Bing Voice Recognition の REST API から短いディクテーションの回答を得ることができました。私の目標は、15 ~ 30 秒を超えるオーディオ ファイル (別名ロング ディクテーション モード) の応答を取得することです。短い答えを得るために私がすることは次のとおりです(私はHTML uwpアプリを開発しています):
ArrayBuffer
オーディオ ファイル (wav) からを生成する- アクセストークンによる認証
- 次の設定で音声データを REST API に送信します。
var accessToken = [[accessTocken]];
var url = 'https://speech.platform.bing.com/recognize?';
var params = {
'version': '3.0',
'format': 'json',
'locale': 'en-US',
'device.os': 'Windows OS',
'scenarios': 'smd',
'appid': 'D4D52672-91D7-4C74-8AD8-42B1D98141A5',
'requestid': guid(),
'instanceid': guid()
};
var options = {
url: url + $.param(params),
type: "POST",
headers: {
'Authorization': 'Bearer ' + accessToken,
'Content-Type': 'audio/wav; samplerate=16000'
},
data: data
};
return WinJS.xhr(options);
だからこれはうまくいく!しかし、長いディクテーション シナリオでこれを行うにはどうすればよいでしょうか。
https://github.com/microsoft/Cognitive-Speech-STT-Javascriptで JavaScript GitHub リポジトリを参照しないでください。これは短いディクテーションでのみ機能し、Edge ブラウザーでは機能しません。