Azure

La classe AzureVoice de Mastra fournit des fonctionnalités de synthèse et de reconnaissance vocales à l'aide de Microsoft Azure Cognitive Services.

Exemple d'utilisation

Cette utilisation nécessite des identifiants Azure Speech Services, qui peuvent être fournis par des variables d'environnement ou directement dans la configuration :

import { AzureVoice } from '@mastra/voice-azure'

// Initialize with configuration
const voice = new AzureVoice({
  speechModel: {
    apiKey: 'your-azure-speech-api-key', // Or use AZURE_API_KEY env var
    region: 'eastus', // Or use AZURE_REGION env var
    voiceName: 'en-US-AriaNeural', // Optional: specific voice for TTS
  },
  listeningModel: {
    apiKey: 'your-azure-speech-api-key', // Or use AZURE_API_KEY env var
    region: 'eastus', // Or use AZURE_REGION env var
    language: 'en-US', // Optional: recognition language for STT
  },
  speaker: 'en-US-JennyNeural', // Optional: default voice
})

// Convert text to speech
const audioStream = await voice.speak('Hello, how can I help you?', {
  speaker: 'en-US-GuyNeural', // Optional: override default voice
})

// Convert speech to text
const text = await voice.listen(audioStream)

Configuration

Options du constructeur

speechModel?:

AzureSpeechConfig

Configuration de la synthèse vocale.

AzureSpeechConfig

apiKey?:

string

Clé API Azure Speech Services (PAS une clé Azure OpenAI). Utilise la variable d'environnement AZURE_API_KEY à défaut.

region?:

string

Région Azure (par exemple, 'eastus', 'westeurope'). Utilise la variable d'environnement AZURE_REGION à défaut.

voiceName?:

string

Identifiant de la voix pour la synthèse vocale (par exemple, 'en-US-AriaNeural', 'en-US-JennyNeural'). Utilisé uniquement dans speechModel. Consultez la liste des voix ci-dessous.

language?:

string

Code de langue de la reconnaissance (par exemple, 'en-US', 'fr-FR'). Utilisé uniquement dans listeningModel.

listeningModel?:

AzureSpeechConfig

Configuration de la reconnaissance vocale.

AzureSpeechConfig

apiKey?:

string

Clé API Azure Speech Services (PAS une clé Azure OpenAI). Utilise la variable d'environnement AZURE_API_KEY à défaut.

region?:

string

Région Azure (par exemple, 'eastus', 'westeurope'). Utilise la variable d'environnement AZURE_REGION à défaut.

voiceName?:

string

Identifiant de la voix pour la synthèse vocale (par exemple, 'en-US-AriaNeural', 'en-US-JennyNeural'). Utilisé uniquement dans speechModel. Consultez la liste des voix ci-dessous.

language?:

string

Code de langue de la reconnaissance (par exemple, 'en-US', 'fr-FR'). Utilisé uniquement dans listeningModel.

speaker?:

string

Identifiant par défaut de la voix pour la synthèse vocale.

Méthodes

speak()

Convertit du texte en parole à l'aide du service de synthèse vocale neuronale d'Azure.

input:

string | NodeJS.ReadableStream

Texte ou flux de texte à convertir en parole.

options?:

Options

Options de configuration.

Options

speaker?:

string

Identifiant de la voix à utiliser pour la synthèse vocale (par exemple, 'en-US-JennyNeural'). Remplace la voix par défaut.

Renvoie : Promise<NodeJS.ReadableStream> - Flux audio au format WAV

listen()

Transcrit un contenu audio à l'aide du service de reconnaissance vocale d'Azure.

audioStream:

NodeJS.ReadableStream

Flux audio à transcrire. Doit être au format WAV.

Renvoie : Promise<string> - Texte reconnu à partir du contenu audio

Les paramètres de langue et de reconnaissance sont définis dans la configuration listeningModel lors de l'initialisation ; ils ne sont pas transmis en tant qu'options à cette méthode.

getSpeakers()

Renvoie un tableau des options de voix disponibles (plus de 200 voix), dont chaque élément contient :

voiceId:

string

Identifiant unique de la voix (par exemple, 'en-US-JennyNeural', 'fr-FR-DeniseNeural')

language:

string

Code de langue extrait de l'identifiant de la voix (par exemple, 'en', 'fr')

region:

string

Code de région extrait de l'identifiant de la voix (par exemple, 'US', 'GB', 'FR')

Renvoie : Promise<Array<{ voiceId: string; language: string; region: string; }>>

Remarques importantes

Azure Speech Services et Azure OpenAI

⚠️ Important : ce package utilise Azure Speech Services, qui est distinct d'Azure OpenAI Services.

• N'utilisez pas votre AZURE_OPENAI_API_KEY avec ce package
• Utilisez une clé d'abonnement Azure Speech Services (à obtenir dans le portail Azure, sous « Speech Services »)
• Il s'agit de ressources Azure distinctes, avec des clés API et des endpoints différents

Variables d'environnement

Les clés API et les régions peuvent être fournies au moyen des options du constructeur ou de variables d'environnement :

• AZURE_API_KEY - Votre clé d'abonnement Azure Speech Services
• AZURE_REGION - Votre région Azure (par exemple, 'eastus', 'westeurope')

Capacités vocales

• Azure propose plus de 200 voix neuronales dans plus de 50 langues
• Chaque identifiant de voix suit le format : {language}-{region}-{name}Neural (par exemple, 'en-US-JennyNeural')
• Certaines voix sont multilingues ou proposent des variantes en qualité HD
• La sortie audio est au format WAV
• L'entrée audio destinée à la reconnaissance doit être au format WAV

Voix disponibles

Azure propose plus de 200 voix neuronales dans de nombreuses langues. Parmi les voix anglaises les plus populaires figurent :

• Anglais américain :

  • en-US-AriaNeural (féminine, par défaut)
  • en-US-JennyNeural (féminine)
  • en-US-GuyNeural (masculine)
  • en-US-DavisNeural (masculine)
  • en-US-AvaNeural (féminine)
  • en-US-AndrewNeural (masculine)

• Anglais britannique :

  • en-GB-SoniaNeural (féminine)
  • en-GB-RyanNeural (masculine)
  • en-GB-LibbyNeural (féminine)

• Anglais australien :

  • en-AU-NatashaNeural (féminine)
  • en-AU-WilliamNeural (masculine)

Pour obtenir la liste complète des plus de 200 voix :

const voices = await voice.getSpeakers()
console.log(voices) // Array of { voiceId, language, region }

Pour plus d'informations, consultez la documentation Azure Neural TTS.