Компонент Распознавание речи (Azure Cloud Speech)

Описание

Осуществляет распознавание речи абонента в текстовый вид.
Сервис предоставляется облаком Microsoft Azure Speech STT по протоколу HTTP. Не имеет технических ограничений по производительности.

Порядок регистрации учетной записи MS Azure и стоимость сервиса см. на https://learn.microsoft.com/en-us/azure/ai-services/speech-service/.

Настройка токенов производится в разделе настройки домена, поле 'azure_cloud'..

Позволяет прерывать по тишине после произнесенной фразы.

Table 1. Системные характеристики

Индекс

231

Краткое название

asr_azure

Типы сценариев

IVR

Стартовый модуль

r_sip_ivr_script_component_asr_azure

Режим

Асинхронный

Иконка

231

Характер разветвления

Разветвляющий, прерывающий

Свойства

Table 2. Свойства
Спецификация Описание

Название: Аккаунт Azure
Код: accountKey
Усл. видимости: нет
По умолчанию: default

Указание на аккаунт Azure, опции которого берутся для подключения к облаку.
В список попадает значение 'default', устанавливающее к использованию корневое поле 'speech' в объекте 'settings.azure_cloud'.
Дополнительно в список попадают ключи объекта 'settings.azure_cloud.accounts', за каждым из которых также находится объект с отдельно настроенными параметрами доступа к облаку.

Название: Язык
Код: lang
Усл. видимости: нет
По умолчанию: Английский

Параметр сервиса распознавания Azure Speech: язык распознавания.
Возможные варианты:

  • Авто (100) – Автоматическое определение языка

  • de-DE (1) – Немецкий

  • en-US (2) – Английский

  • es-ES (3) – Испанский

  • fi-FI (4) – Финский

  • fr-FR (5) – Французский

  • he-HE (6) – Иврит

  • it-IT (7) – Итальянский

  • kk-KZ (8) – Казахский

  • nl-NL (9) – Голландский

  • pl-PL (10) – Польский

  • pt-PT (11) – Португальский

  • pt-BR (12) – Бразильский португальский

  • ru-RU (13) – Русский

  • sv-SE (14) – Шведский

  • tr-TR (15) – Турецкий

  • other (100) – Другой

Название: Другой язык
Код: langCustom
Усл. видимости: да
По умолчанию: en-US

Код языка в формате ISO 639-1 из списка поддерживаемых.

Название: Фильтр ненормативной лексики
Код: profanityFilter
Усл. видимости: нет
По умолчанию: Выключить

Параметр сервиса распознавания Azure Speech ASR: режим работы фильтра ненормативной лексики.
Возможные варианты:

  • raw (0) - Оставлять ненормативную лексику

  • masked (1) - Маскировать ненормативную лексику

  • removed (2) - Удалять ненормативную лексику

Название: CID (custom model enpoint id)
Код: cid
Усл. видимости: нет
По умолчанию: empty

When you’re using the Speech Studio to create custom models, you can take advantage of the Endpoint ID value from the Deployment page.
Use the Endpoint ID value as the argument to the cid query string parameter.

Название: Pronunciation scores
Код: pronunciation
Усл. видимости: нет
По умолчанию: false

Specifies the parameters for showing pronunciation scores in recognition results.
These scores assess the pronunciation quality of speech input, with indicators like accuracy, fluency, and completeness.

Возможные варианты:

  • false (0) - Нет. Ответ не содержит pronunciation scores.

  • true (1) - Да. В ответ включаются pronunciation scores, ниже открываются параметры для настройки.

Название: ReferenceText
Код: referenceText
Усл. видимости: да
По умолчанию: empty

The text that the pronunciation is evaluated against.
Применяется только если включен режим вывода в ответ информации с pronunciation scores.

Название: GradingSystem
Код: gradingSystem
Усл. видимости: да
По умолчанию: fivepoint

The point system for score calibration.
Применяется только если включен режим вывода в ответ информации с pronunciation scores.

Возможные варианты:

  • fivepoint (0) - FivePoint. Gives 0-5 floating point score

  • hundreedmark (1) - HundreedMark. Gives 0-100 floating point score

Название: Granularity
Код: granularity
Усл. видимости: да
По умолчанию: phoneme

The evaluation granularity.
Применяется только если включен режим вывода в ответ информации с pronunciation scores.

Возможные варианты:

  • phoneme (0) - Phoneme. Shows the score on the full-text, word, and phoneme levels.

  • word (1) - Word. Shows the score on the full-text and word levels.

  • fulltext (2) - FullText. Shows the score on the full-text level only.

Название: Dimension
Код: dimension
Усл. видимости: да
По умолчанию: basic

Defines the output criteria.
Применяется только если включен режим вывода в ответ информации с pronunciation scores.

Возможные варианты:

  • basic (0) - Basic. Shows the accuracy score only.

  • comprehensive (1) - Comprehensive. Shows scores on more dimensions (for example, fluency score and completeness score on the full-text level, and error type on the word level).

Название: EnableMiscue
Код: enableMiscue
Усл. видимости: да
По умолчанию: false

Enables miscue calculation. With this parameter enabled.
Применяется только если включен режим вывода в ответ информации с pronunciation scores.

Возможные варианты:

  • false (0) - False. Мatching to reference text is not used.

  • true (1) - True. The pronounced words are compared to the reference text. They are marked with omission or insertion based on the comparison.

Название: ScenarioId
Код: scenarioId
Усл. видимости: да
По умолчанию: __empty

A GUID that indicates a customized point system.
Применяется только если включен режим вывода в ответ информации с pronunciation scores.

