> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ja/llms.txt

# Azure

Mastra の AzureVoice クラスは、Microsoft Azure Cognitive Services を使用した Text-to-Speech および Speech-to-Text 機能を提供します。

## 使用例

環境変数または設定で直接指定できる Azure Speech Services の認証情報が必要です。

```typescript
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)
```

## 設定

### コンストラクターオプション

**speechModel** (`AzureSpeechConfig`): Text-to-Speech 合成の設定。

**speechModel.apiKey** (`string`): Azure Speech Services API キー（Azure OpenAI キーではありません）。未指定の場合は AZURE\_API\_KEY 環境変数を使用します。

**speechModel.region** (`string`): Azure リージョン（例：'eastus'、'westeurope'）。未指定の場合は AZURE\_REGION 環境変数を使用します。

**speechModel.voiceName** (`string`): 音声合成に使用する Voice ID（例：'en-US-AriaNeural'、'en-US-JennyNeural'）。speechModel だけで使用します。以下の Voice 一覧を参照してください。

**speechModel.language** (`string`): 認識する言語コード（例：'en-US'、'fr-FR'）。listeningModel だけで使用します。

**listeningModel** (`AzureSpeechConfig`): Speech-to-Text 認識の設定。

**listeningModel.apiKey** (`string`): Azure Speech Services API キー（Azure OpenAI キーではありません）。未指定の場合は AZURE\_API\_KEY 環境変数を使用します。

**listeningModel.region** (`string`): Azure リージョン（例：'eastus'、'westeurope'）。未指定の場合は AZURE\_REGION 環境変数を使用します。

**listeningModel.voiceName** (`string`): 音声合成に使用する Voice ID（例：'en-US-AriaNeural'、'en-US-JennyNeural'）。speechModel だけで使用します。以下の Voice 一覧を参照してください。

**listeningModel.language** (`string`): 認識する言語コード（例：'en-US'、'fr-FR'）。listeningModel だけで使用します。

**speaker** (`string`): 音声合成に使用するデフォルトの Voice ID。

## メソッド

### `speak()`

Azure のニューラル Text-to-Speech サービスを使用してテキストを音声に変換します。

**input** (`string | NodeJS.ReadableStream`): 音声に変換するテキストまたはテキストストリーム。

**options** (`Options`): 設定オプション。

**options.speaker** (`string`): 音声合成に使用する Voice ID（例：'en-US-JennyNeural'）。デフォルトの Voice を上書きします。

戻り値：`Promise<NodeJS.ReadableStream>` - WAV 形式の音声ストリーム

### `listen()`

Azure の Speech-to-Text サービスを使用して音声を文字起こしします。

**audioStream** (`NodeJS.ReadableStream`): 文字起こしする音声ストリーム。WAV 形式である必要があります。

戻り値：`Promise<string>` - 音声から認識されたテキスト

言語と認識の設定は、初期化時に `listeningModel` の設定で指定します。このメソッドのオプションとしては渡しません。

### `getSpeakers()`

使用可能な Voice オプション（200種類以上）の配列を返します。各要素には次の値が含まれます。

**voiceId** (`string`): Voice の一意な識別子（例：'en-US-JennyNeural'、'fr-FR-DeniseNeural'）

**language** (`string`): Voice ID から抽出された言語コード（例：'en'、'fr'）

**region** (`string`): Voice ID から抽出されたリージョンコード（例：'US'、'GB'、'FR'）

戻り値：`Promise<Array<{ voiceId: string; language: string; region: string; }>>`

## 重要な注意事項

### Azure Speech Services と Azure OpenAI の違い

**⚠️ 重要：** このパッケージが使用する **Azure Speech Services** は、**Azure OpenAI Services** とは異なります。

- このパッケージでは `AZURE_OPENAI_API_KEY` を使用**しないでください**
- Azure Speech Services のサブスクリプションキーを使用**してください**（Azure Portal の「Speech Services」から取得します）
- これらは、API キーとエンドポイントが異なる別々の Azure リソースです

### 環境変数

API キーとリージョンは、コンストラクターオプションまたは環境変数で指定できます。

- `AZURE_API_KEY` - Azure Speech Services のサブスクリプションキー
- `AZURE_REGION` - Azure リージョン（例：'eastus'、'westeurope'）

### Voice 機能

- Azure は50以上の言語で200種類以上のニューラル Voice を提供します
- 各 Voice ID は `{language}-{region}-{name}Neural` の形式です（例：'en-US-JennyNeural'）
- 一部の Voice には、多言語対応または HD 品質のバリエーションがあります
- 音声出力は WAV 形式です
- 認識に使用する音声入力は WAV 形式である必要があります

## 使用可能な Voice

Azure は、多数の言語で200種類以上のニューラル Voice を提供します。代表的な英語 Voice は次のとおりです。

- **アメリカ英語：**

  - `en-US-AriaNeural`（女性、デフォルト）
  - `en-US-JennyNeural`（女性）
  - `en-US-GuyNeural`（男性）
  - `en-US-DavisNeural`（男性）
  - `en-US-AvaNeural`（女性）
  - `en-US-AndrewNeural`（男性）

- **イギリス英語：**

  - `en-GB-SoniaNeural`（女性）
  - `en-GB-RyanNeural`（男性）
  - `en-GB-LibbyNeural`（女性）

- **オーストラリア英語：**

  - `en-AU-NatashaNeural`（女性）
  - `en-AU-WilliamNeural`（男性）

200種類以上の Voice の完全な一覧を取得するには、次のコードを使用します。

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

詳細については、[Azure Neural TTS のドキュメント](https://learn.microsoft.com/en-us/azure/cognitive-services/speech-service/language-support?tabs=tts)を参照してください。