*;
import com.microsoft.cognitiveservices.speech.audio.AudioConfig;
import com.microsoft.cognitiveservices.speech.transcription.*;
import java.util.concurrent.Semaphore;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.Future;
public class ConversationTranscription {
    // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
    private static String speechKey = System.getenv("SPEECH_KEY");
    private static String speechRegion = System.getenv("SPEECH_REGION");
    public static void main(String[] args) throws InterruptedException, ExecutionException {
        SpeechConfig speechConfig = SpeechConfig.fromSubscription(speechKey, speechRegion);
        speechConfig.setSpeechRecognitionLanguage("en-US");
        AudioConfig audioInput = AudioConfig.fromWavFileInput("katiesteve.wav");
        Semaphore stopRecognitionSemaphore = new Semaphore(0);
        ConversationTranscriber conversationTranscriber = new ConversationTranscriber(speechConfig, audioInput);
            // Subscribes to events.
            conversationTranscriber.transcribing.addEventListener((s, e) -> {
                System.out.println("TRANSCRIBING: Text=" + e.getResult().getText());
            conversationTranscriber.transcribed.addEventListener((s, e) -> {
                if (e.getResult().getReason() == ResultReason.RecognizedSpeech) {
                    System.out.println("TRANSCRIBED: Text=" + e.getResult().getText() + " Speaker ID=" + e.getResult().getSpeakerId() );
                else if (e.getResult().getReason() == ResultReason.NoMatch) {
                    System.out.println("NOMATCH: Speech could not be transcribed.");
            conversationTranscriber.canceled.addEventListener((s, e) -> {
                System.out.println("CANCELED: Reason=" + e.getReason());
                if (e.getReason() == CancellationReason.Error) {
                    System.out.println("CANCELED: ErrorCode=" + e.getErrorCode());
                    System.out.println("CANCELED: ErrorDetails=" + e.getErrorDetails());
                    System.out.println("CANCELED: Did you update the subscription info?");
                stopRecognitionSemaphore.release();
            conversationTranscriber.sessionStarted.addEventListener((s, e) -> {
                System.out.println("\n    Session started event.");
            conversationTranscriber.sessionStopped.addEventListener((s, e) -> {
                System.out.println("\n    Session stopped event.");
            conversationTranscriber.startTranscribingAsync().get();
            // Waits for completion.
            stopRecognitionSemaphore.acquire();
            conversationTranscriber.stopTranscribingAsync().get();
        speechConfig.close();
        audioInput.close();
        conversationTranscriber.close();
        System.exit(0);
將 取代 katiesteve.wav 為檔案 .wav 的 filepath 和檔案名。 本快速入門的目的是要辨識交談中多個參與者的語音。 音訊檔案應包含多個喇叭。 例如，您可以使用 GitHub 上語音 SDK 範例存放庫中提供的 範例音訊檔案 。
此服務會以至少 7 秒的連續音訊從單一喇叭執行。 這可讓系統正確區分說話者。 否則，說話者識別碼會以 傳回。 Unknown
若要變更語音辨識語言，請以另一種支援的語言取代 en-US。 例如，es-ES 代表西班牙文 (西班牙)。 如果您未指定語言，則預設語言為 en-US。 如需詳細了解如何識別所可能說出的多種語言之一，請參閱語言識別。
執行新的主控台應用程式以開始交談轉譯：
javac ConversationTranscription.java -cp ".;target\dependency\*"
java -cp ".;target\dependency\*" ConversationTranscription
