【AIGC】使用Java实现Azure语音服务批量转录功能：完整指南

逐星ing2025-01-01 23:29

文章目录

引言

在当今数字化时代，将音频内容转换为文本的需求越来越普遍。无论是会议记录、视频字幕生成，还是语音内容分析，高质量的语音转文本服务都发挥着重要作用。Azure Speech Service提供了强大的批量转录功能，让我们能够高效地处理大量音频文件。本文将详细介绍如何使用Java实现Azure语音服务的批量转录功能。

技术背景

Azure Speech Service的批量转录功能采用异步处理方式，整个转录过程分为三个主要步骤：

  1. 将音频文件上传到Azure Blob存储
  2. 提交转录任务到Speech Service
  3. 获取并处理转录结果

这种设计允许我们处理大型音频文件，并且能够同时处理多个转录任务。

环境准备

在开始实现之前，我们需要准备以下条件：

  1. Azure订阅和必要的服务：

    • Azure Speech Service账户
    • Azure Blob Storage账户

  2. Java开发环境

    • JDK 11或更高版本
    • Maven或Gradle构建工具

  3. 必要的依赖项，在Maven项目中添加：

xml 复制代码 
<dependencies>
    <dependency>
        <groupId>com.microsoft.cognitiveservices.speech</groupId>
        <artifactId>client-sdk</artifactId>
        <version>1.24.0</version>
    </dependency>
    <dependency>
        <groupId>com.azure</groupId>
        <artifactId>azure-storage-blob</artifactId>
        <version>12.20.0</version>
    </dependency>
    <dependency>
        <groupId>org.json</groupId>
        <artifactId>json</artifactId>
        <version>20220924</version>
    </dependency>
</dependencies>

详细实现

1. 基础架构设计

首先，我们创建一个主类来封装所有相关功能：

java 复制代码 
public class AzureSpeechBatchTranscription {
    private static final String SUBSCRIPTION_KEY = "您的订阅密钥";
    private static final String REGION = "您的区域";
    private static final String STORAGE_CONNECTION_STRING = "您的存储连接字符串";
    private static final String CONTAINER_NAME = "audio-files";
    
    private final BlobServiceClient blobServiceClient;
    private final HttpClient httpClient;
    
    public AzureSpeechBatchTranscription() {
        this.blobServiceClient = BlobServiceClient.parseConnectionString(STORAGE_CONNECTION_STRING);
        this.httpClient = HttpClient.newBuilder()
            .connectTimeout(Duration.ofSeconds(30))
            .build();
    }
}

2. 实现文件上传功能

第一步是将音频文件上传到Azure Blob存储，并生成一个带有SAS令牌的URL：

java 复制代码 
public String uploadAudioFile(String localFilePath, String fileName) {
    try {
        // 创建容器(如果不存在)
        BlobContainerClient containerClient = blobServiceClient
            .createBlobContainerIfNotExists(CONTAINER_NAME);
        
        // 获取blob客户端并上传文件
        BlobClient blobClient = containerClient.getBlobClient(fileName);
        blobClient.uploadFromFile(localFilePath);
        
        // 生成24小时有效的SAS令牌
        BlobSasPermission permission = new BlobSasPermission()
            .setReadPermission(true);
        
        OffsetDateTime expiryTime = OffsetDateTime.now().plusDays(1);
        
        String sasToken = blobClient.generateSas(
            new BlobServiceSasSignatureValues(expiryTime, permission)
        );
        
        return blobClient.getUrl() + "?" + sasToken;
    } catch (Exception e) {
        throw new RuntimeException("上传音频文件失败: " + e.getMessage(), e);
    }
}

这段代码的关键点在于：

  • 自动创建存储容器（如果不存在）
  • 使用BlobClient进行文件上传
  • 生成具有读取权限的SAS令牌，确保Speech Service可以访问音频文件

3. 提交转录任务

有了音频文件的URL后，我们可以提交转录任务：

java 复制代码 
public String submitTranscriptionJob(String audioFileUrl) {
    try {
        String endpoint = String.format(
            "https://%s.api.cognitive.microsoft.com/speechtotext/v3.0/transcriptions",
            REGION
        );
        
