前言

我这边参加了CSDN与微软Azure举办的0元试用微软Azure人工智能认知服务活动。第一次使用微软Azure 认知服务，老实说，还是满心期待的。

正式开始试用

登录地址： 点此开启试用之旅 ，这个认知服务有点不好找，还有有个搜索的功能，直接搜索一下，认知服务，即可找到本次测评所需要的服务。

这个界面还是比较间接大气的。

第一次进来需要新建一个资源组。这个资源组主要是用来保管Azure各个服务的相关资源。

这里我创建了一个名为feigeVoice的语音服务，耐心等待系统部署，部署完成之后的界面如下图所示。

接着点击赚到资源，在左侧窗格中的“资源管理”下，选择“密钥和终结点”

点击之后展示的界面如下图所示，请记住这个密钥和终结点的位置，因为后面编写接口时还需要使用。

每个订阅有两个密钥；可在应用程序中使用任意一个密钥。
至此，一个语音服务就弄好了，这个语音服务给可以给我们的应用提供语音转文本、文本转语音、翻译和说话人识别 三种能力。下面就在我们的应用中接入这三种功能吧。
第一件事情是做什么呢？当然是找SDK呀！！！！！

环境

语言 Python 3.9
开发环境 PyCharm
系统环境 Mac OS

SDK的位置

微软这个SDK的位置还有点偏僻，下面我就介绍一下如何查找SDK以及开发文档。

1. 在
   
   点击之后会跳转到一个新的页面，也就是帮助和支持页面
   在该页面上选中【 文档 】图标之后就正式进入了 Azure文档页面了。可以把该页面的地址保存下来，以后就不用这么麻烦了。
   Azure文档的页面地址：https://docs.azure.cn/zh-cn/#pivot=get-started
   拉到最下面找到我们本次试用的【认知服务】上面。
   
   在点击【认知服务】按钮，就可以进入认知服务的开发者文档页面了。进入该页面之后在接着点击我们本次试用的语音服务了。
   
   终于到最后一个页面了，即将可以看到我们需要的SDK以及开发文档了，小伙伴们是不是很开心很激动呀。
   
   下面我们就挨个服务体验一下，康康它到底好不好用！！！！！这里点击了关于语音转文本的按钮，就进入了下面这个页面。对于这种格式的文档，相信每个开发小伙伴都不会感到陌生。
   

语音识别（语音转文本）

1. 在左侧菜单栏找到【语音转文本快速入门】按钮。接着选择编程语言或GLI。这里我选择的是Python语言
   
   接下来就是按照文档操作一遍。
2. 安装语音SDK

pip install azure-cognitiveservices-speech

3. 安装语音 SDK 后，将其导入到 Python 项目中。

import azure.cognitiveservices.speech as speechsdk

4. 创建语音配置
   若要使用语音 SDK 调用语音服务，需要创建 SpeechConfig。 此类包含有关订阅的信息，例如密钥和关联的位置/区域、终结点、主机或授权令牌。 使用密钥和位置/区域创建 SpeechConfig。 请参阅查找密钥和位置/区域页面，查找密钥位置/区域对。

speech_key, service_region = "YourSubscriptionKey", "YourServiceRegion"
speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region,speech_recognition_language="zh-cn")
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config)

说白了 speech_key 传入的是前面的密钥1或者密钥2，service_region传入前面的位置/区域，也就是 chinaeast2

5. 从麦克风中直接识别语音
若要使用设备麦克风识别语音，只需创建 SpeechRecognizer（无需传递 AudioConfig），并传递 speech_config。

语音合成（文本转语音）

语音识别搞完之后，按照同样的套路。我们接着来弄下语音合成。与语音识别相同的步骤，在此就不在赘述了，这里主要展示下如何使用语音合成功能吧。

1. 安装语音服务SDK，如果已经安装则忽略该步骤。

pip install azure-cognitiveservices-speech

2. 安装语音 SDK 后，在脚本顶部包含以下 import 语句。

import azure.cognitiveservices.speech as speechsdk
from azure.cognitiveservices.speech.audio import AudioOutputConfig

3. 创建语音配置
   若要使用语音SDK调用语音服务，则需要创建SpeechConfig。

speech_key, service_region = "YourSubscriptionKey", "YourServiceRegion"
speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)

4. 将语音合成到文件中，完整代码如下：

import azure.cognitiveservices.speech as speechsdk
from azure.cognitiveservices.speech import SpeechSynthesizer
from azure.cognitiveservices.speech.audio import AudioOutputConfigspeech_key, service_region = "YourSubscriptionKey", "YourServiceRegion"
speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)
#设置合成的音频为中文
speech_config.speech_synthesis_language = "zh-CN"  # 设置保存音频的文件
audio_config = AudioOutputConfig(filename="test.wav")#在控制台输入想要合成的话
print("请输入你想合成的话...")
text = input()
#创建synthesizer对象，
synthesizer = SpeechSynthesizer(speech_config=speech_config, audio_config=audio_config)
# 调用speak_text_async 将文本合成为音频
synthesizer.speak_text_async(text)

运行结果是：

语音翻译

语音翻译也是类似的。
安装语音SDK，导入语音SDK，创建语音配置与前面相同，在此就不在赘述了，直接贴出代码

import azure.cognitiveservices.speech as speechsdk
# 源语言是英语，目标语言是德语，PS：翻译成中文报错
from_language, to_language = 'en-US', 'de'speech_key, service_region = "YourSubscriptionKey", "YourServiceRegion"
translation_config = speechsdk.translation.SpeechTranslationConfig(subscription=speech_key, region=service_region)

1. 初始化翻译识别器
   创建SpeechTranslationConfig后，下一步就是初始化TranslationRecognizer。初始化TranslationRecognizer后，需要向其传递translation_config。
   如果使用的是设备默认麦克风识别语音的话，则 TranslationRecognizer 应如下所示：

def translate_speech_to_text():translation_config = speechsdk.translation.SpeechTranslationConfig(subscription=speech_key, region=service_region)translation_config.speech_recognition_language = from_languagetranslation_config.add_target_language(to_language)recognizer = speechsdk.translation.TranslationRecognizer(translation_config=translation_config)

2. 翻译语音
   为了翻译语音，语音 SDK 依赖于麦克风或音频文件输入。 在语音翻译之前先进行语音识别。 初始化所有对象后，调用识别一次的函数并获取结果。完整代码如下：

mport azure.cognitiveservices.speech as speechsdkspeech_key, service_region = "YourSubscriptionKey", "YourServiceRegion"from_language, to_language = 'en-US', 'de'# from_language, to_language = 'en-US', 'zh-cn'def translate_speech_to_text():translation_config = speechsdk.translation.SpeechTranslationConfig(subscription=speech_key, region=service_region)translation_config.speech_recognition_language = from_languagetranslation_config.add_target_language(to_language)recognizer = speechsdk.translation.TranslationRecognizer(translation_config=translation_config)print('Say something...')result = recognizer.recognize_once()print(get_result_text(reason=result.reason, result=result))def get_result_text(reason, result):reason_format = {speechsdk.ResultReason.TranslatedSpeech:f'RECOGNIZED "{from_language}": {result.text}\n' +f'TRANSLATED into "{to_language}"": {result.translations[to_language]}',speechsdk.ResultReason.RecognizedSpeech: f'Recognized: "{result.text}"',speechsdk.ResultReason.NoMatch: f'No speech could be recognized: {result.no_match_details}',speechsdk.ResultReason.Canceled: f'Speech Recognition canceled: {result.cancellation_details}'}return reason_format.get(reason, 'Unable to recognize speech')translate_speech_to_text()

运行结果