確保您已如上所述設定 SPEECH_KEY 和 SPEECH_REGION 環境變數。 如果您未設定這些變數，則範例將會失敗，並顯示錯誤訊息。
轉譯的交談應輸出為文字：
TRANSCRIBED: Text=Good morning, Steve. Speaker ID=Unknown
TRANSCRIBED: Text=Good morning. Katie. Speaker ID=Unknown
TRANSCRIBED: Text=Have you tried the latest real time diarization in Microsoft Speech Service which can tell you who said what in real time? Speaker ID=Guest-1
TRANSCRIBED: Text=Not yet. I've been using the batch transcription with diarization functionality, but it produces diarization result until whole audio get processed. Speaker ID=Guest-2
TRANSRIBED: Text=Is the new feature can diarize in real time? Speaker ID=Guest-2
TRANSCRIBED: Text=Absolutely. Speaker ID=GUEST-1
TRANSCRIBED: Text=That's exciting. Let me try it right now. Speaker ID=GUEST-2
CANCELED: Reason=EndOfStream
說話者會根據交談中的說話者數目，識別為 Guest-1、Guest-2 等等。
您可以使用 Azure 入口網站或 Azure 命令列介面 (CLI) 來移除您所建立的語音資源。
參考文件 | 套件 (npm) | GitHub 上的其他範例 | 程式庫原始程式碼
在本快速入門中，您會使用即時 diarization 來執行語音轉換文字轉譯的應用程式。 在這裡，diarization 會區分參與交談的不同說話者。 語音服務提供有關說話者在轉譯語音中特定部分說話的相關資訊。
即時 diarization 目前處於公開預覽狀態。
說話者資訊包含在說話者識別碼欄位中的結果中。 說話者識別碼是服務在辨識期間指派給每個交談參與者的一般識別碼，因為從提供的音訊內容識別不同的說話者。
您可以在 Speech Studio 中嘗試即時語音轉換文字，而不需註冊或撰寫任何程式碼。 不過，Speech Studio 尚不支援 Diarization。
Azure 訂用帳戶 - 建立免費帳戶。
              在 Azure 入口網站中建立語音資源。
您的語音資源金鑰和區域。 部署語音資源之後，選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊，請參閱取得資源的金鑰。
您必須先安裝適用於 JavaScript 的語音 SDK，才能執行動作。 如果您只想要安裝套件名稱，請執行 npm install microsoft-cognitiveservices-speech-sdk。 如需引導式安裝指示，請參閱 SDK 安裝指南。
設定環境變數
您的應用程式必須經過驗證，才能存取 Azure AI 服務資源。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 例如，取得語音資源的 金鑰 之後，請將它寫入執行應用程式的本機電腦上新的環境變數。
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項，請參閱Azure AI 服務安全性，例如Azure 金鑰保存庫。
若要設定語音資源索引碼的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
若要設定 SPEECH_KEY 環境變數， 請將 your-key 取代為您資源的其中一個金鑰。
若要設定 SPEECH_REGION 環境變數， 請將您的區域 取代為您資源的其中一個區域。
新增環境變數之後，請從主控台視窗執行 source ~/.bash_profile，讓變更生效。
Xcode
如果是 iOS 或 macOS 開發，請在 Xcode 中設定環境變數。 例如，遵循下列步驟，在 Xcode 13.4.1 中設定環境變數。
選取[產品>配置>] [編輯配置]。
在 [執行 (偵錯執行) 頁面上選取[引數]。
在 [環境變數] 下，選取加號 (+)，以新增環境變數。
針對 [名稱] 輸入 SPEECH_KEY，然後針對 [值] 輸入您的語音資源索引碼。
若要設定語音資源區域的環境變數，請遵循相同的步驟。 將 SPEECH_REGION 設為資源的區域。 例如： westus 。
如需更多組態選項，請參閱 Xcode 檔。
使用交談轉譯從檔案進行 Diarization
請遵循下列步驟來建立新的主控台應用程式以進行交談轉譯。
開啟要新增專案的命令提示字元，然後建立名為 ConversationTranscription.js 的新檔案。
安裝適用於 JavaScript 的語音 SDK：
npm install microsoft-cognitiveservices-speech-sdk
將下列程式碼複製到 ConversationTranscription.js：
const fs = require("fs");
const sdk = require("microsoft-cognitiveservices-speech-sdk");
// This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
const speechConfig = sdk.SpeechConfig.fromSubscription(process.env.SPEECH_KEY, process.env.SPEECH_REGION);
function fromFile() {
    const filename = "katiesteve.wav";
    let audioConfig = sdk.AudioConfig.fromWavFileInput(fs.readFileSync(filename));
    let conversationTranscriber = new sdk.ConversationTranscriber(speechConfig, audioConfig);
    var pushStream = sdk.AudioInputStream.createPushStream();
    fs.createReadStream(filename).on('data', function(arrayBuffer) {
        pushStream.write(arrayBuffer.slice());
    }).on('end', function() {
        pushStream.close();
    console.log("Transcribing from: " + filename);
    conversationTranscriber.sessionStarted = function(s, e) {