        // 构建请求体
        JSONObject requestBody = new JSONObject()
            .put("contentUrls", new JSONArray().put(audioFileUrl))
            .put("locale", "zh-CN")
            .put("displayName", "Batch transcription")
            .put("properties", new JSONObject()
                .put("wordLevelTimestampsEnabled", true)
                .put("punctuationMode", "DictatedAndAutomatic")
                .put("profanityFilterMode", "Masked")
            );
        
        // 发送HTTP请求
        HttpRequest request = HttpRequest.newBuilder()
            .uri(URI.create(endpoint))
            .header("Content-Type", "application/json")
            .header("Ocp-Apim-Subscription-Key", SUBSCRIPTION_KEY)
            .POST(HttpRequest.BodyPublishers.ofString(requestBody.toString()))
            .build();
        
        HttpResponse<String> response = httpClient.send(
            request,
            HttpResponse.BodyHandlers.ofString()
        );
        
        if (response.statusCode() != 201) {
            throw new RuntimeException("提交转录任务失败: " + response.body());
        }
        
        JSONObject responseJson = new JSONObject(response.body());
        return responseJson.getString("self");
    } catch (Exception e) {
        throw new RuntimeException("提交转录任务失败: " + e.getMessage(), e);
    }
}

crul

bash 复制代码 
curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSubscriptionKey" -H "Content-Type: application/json" -d '{
  "displayName": "My Transcription",
  "description": "Speech Studio Batch speech to text",
  "locale": "en-us",
  "contentUrls": [
    "https://crbn.us/hello.wav",
    "https://crbn.us/whatstheweatherlike.wav"
  ],
  "model": {
    "self": "https://yourserviceregion.api.cognitive.microsoft.com/speechtotext/v3.2/models/base/92237890-4ac5-49c4-9181-0105bd9bc92d"
  },
  "properties": {
    "wordLevelTimestampsEnabled": false,
    "displayFormWordLevelTimestampsEnabled": true,
    "diarizationEnabled": false,
    "punctuationMode": "DictatedAndAutomatic",
    "profanityFilterMode": "Masked"
  },
  "customProperties": {}
}' "https://yourserviceregion.api.cognitive.microsoft.com/speechtotext/v3.2/transcriptions"

这里的重要配置参数包括：

  • locale：指定音频语言
  • wordLevelTimestampsEnabled：启用词级时间戳
  • punctuationMode：标点符号处理模式
  • profanityFilterMode：敏感词处理模式

4. 获取转录结果

最后一步是轮询获取转录结果：

java 复制代码 
public String getTranscriptionResult(String transcriptionUrl) {
    try {
        while (true) {
            HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(transcriptionUrl))
                .header("Ocp-Apim-Subscription-Key", SUBSCRIPTION_KEY)
                .GET()
                .build();
            
            HttpResponse<String> response = httpClient.send(
                request,
                HttpResponse.BodyHandlers.ofString()
            );
            JSONObject status = new JSONObject(response.body());
            
            String currentStatus = status.getString("status");
            if ("Failed".equals(currentStatus)) {
                throw new RuntimeException("转录任务失败");
            } else if ("Succeeded".equals(currentStatus)) {
                JSONArray files = status.getJSONArray("files");
                String resultUrl = files.getJSONObject(0)
                    .getString("links")
                    .getJSONObject("contentUrl")
                    .getString("href");
                
                HttpRequest resultRequest = HttpRequest.newBuilder()
                    .uri(URI.create(resultUrl))
                    .GET()
                    .build();
                
                HttpResponse<String> resultResponse = httpClient.send(
                    resultRequest,
                    HttpResponse.BodyHandlers.ofString()
                );
                
                return resultResponse.body();
            }
            
            // 每10秒检查一次状态
            Thread.sleep(10000);
        }
    } catch (Exception e) {
        throw new RuntimeException("获取转录结果失败: " + e.getMessage(), e);
    }
}

