AZ04 文字與語音
區分文字分析、語音辨識、語音合成與語音翻譯。
AZ04 文字與語音
「讓 AI 聽懂維修描述」可能包含好幾個工作。音訊變文字是 Speech recognition，文字變語音是 Speech synthesis，換成另一種語言則涉及翻譯；文字裡再找設備名稱、重點或情緒，是另一段分析。
先把需要的輸入與輸出說清楚，再選服務。用多模態模型直接接收音訊和經過逐字稿分析，是兩條不同流程，錯誤來源也不同。Azure Speech 官方概覽可確認能力範圍。
追一段測試語音
假設錄音說「A-17 昨天下午聲音變大」。辨識結果可能把設備 ID 聽錯，文字分析也可能誤判時間或事件。後端需要將實際設備 ID 與已知資料核對，不直接以流暢的摘要代替查證。
如果要生成朗讀，先確認文字正確再合成；朗讀自然不代表內容正確。若要翻譯，另外檢查數字、單位與專有名詞是否保留。
練習
使用自己錄製、可用於測試的短音訊，列出原文、辨識結果、抽出的設備與時間。刻意加入一個相近的 ID，檢查哪一層需要人工或規則核對。
自我檢查：能指出失敗在音訊輸入、辨識、文字分析、翻譯或生成，而不是全部叫「語音 AI 不準」。