Custom Speech のトレーニングデータセットとテストデータセットをアップロードする

1. Azure AI Foundry ポータルにサインインします。

2. 左側のウィンドウから [微調整 ] を選択し、[ AI サービスの微調整] を選択します。

3. カスタム音声の微調整 の開始方法に関する記事の説明に従って、開始したカスタム音声微調整タスク (モデル名別) を選択します。

4. [ データの管理>データセットの追加] を選択します。

   

5. データの追加ウィザードで、追加するトレーニング データの種類を選択します。 この例では、[音声と人間がラベル付けしたトランスクリプト] を選択します。 次に、[次へ] を選択します。

   

6. [データのアップロード] ページで、ローカル ファイル、Azure Blob Storage、またはその他の共有 Web の場所を選択します。 次に、[次へ] を選択します。

   リモートの場所を選択し、信頼できる Azure サービスのセキュリティ メカニズムを使用しない場合、リモートの場所は、単純な匿名 GET 要求で取得できる URL である必要があります。 たとえば、SAS URL やパブリックにアクセス可能な URL などです。 追加の承認が必要な URL、またはユーザーの操作が必要な URL はサポートされていません。

   注

   Azure BLOB URL を使用する場合は、信頼された Azure サービスのセキュリティ メカニズムを使用することで、データセット ファイルの最高のセキュリティを確保できます。 データセット ファイルのバッチ文字起こしとプレーンストレージ アカウント URL の場合と同じ手法を使用します。 詳細については、こちらを参照してください。

7. データの名前と説明を入力します。 次に、[次へ] を選択します。

8. データを確認し、[アップロード] を選択します。 [データの管理] ページに戻ります。 データの状態は、[処理中] です。

   

9. 後でテストを作成するときに必要なテスト データセット (オーディオのみなど) をアップロードする手順を繰り返します。 トレーニングとテストのために複数のデータセットをアップロードできます。

10. 前の手順を繰り返して、 後でテストに使用するオーディオ データをアップロードします。 データの 追加 ウィザードで、追加するデータの種類として [オーディオ ] を選択します。

Speech Studio で独自のデータセットをアップロードするには、次の手順を実行します。

1. Speech Studio にサインインします。

2. [Custom Speech]> [プロジェクト名] >[音声データセット]>[データのアップロード] を選択します。

3. [トレーニング データ]または [テスト データ] タブを選択します。

4. データセットの種類を選択し、[次へ] を選択します。

5. データセットの場所を指定し、[次へ] を選択します。 ローカル ファイルを選択するか、Azure BLOB URL などのリモートの場所を入力できます。 リモートの場所を選択し、信頼できる Azure サービスのセキュリティ メカニズムを使用しない場合、リモートの場所は、単純な匿名 GET 要求で取得できる URL である必要があります。 たとえば、SAS URL やパブリックにアクセス可能な URL などです。 追加の承認が必要な URL、またはユーザーの操作が必要な URL はサポートされていません。

   注

   Azure BLOB URL を使用する場合は、信頼された Azure サービスのセキュリティ メカニズムを使用することで、データセット ファイルの最高のセキュリティを確保できます。 データセット ファイルのバッチ文字起こしとプレーンストレージ アカウント URL の場合と同じ手法を使用します。 詳細については、こちらを参照してください。

6. データセットの名前と説明を入力し、[次へ] を選択します。

7. 設定を確認し、[保存して閉じる] を選択します。

データセットがアップロードされたら、[カスタム モデルのトレーニング] ページに移動して、カスタム モデルをトレーニングします

Speech CLI と Speech to Text REST API では、Azure AI Foundry ポータルや Speech Studio とは異なり、アップロード時にデータセットがテスト用かトレーニング用かを選択しません。 モデルのトレーニング、テストの実行のときにデータセットをどのように使うかを指定します。

テスト用かトレーニング用かを示す必要はありませんが、データセットの種類を指定する必要があります。 データセットの種類は、作成するデータセットの種類を決定するために使われます。 場合によっては、データセットの種類はテスト用またはトレーニング用にのみ使われることもありますが、それに依存しないようにしてください。 Speech CLI と REST API kind の値は、次の表に示すように 、Azure AI Foundry ポータル と Speech Studio のオプションに対応しています。

データセットを作成し、既存のプロジェクトに接続するには、spx csr dataset create コマンドを使います。 次の手順に従って要求パラメーターを作成します。

• project プロパティを既存のプロジェクトの ID に設定します。 Azure AI Foundry ポータルでデータセットを表示および管理できるように、このパラメーターをお勧めします。 spx csr project list コマンドを実行すると、使用できるプロジェクトを取得できます。

• 必須の kind プロパティを設定します。 トレーニング データセットの種類に使用できる値のセットは、Acoustic、AudioFiles、Language、LanguageMarkdown、Pronunciation です。

