Azure
Mastra 的 AzureVoice 類別使用 Microsoft Azure Cognitive Services 提供文字轉語音與語音轉文字功能。
使用範例「使用範例」的直接連結
這需要 Azure Speech Services 認證資訊，可透過環境變數或直接在設定中提供：
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「設定」的直接連結
建構函式選項「建構函式選項」的直接連結
speechModel?:
AzureSpeechConfig
文字轉語音合成的設定。
AzureSpeechConfig
apiKey?:
string
Azure Speech Services API 金鑰（不是 Azure OpenAI 金鑰）。若未提供，則使用 AZURE_API_KEY 環境變數。
region?:
string
Azure 區域（例如 'eastus'、'westeurope'）。若未提供，則使用 AZURE_REGION 環境變數。
voiceName?:
string
語音合成的語音 ID（例如 'en-US-AriaNeural'、'en-US-JennyNeural'）。僅用於 speechModel。請參閱下方語音清單。
language?:
string
辨識語言程式碼（例如 'en-US'、'fr-FR'）。僅用於 listeningModel。
listeningModel?:
AzureSpeechConfig
語音轉文字辨識的設定。
AzureSpeechConfig
apiKey?:
string
Azure Speech Services API 金鑰（不是 Azure OpenAI 金鑰）。若未提供，則使用 AZURE_API_KEY 環境變數。
region?:
string
Azure 區域（例如 'eastus'、'westeurope'）。若未提供，則使用 AZURE_REGION 環境變數。
voiceName?:
string
語音合成的語音 ID（例如 'en-US-AriaNeural'、'en-US-JennyNeural'）。僅用於 speechModel。請參閱下方語音清單。
language?:
string
辨識語言程式碼（例如 'en-US'、'fr-FR'）。僅用於 listeningModel。
speaker?:
string
語音合成的預設語音 ID。
方法「方法」的直接連結
speak()「speak」的直接連結
使用 Azure 的神經文字轉語音服務，將文字轉換為語音。
input:
string | NodeJS.ReadableStream
要轉換為語音的文字或文字資料流。
options?:
Options
設定選項。
Options
speaker?:
string
語音合成使用的語音 ID（例如 'en-US-JennyNeural'）。會覆寫預設語音。
回傳：Promise<NodeJS.ReadableStream> — WAV 格式的音訊資料流
listen()「listen」的直接連結
使用 Azure 的語音轉文字服務轉錄音訊。
audioStream:
NodeJS.ReadableStream
要轉錄的音訊資料流。必須採用 WAV 格式。
回傳：Promise<string> — 從音訊辨識出的文字
語言與辨識設定需在初始化期間於 listeningModel 設定中指定，而不是以選項傳入此方法。
getSpeakers()「getspeakers」的直接連結
回傳可用語音選項的陣列（200 多種語音），其中每個節點包含：
voiceId:
string
語音的唯一識別碼（例如 'en-US-JennyNeural'、'fr-FR-DeniseNeural'）
language:
string
從語音 ID 擷取的語言程式碼（例如 'en'、'fr'）
region:
string
從語音 ID 擷取的區域程式碼（例如 'US'、'GB'、'FR'）
回傳：Promise<Array<{ voiceId: string; language: string; region: string; }>>
重要事項「重要事項」的直接連結
Azure Speech Services 與 Azure OpenAI 的差異「Azure Speech Services 與 Azure OpenAI 的差異」的直接連結
⚠️ 重要： 此套件使用 Azure Speech Services，與 Azure OpenAI Services 不同。
- 此套件請勿使用您的
AZURE_OPENAI_API_KEY - 請使用 Azure Speech Services 訂閱金鑰（可在 Azure Portal 的「Speech Services」下取得）
- 兩者是不同的 Azure 資源，使用不同的 API 金鑰與端點
環境變數「環境變數」的直接連結
API 金鑰與區域可透過建構函式選項或環境變數提供：
AZURE_API_KEY— 您的 Azure Speech Services 訂閱金鑰AZURE_REGION— 您的 Azure 區域（例如 'eastus'、'westeurope'）
語音功能「語音功能」的直接連結
- Azure 提供涵蓋 50 多種語言的 200 多種神經語音
- 每個語音 ID 都遵循此格式：
{language}-{region}-{name}Neural（例如 'en-US-JennyNeural'） - 部分語音支援多語言或提供 HD 品質版本
- 音訊輸出採用 WAV 格式
- 用於辨識的音訊輸入必須採用 WAV 格式
可用語音「可用語音」的直接連結
Azure 提供涵蓋多種語言的 200 多種神經語音。常用的英文語音包括：
-
美式英文：
en-US-AriaNeural（女性，預設）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）
-
英式英文：
en-GB-SoniaNeural（女性）en-GB-RyanNeural（男性）en-GB-LibbyNeural（女性）
-
澳式英文：
en-AU-NatashaNeural（女性）en-AU-WilliamNeural（男性）
若要取得 200 多種語音的完整清單：
const voices = await voice.getSpeakers()
console.log(voices) // Array of { voiceId, language, region }
如需更多資訊，請參閱 Azure Neural TTS 說明文件。