        console.log("SessionStarted event");
        console.log("SessionId:" + e.sessionId);
    conversationTranscriber.sessionStopped = function(s, e) {
        console.log("SessionStopped event");
        console.log("SessionId:" + e.sessionId);
        conversationTranscriber.stopTranscribingAsync();
    conversationTranscriber.canceled = function(s, e) {
        console.log("Canceled event");
        console.log(e.errorDetails);
        conversationTranscriber.stopTranscribingAsync();
    conversationTranscriber.transcribed = function(s, e) {
        console.log("TRANSCRIBED: Text=" + e.result.text + " Speaker ID=" + e.result.speakerId);
    // Start conversation transcription
    conversationTranscriber.startTranscribingAsync(
        function () {},
        function (err) {
            console.trace("err - starting transcription: " + err);
fromFile();
將 取代 katiesteve.wav 為您檔案的 .wav filepath 和檔案名。 本快速入門的目的是要辨識來自交談中多個參與者的語音。 您的音訊檔案應該包含多個喇叭。 例如，您可以使用 GitHub 上語音 SDK 範例存放庫中提供的 範例音訊檔案 。
此服務會以至少 7 秒的連續音訊從單一喇叭執行。 這可讓系統正確區分說話者。 否則，說話者識別碼會傳回為 Unknown 。
若要變更語音辨識語言，請以另一種支援的語言取代 en-US。 例如，es-ES 代表西班牙文 (西班牙)。 如果您未指定語言，則預設語言為 en-US。 如需詳細了解如何識別所可能說出的多種語言之一，請參閱語言識別。
執行新的主控台應用程式，以從檔案啟動語音辨識：
node.exe ConversationTranscription.js
確保您已如上所述設定 SPEECH_KEY 和 SPEECH_REGION 環境變數。 如果您未設定這些變數，則範例將會失敗，並顯示錯誤訊息。
轉譯的交談應輸出為文字：
SessionStarted event
SessionId:E87AFBA483C2481985F6C9AF719F616B
TRANSCRIBED: Text=Good morning, Steve. Speaker ID=Unknown
TRANSCRIBED: Text=Good morning, Katie. Speaker ID=Unknown
TRANSCRIBED: Text=Have you tried the latest real time diarization in Microsoft Speech Service which can tell you who said what in real time? Speaker ID=Guest-1
TRANSCRIBED: Text=Not yet. I've been using the batch transcription with diarization functionality, but it produces diarization result until whole audio get processed. Speaker ID=Guest-2
TRANSCRIBED: Text=Is the new feature can diarize in real time? Speaker ID=Guest-2
TRANSCRIBED: Text=Absolutely. Speaker ID=Guest-1
TRANSCRIBED: Text=That's exciting. Let me try it right now. Speaker ID=Guest-2
Canceled event
undefined
SessionStopped event
SessionId:E87AFBA483C2481985F6C9AF719F616B
說話者會根據交談中的說話者數目，識別為 Guest-1、Guest-2 等等。
您可以使用 Azure 入口網站或 Azure 命令列介面 (CLI) 來移除您所建立的語音資源。
參考文件 | 套件 (下載) | GitHub 上的其他範例
適用于 Objective-C 的語音 SDK 支援交談轉譯，但我們尚未在此包含指南。 請選取另一種程式設計語言來開始使用並了解概念，或參閱本文開頭連結的 Objective-C 參考和範例。
參考文件 | 套件 (下載) | GitHub 上的其他範例
適用于 Swift 的語音 SDK 支援交談轉譯，但我們尚未在此包含指南。 請選取另一種程式設計語言來開始使用並了解概念，或參閱本文開頭連結的 Swift 參考和範例。
參考文件 | 套件 (PyPi) | GitHub 上的其他範例
在本快速入門中，您會使用即時 diarization 執行語音轉換文字轉譯的應用程式。 在這裡，diarization 會區分參與交談的不同說話者。 語音服務提供有關說話者在轉譯語音中特定部分說話的相關資訊。
即時 diarization 目前處於公開預覽狀態。
說話者資訊包含在說話者識別碼欄位中的結果中。 說話者識別碼是服務在辨識期間，由服務指派給每個交談參與者的一般識別碼，因為會從提供的音訊內容識別不同的說話者。
您可以在 Speech Studio 中嘗試即時語音轉換文字，而不需註冊或撰寫任何程式碼。 不過，Speech Studio 尚不支援 diarization。
Azure 訂用帳戶 - 建立免費帳戶。
              在 Azure 入口網站中建立語音資源。
您的語音資源金鑰和區域。 部署語音資源之後，選取 [移至資源] 以檢視和管理金鑰。 如需認 Azure AI 服務資源的詳細資訊，請參閱取得資源的金鑰。
適用於 Python 的語音 SDK 會以 Python 套件索引 (PyPI) 模組的形式來提供。 適用於 Python 的語音 SDK 與 Windows、Linux 和 macOS 相容。
您必須根據平台安裝適用於 Visual Studio 2015、2017、2019 與 2022 的 Microsoft Visual C++ 可轉散發套件。 第一次安裝此套件時可能需要重新啟動。
在 Linux 上，您必須使用 x64 目標架構。
從 3.7 或更新版本安裝 Python版本。 請先檢查 SDK 安裝指南以了解更多需求。
設定環境變數
