新的 Microsoft 语音服务 WebSocket API 的端点是啥？

Posted 2023-03-10

【中文标题】新的 Microsoft 语音服务 WebSocket API 的端点是啥？

【英文标题】：What are the endpoints for the new Microsoft speech service WebSocket APIs?新的 Microsoft 语音服务 WebSocket API 的端点是什么？

【发布时间】：2018-09-24 08:13:39

【问题描述】：

我想使用新的 MS Speech Translation API，但我正在使用 Go，所以没有 SDK。我为之前的语音翻译 API 提供了 WebSockets 实现，因此原始 WebSocket 没有问题。

documentation 声明它正在使用 WebSockets，但我无法在文档中找到端点。有谁知道什么是 WS 端点及其路径/标头参数？

编辑： documentation also says：“如果您已经有通过 WebSockets 使用 Bing Speech 或 Translator Speech 的代码，您可以更新它以使用 Speech 服务。WebSocket 协议是兼容的，只是端点不同。” 但是新的端点不见了。

【参考方案1】：

在深入研究客户端 SDK 的二进制文件后，我发现语音翻译 API 是 wss://<REGION>.s2s.speech.microsoft.com/speech/translation/cognitiveservices/v1

另一个问题是 WebSocket 协议不兼容，尽管文档是这样说的。好在经过实验我发现新的 Speech Translation WS API 使用与旧的Bing Speech WS API 相同的协议，除了 URL 查询参数。必应语音 API 有一个 language 参数，而语音翻译预览 API 有 from、to、voice 和 features。 from 和 to 按预期工作，您甚至可以在 to 中发送更多语言（逗号分隔且缺少 TTS）。我还没有尝试过voice。 features 看起来像什么都不做，总是有部分结果、计时信息和 TTS。

响应也不同，但与 Bing Speech 相似。它们有标头，并且有多个不同的 JSON。只需观察原始字符串。

由于这是一个预览 API，它可以随时更改。

【讨论】：

我们当然不会尝试更改结果，因为这会破坏现有的 SDK 客户端。但同样值得注意的是，我们在 Speech.Config 中添加了有关客户端版本的信息。将来，根据客户端版本，服务结果可能会发生变化。但这不是现在发生的......

【参考方案2】：

Websocket 协议没有发生实质性变化，因此旧文档应该是合理准确的。

Microsoft 认知服务语音 SDK 尚不支持 GO，它已在路线图中，但不会在本日历年推出。

谢谢 沃尔夫冈

【讨论】：

新的语音翻译 WebSocket API 使用的协议类似于旧的语音识别（Bing 语音）WebSocket 协议。完全不使用旧的翻译器语音 WebSocket 协议。反应也有点不同。 GO SDK 不是那么重要，更重要的是 WebSocket 协议的良好文档。在 GO 中使用 WebSockets 只需几行代码。