【AIGC】使用Java实现Azure语音服务批量转录功能：完整指南

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：

<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：

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：

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：

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

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：

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：

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。