您的應用程式必須經過驗證，才能存取 Azure AI 服務資源。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 例如，取得語音資源的 金鑰 之後，請將它寫入執行應用程式的本機電腦上新的環境變數。
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項，請參閱Azure AI 服務安全性，例如Azure 金鑰保存庫。
若要設定語音資源索引碼的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
若要設定 SPEECH_KEY 環境變數，請將 您的金鑰 取代為資源的其中一個金鑰。
若要設定 SPEECH_REGION 環境變數，請將 您的區域 取代為資源的其中一個區域。
新增環境變數之後，請從主控台視窗執行 source ~/.bash_profile，讓變更生效。
Xcode
如果是 iOS 或 macOS 開發，請在 Xcode 中設定環境變數。 例如，遵循下列步驟，在 Xcode 13.4.1 中設定環境變數。
選取[產品>配置編輯配置> ]。
在 [執行 (偵錯執行) ] 頁面上選取[引數]。
在 [環境變數] 下，選取加號 (+)，以新增環境變數。
針對 [名稱] 輸入 SPEECH_KEY，然後針對 [值] 輸入您的語音資源索引碼。
若要設定語音資源區域的環境變數，請遵循相同的步驟。 將 SPEECH_REGION 設為資源的區域。 例如： westus 。
如需更多組態選項，請參閱 Xcode 檔。
使用交談轉譯從檔案進行 Diarization
請遵循下列步驟以建立新的主控台應用程式。
開啟要新增專案的命令提示字元，然後建立名為 conversation_transcription.py 的新檔案。
執行此命令以安裝語音 SDK：
pip install azure-cognitiveservices-speech
將下列程式碼複製到 conversation_transcription.py：
import os
import time
import azure.cognitiveservices.speech as speechsdk
def conversation_transcriber_recognition_canceled_cb(evt: speechsdk.SessionEventArgs):
    print('Canceled event')
def conversation_transcriber_session_stopped_cb(evt: speechsdk.SessionEventArgs):
    print('SessionStopped event')
def conversation_transcriber_transcribed_cb(evt: speechsdk.SpeechRecognitionEventArgs):
    print('TRANSCRIBED:')
    if evt.result.reason == speechsdk.ResultReason.RecognizedSpeech:
        print('\tText={}'.format(evt.result.text))
        print('\tSpeaker ID={}'.format(evt.result.speaker_id))
    elif evt.result.reason == speechsdk.ResultReason.NoMatch:
        print('\tNOMATCH: Speech could not be TRANSCRIBED: {}'.format(evt.result.no_match_details))
def conversation_transcriber_session_started_cb(evt: speechsdk.SessionEventArgs):
    print('SessionStarted event')
def recognize_from_file():
    # This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
    speech_config = speechsdk.SpeechConfig(subscription=os.environ.get('SPEECH_KEY'), region=os.environ.get('SPEECH_REGION'))
    speech_config.speech_recognition_language="en-US"
    audio_config = speechsdk.audio.AudioConfig(filename="katiesteve.wav")
    conversation_transcriber = speechsdk.transcription.ConversationTranscriber(speech_config=speech_config, audio_config=audio_config)
    transcribing_stop = False
    def stop_cb(evt: speechsdk.SessionEventArgs):
        #"""callback that signals to stop continuous recognition upon receiving an event `evt`"""
        print('CLOSING on {}'.format(evt))
        nonlocal transcribing_stop
        transcribing_stop = True
    # Connect callbacks to the events fired by the conversation transcriber
    conversation_transcriber.transcribed.connect(conversation_transcriber_transcribed_cb)
    conversation_transcriber.session_started.connect(conversation_transcriber_session_started_cb)
    conversation_transcriber.session_stopped.connect(conversation_transcriber_session_stopped_cb)
    conversation_transcriber.canceled.connect(conversation_transcriber_recognition_canceled_cb)
    # stop transcribing on either session stopped or canceled events
    conversation_transcriber.session_stopped.connect(stop_cb)
    conversation_transcriber.canceled.connect(stop_cb)
    conversation_transcriber.start_transcribing_async()