这个方法实现了：

  • 定期检查任务状态
  • 在任务完成时获取结果URL
  • 下载并返回转录结果

使用示例

下面是一个完整的使用示例：

java 复制代码 
public static void main(String[] args) {
    AzureSpeechBatchTranscription transcription = new AzureSpeechBatchTranscription();
    
    try {
        // 1. 上传音频文件
        String audioFileUrl = transcription.uploadAudioFile(
            "path/to/your/audio.wav",
            "audio.wav"
        );
        System.out.println("音频文件已上传: " + audioFileUrl);
        
        // 2. 提交转录任务
        String transcriptionUrl = transcription.submitTranscriptionJob(audioFileUrl);
        System.out.println("转录任务已提交: " + transcriptionUrl);
        
        // 3. 获取转录结果
        String result = transcription.getTranscriptionResult(transcriptionUrl);
        System.out.println("转录结果: " + result);
        
    } catch (Exception e) {
        e.printStackTrace();
    }
}

结果示例

最佳实践与注意事项

  1. 错误处理

    • 实现中包含了基本的错误处理机制
    • 建议在生产环境中添加更详细的日志记录
    • 考虑添加重试机制处理临时性故障

  2. 资源管理

    • 及时删除不再需要的音频文件
    • 监控API调用限制和存储使用情况
    • 合理设置SAS令牌的过期时间

  3. 性能优化

    • 考虑使用线程池并行处理多个转录任务
    • 实现断点续传机制处理大文件上传
    • 优化轮询间隔，避免过于频繁的API调用

  4. 安全考虑

    • 妥善保管API密钥和存储凭证
    • 使用最小权限原则配置SAS令牌
    • 考虑加密敏感音频内容

总结

本文详细介绍了如何使用Java实现Azure语音服务的批量转录功能。通过合理的架构设计和完善的错误处理，我们实现了一个可靠的转录系统。这个实现可以作为基础，根据具体需求进行扩展和优化。

记住，在实际应用中，还需要考虑：

  • 具体业务场景的需求
  • 成本和性能的平衡
  • 安全性和可维护性
  • 监控和告警机制

有了这些基础，您就可以开始构建自己的语音转文本应用了。

相关推荐
踩着两条虫1 分钟前
VTJ.PRO v2.4.2 私有化部署与升级实操指南
前端·人工智能·低代码·架构·数据挖掘
leo__5204 分钟前
MATLAB实现UKF（无迹卡尔曼滤波）原理
人工智能·matlab
春日见6 分钟前
决策规划控制面经汇总
人工智能·深度学习·算法·机器学习·自动驾驶
Full Stack Developme6 分钟前
Java DFA算法
java·python·算法
watersink13 分钟前
LocateAnything解读
人工智能
Yukinaaaa17 分钟前
以“轮盘数组”思维彻底搞懂并实现阻塞队列
java·服务器·ide·安全·javaee·阻塞队列·轮盘数组
FrameNotWork19 分钟前
HarmonyOS6.1 从图像分类到目标检测的扩展实现
人工智能·harmonyos
夕除27 分钟前
AOP 实现 Redis 缓存切面解析
java·开发语言·python
智联物联27 分钟前
办公楼转型养老公寓，边缘计算网关实现全场景智慧监护
人工智能·边缘计算·物联网解决方案·工业网关·智慧养老·数采网关·边缘盒子
库拉大叔28 分钟前
工具调用效率对比实测：GPT-5.5与Gemini 3.5 Flash性能评估
java·前端·人工智能
热门推荐
01【AI】2026 年具身智能模型和世界模型总结02GitHub 镜像站点03Codex 下载安装指南：Windows 和 macOS 官方版下载042026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf052026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？06《置身钉内》原文-可播放阅读07AI科技热点日报 | 2026年6月1日08【踩坑记录 | 第一篇】微软商店无法使用时，如何手动安装 OpenAI Codex？附`.msix`文件系统错误解决方法09CC-Switch 下载、安装与使用配置指南【2026.5.29】10Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析