如何通过 API 或 SDK 创建微软自定义语音

Question

我正在评估 Microsoft 自定义语音作为潜在供应商，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。

经过广泛的搜索，我只找到了展示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。

你能帮我弄清楚如何做到这一点或确认不存在这样的 API 吗？

准备好数据后，您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。

https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/how-to-custom-voice-create-voice

Answer 1

我猜乔治的回答无关紧要，因为您专门谈论“自定义”语音/语音。

链接到 API

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。 注意它在几个地区退出，例如西欧是https://westeurope.cris.ai/swagger/ui

目前，这个页面指向 Speech 2.0 API，但看起来微软很快就会有一个 3.0。 如果您查看来自 Speech 门户（链接）的网络调用，您就会看到，它们实际上已经在使用这个 3.0 api（预览版）：

如何使用它们？

您可以通过门户查看流程并检查 API 端调用的内容。

以下是该过程的概述：

1. 使用/datasets/upload操作创建用于模型训练的/datasets/upload
2. 成功处理数据集后，使用对/models的 POST 请求创建/models （请参阅此处的操作）。 这个 POST 在正文中有几个细节：基础模型、使用的训练数据集等。正是这个操作将训练你的模型，你不需要另一个调用来开始训练
3. 训练完成后（您可以使用/models的 GET 或使用模型 ID 的特定 GET 检查状态/models/yourModelId ），您可以“部署”它。 为此，您必须基于此模型创建一个端点：它是到/endpoints的 POST（请参阅此处的操作）
4. 然后，您可以通过在/endpoints上调用 GET 或按 ID 调用 GET 来监视部署状态，例如模型

Answer 2

如果您只想获取 API 和 SDK，它们都在文档中。

这是Text-to-speech rest api ，如果您想要 sdk，您可以转到此文档： 关于语音 SDK 。

关于如何创建自定义语音，需要 Azure 帐户和语音服务订阅，更多信息，您可以参考此文档： 自定义语音入门。