    # Waits for completion.
    while not transcribing_stop:
        time.sleep(.5)
    conversation_transcriber.stop_transcribing_async()
# Main
    recognize_from_file()
except Exception as err:
    print("Encountered exception. {}".format(err))
將 取代 katiesteve.wav 為您檔案的 .wav filepath 和檔案名。 本快速入門的目的是要辨識來自交談中多個參與者的語音。 您的音訊檔案應該包含多個喇叭。 例如，您可以使用 GitHub 上語音 SDK 範例存放庫中提供的 範例音訊檔案 。
此服務會以至少 7 秒的連續音訊從單一喇叭執行。 這可讓系統正確區分說話者。 否則，說話者識別碼會傳回為 Unknown 。
若要變更語音辨識語言，請以另一種支援的語言取代 en-US。 例如，es-ES 代表西班牙文 (西班牙)。 如果您未指定語言，則預設語言為 en-US。 如需詳細了解如何識別所可能說出的多種語言之一，請參閱語言識別。
執行新的主控台應用程式以開始交談轉譯：
python conversation_transcription.py
確保您已如上所述設定 SPEECH_KEY 和 SPEECH_REGION 環境變數。 如果您未設定這些變數，則範例將會失敗，並顯示錯誤訊息。
轉譯的交談應輸出為文字：
SessionStarted event
TRANSCRIBED:
        Text=Good morning, Steve.
        Speaker ID=Unknown
TRANSCRIBED:
        Text=Good morning, Katie.
        Speaker ID=Unknown
TRANSCRIBED:
        Text=Have you tried the latest real time diarization in Microsoft Speech Service which can tell you who said what in real time?
        Speaker ID=Guest-1
TRANSCRIBED:
        Text=Not yet. I've been using the batch transcription with diarization functionality, but it produces diarization result until whole audio get processed.
        Speaker ID=Guest-2
TRANSCRIBED:
        Text=Is the new feature can diarize in real time?
        Speaker ID=Guest-2
TRANSCRIBED:
        Text=Absolutely.
        Speaker ID=Guest-1
TRANSCRIBED:
        Text=That's exciting. Let me try it right now.
        Speaker ID=Guest-2
Canceled event
CLOSING on ConversationTranscriptionCanceledEventArgs(session_id=92a0abb68636471dac07041b335d9be3, result=ConversationTranscriptionResult(result_id=ad1b1d83b5c742fcacca0692baa8df74, speaker_id=, text=, reason=ResultReason.Canceled))
SessionStopped event
CLOSING on SessionEventArgs(session_id=92a0abb68636471dac07041b335d9be3)
說話者會根據交談中的說話者數目，識別為 Guest-1、Guest-2 等等。
您可以使用 Azure 入口網站或 Azure 命令列介面 (CLI) 來移除您所建立的語音資源。
語音轉換文字 REST API 參考 | 適用於簡短音訊的語音轉換文字 REST API 參考 | GitHub 上的其他樣本
REST API 不支援交談轉譯。 請從此頁面頂端選取另一個程式設計語言或工具。
語音 CLI 不支援交談轉譯。 請從此頁面頂端選取另一個程式設計語言或工具。
深入了解語音辨識