Название: Таймаут записи, с
Код: recordTimeoutSec
Усл. видимости: нет
По умолчанию: 30

Максимально допустимое время записи с момента завершения предварительного воспроизведения, в секундах.

Название: Прерывать по DTMF
Код: checkDTMF
Усл. видимости: нет
По умолчанию: нет

Выключатель детектора DTMF. Открывает настройки режимов сохранения символов и прерывания операции.

Название: Буфер для DTMF
Код: dtmfBuffer
Усл. видимости: да
По умолчанию: — 

Переменная для сохранения получаемых DTMF-символов.

Название: Очистить буфер DTMF
Код: clearDtmfBuffer
Усл. видимости: да
По умолчанию: Да

Выключатель предварительной очистки буфера DTMF.

Название: Количество символов
Код: maxSymbolCount
Усл. видимости: да
По умолчанию: — 

Аргумент, содержащий ограничение на количество вводимых символов.
После получения во время исполнения компонента указанного количества символов DTMF производится автоматическое завершение записи и отправка последней порции голосовых данных сервису распознавания.

Название: Символы прерывания
Код: interruptSymbols
Усл. видимости: да
По умолчанию: — 

Строка, содержащая последовательности символов прерывания через запятую.
После обнаружения на конце буфера DTMF последовательности символов, совпадающей с одной из указанных последовательностей прерывания, производится автоматическое завершение записи и отправка последней порции данных сервису распознавания.
Например, *, 7, 123, 9395.

Название: Прерывать при обнаружении тишины
Код: abortOnSilence
Усл. видимости: нет
По умолчанию: Да

Выключатель детектора голоса (VAD) для автоматического завершения записи и отправки последней порции голосовых данных сервису распознавания.
Критерием для остановки является наличие голоса в течение не менее чем 300 мс и последующее его отсутствие в течение указанного интервала.

Название: Интервал тишины, с
Код: silenceTimeoutSec
Усл. видимости: да
По умолчанию: 2

Интервал для детектора голоса (VAD), по истечении которого производится автоматическая остановка записи и отправка последней порции голосовых данных сервису распознавания.
Применяется при включении параметра 'Прерывать при обнаружении тишины'.

Название: Порог VAD, -дБ
Код: vadThreshold
Усл. видимости: да
По умолчанию: 30

Аргумент, устанавливающий порог VAD.
Указанное значение применяется с отрицательным знаком (в децибеллах) для определения порога отсечения тишины относительно возможного максимума.
Поток анализируется фреймами по 20 мс. Каждый звуковой фрейм на основании порога отсечения рассматривается либо как голос, либо как тишина.
Обнаружение голоса происходит тогда, когда 2 фрейма подряд являются голосовыми. Обнаружение тишины происходит после того, как 15 фреймов подряд являются тишиной.
При значении 30 детектор лучше определяет тишину, при значении 40 детектор лучше определяет появление голоса.

Название: Таймаут ожидания ответа, с
Код: responseTimeoutSec
Усл. видимости: нет
По умолчанию: 5

Таймаут ожидания ответа от сервиса распознавания Azure Speech после отправки ему последней порции голосовых данных.
По истечении таймаута управление передается следующему компоненту по ветке Время.

Название: Результат в переменную
Код: varText
Усл. видимости: нет
По умолчанию: — 

Переменная для сохранения текстового результата распознавания.

Название: Код ответа в переменную
Код: varHttpCode
Усл. видимости: нет
По умолчанию: — 

Переменная для сохранения кода HTTP-ответа сервиса распознавания.

Название: Тело ответа в переменную
Код: varHttpBody
Усл. видимости: нет
По умолчанию: — 

Переменная для сохранения полного содержания HTTP-ответа сервиса распознавания.

Название: Сохранить файл записи
Код: saveRec
Усл. видимости: нет
По умолчанию: Нет

Выключатель сохранения файла записи, отправленного сервису распознавания.

Название: Путь к файлу в переменную
Код: varRecordPath
Усл. видимости: да
По умолчанию: — 

Переменная для сохранения пути к файлу записи.
Файл размещается во временном каталоге сценария и будет удален после завершения работы сценария.
Для длительного сохранения файла требуется дальнейшее перемещение файла сценарием в место стационарного хранения.

Запись осуществляется на сервере с ролью mg, обслуживающим текущий звонок, а затем переносится на сервер с ролью ivr, обслуживающей текущий сценарий. Перенос всегда происходит внутри сайта.

Название: Предварительное воспроизведение
Код: prePlayFile
Усл. видимости: нет
По умолчанию: — 

Звуковой файл предварительного воспроизведения абоненту, во время которого также активирован голосовой детектор.
При отсутствии голоса от абонента (с учетом шумового порога VAD-детектора), отправка данных на сервис распознавания не производится.

Может быть выбран в одном из режимов:

  • статический файл, приложенный к сценарию (загружается из приложения Редактор сценариев или через API);

  • сформированный аргументами путь, который должен включать одну из файловых категорий.

Название: Переход
Код: transfer
Усл. видимости: нет
По умолчанию: — 

Компонент, которому передается упраление в случае успешного завершения операции.

Название: Переход, время
Код: transferTimeout
Усл. видимости: нет
По умолчанию: — 

Компонент, которому передается управление в случае истечения времени ожидания HTTP-ответа от сервиса распознавания.

Название: Переход, ошибка
Код: transferError
Усл. видимости: нет
По умолчанию: — 

Компонент, которому передается управление в случае возникновения ошибки.