其中，Service_region和key值需要到azure中去获取，先选语音服务

语音转文本

语音转文本（Speech-to-Text, STT）则是一种将语音信息转换为文本的技术。微软的语音转文本功能支持多种语言和方言，能够实时将语音转换为文本，并提供了强大的噪声抑制和回声消除功能，使得识别准确率大大提高。

python代码如下：

import os import tkinter as tk from tkinter import filedialog, ttk import azure.cognitiveservices.speech as speechsdk from datetime import datetime  # 配置Azure语音服务的密钥和区域 speech_key = "key" service_region = "service_region"  def recognize_speech():     # 获取选择的WAV文件路径     wav_file = filedialog.askopenfilename(filetypes=[("WAV Files", "*.wav")])          if wav_file:         # 更新状态标签         status_label.config(text="正在识别...")                  # 创建语音配置对象,并设置语言为中文         speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)         speech_config.speech_recognition_language = "zh-CN"                  # 创建音频配置对象         audio_config = speechsdk.audio.AudioConfig(filename=wav_file)                  # 创建语音识别器对象         speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_config)                  # 定义识别结果的回调函数         recognized_text = []         def handle_final_result(evt):             recognized_text.append(evt.result.text)             progress_bar.step(10)  # 每次识别结果更新进度条                  # 连接识别结果的事件处理程序         speech_recognizer.recognized.connect(handle_final_result)                  # 定义识别状态的标志变量         is_recognizing = True                  # 定义识别结束的回调函数         def handle_session_stopped(evt):             nonlocal is_recognizing             is_recognizing = False                  # 连接识别结束的事件处理程序         speech_recognizer.session_stopped.connect(handle_session_stopped)                  # 执行连续识别         speech_recognizer.start_continuous_recognition()                  # 等待连续识别完成         while is_recognizing:             window.update()                  # 停止连续识别         speech_recognizer.stop_continuous_recognition()                  # 获取当前时间戳         timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")                  # 构建保存文件的路径         save_path = os.path.join("C:\\temp", f"recognized_text_{timestamp}.txt")                  # 将识别结果保存到文件         with open(save_path, "w", encoding="utf-8") as file:             file.write("\n".join(recognized_text))                  # 更新状态标签         status_label.config(text="识别完成,结果已保存到文件: " + save_path)                  # 重置进度条         progress_bar["value"] = 0  # 创建图形化界面 window = tk.Tk() window.title("语音识别")  # 创建选择文件按钮 select_button = tk.Button(window, text="选择WAV文件", command=recognize_speech) select_button.pack(pady=10)  # 创建状态标签 status_label = tk.Label(window, text="请选择要识别的WAV文件") status_label.pack()  # 创建进度条 progress_bar = ttk.Progressbar(window, length=200, mode="determinate") progress_bar.pack(pady=10)   # 运行图形化界面 window.mainloop()

运行后，效果如下：

总结

总的来说，微软的文本转语音和语音转文本功能的这次更新，无疑是一次重大的技术突破。它不仅为用户提供了更加自然流畅的语音合成体验，还极大地提高了语音识别的准确率。这对于需要使用语音识别和语音合成功能的用户来说，无疑是一个巨大的福音。

好了，今天的分享就到这里。如果你对这两个功能有更多的疑问或者想法，欢迎在评论区留言讨论。我们下期再见！