• 必須の contentUrl プロパティを設定します。 このパラメーターは、データセットの場所です。 信頼された Azure サービスのセキュリティ メカニズム (次の注を参照) を使用しない場合、 contentUrl プロパティは、単純な匿名 GET 要求で取得できる URL である必要があります。 たとえば、SAS URL やパブリックにアクセス可能な URL などです。 追加の承認が必要な URL、またはユーザー操作が必要な URL はサポートされていません。

  注

  Azure BLOB URL を使用する場合は、信頼された Azure サービスのセキュリティ メカニズムを使用することで、データセット ファイルの最高のセキュリティを確保できます。 データセット ファイルのバッチ文字起こしとプレーンストレージ アカウント URL の場合と同じ手法を使用します。 詳細については、こちらを参照してください。

• 必須の language プロパティを設定します。 データセットのロケールは、プロジェクトのロケールと一致する必要があります。 ロケールを後から変更することはできません。 Speech CLI language プロパティは、JSON 要求と応答の locale プロパティに対応します。

• 必須の name プロパティを設定します。 このパラメーターは、 Azure AI Foundry ポータルに表示される名前です。 Speech CLI name プロパティは、JSON 要求と応答の displayName プロパティに対応します。

データセットを作成し、既存のプロジェクトに接続する Speech CLI コマンドの例を次に示します。

spx csr dataset create --api-version v3.2 --kind "Acoustic" --name "My Acoustic Dataset" --description "My Acoustic Dataset Description" --project YourProjectId --content YourContentUrl --language "en-US"

次の形式で応答本文を受け取る必要があります。

{
  "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/datasets/23b6554d-21f9-4df1-89cb-f84510ac8d23",
  "kind": "Acoustic",
  "links": {
    "files": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/datasets/23b6554d-21f9-4df1-89cb-f84510ac8d23/files"
  },
  "project": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/projects/0198f569-cc11-4099-a0e8-9d55bc3d0c52"
  },
  "properties": {
    "textNormalizationKind": "Default",
    "acceptedLineCount": 2,
    "rejectedLineCount": 0,
    "duration": "PT59S"
  },
  "lastActionDateTime": "2024-07-14T17:36:30Z",
  "status": "Succeeded",
  "createdDateTime": "2024-07-14T17:36:14Z",
  "locale": "en-US",
  "displayName": "My Acoustic Dataset",
  "description": "My Acoustic Dataset Description",
  "customProperties": {
    "PortalAPIVersion": "3"
  }
}

応答本文の最上位の self プロパティはデータセットの URI です。 この URI を使って、データセットのプロジェクトとファイルに関する詳細を取得します。 また、この URI は、データセットの更新または削除にも使います。

データセットに関する Speech CLI ヘルプを表示するには、次のコマンドを実行します。

spx help csr dataset

Speech CLI と Speech to Text REST API では、Azure AI Foundry ポータルや Speech Studio とは異なり、アップロード時にデータセットがテスト用かトレーニング用かを選択しません。 モデルのトレーニング、テストの実行のときにデータセットをどのように使うかを指定します。

テスト用かトレーニング用かを示す必要はありませんが、データセットの種類を指定する必要があります。 データセットの種類は、作成するデータセットの種類を決定するために使われます。 場合によっては、データセットの種類はテスト用またはトレーニング用にのみ使われることもありますが、それに依存しないようにしてください。 Speech CLI と REST API kind の値は、次の表に示すように 、Azure AI Foundry ポータル と Speech Studio のオプションに対応しています。

データセットを作成して既存のプロジェクトに接続するには、Speech to text REST API の Datasets_Create 操作を使います。 次の手順に従って要求本文を作成します。

• project プロパティを既存のプロジェクトの URI に設定します。 Azure AI Foundry ポータルでデータセットを表示および管理できるように、このプロパティをお勧めします。 Projects_List 要求を行うと、使用できるプロジェクトを取得できます。

• 必須の kind プロパティを設定します。 トレーニング データセットの種類に使用できる値のセットは、Acoustic、AudioFiles、Language、LanguageMarkdown、Pronunciation です。

• 必須の contentUrl プロパティを設定します。 このプロパティは、データセットの場所です。 信頼された Azure サービスのセキュリティ メカニズム (次の注を参照) を使用しない場合、 contentUrl プロパティは、単純な匿名 GET 要求で取得できる URL である必要があります。 たとえば、SAS URL やパブリックにアクセス可能な URL などです。 追加の承認が必要な URL、またはユーザー操作が必要な URL はサポートされていません。

  注

  Azure BLOB URL を使用する場合は、信頼された Azure サービスのセキュリティ メカニズムを使用することで、データセット ファイルの最高のセキュリティを確保できます。 データセット ファイルのバッチ文字起こしとプレーンストレージ アカウント URL の場合と同じ手法を使用します。 詳細については、こちらを参照してください。

• 必須の locale プロパティを設定します。 データセットのロケールは、プロジェクトのロケールと一致する必要があります。 ロケールを後から変更することはできません。

• 必須の displayName プロパティを設定します。 このプロパティは、 Azure AI Foundry ポータルに表示される名前です。

HTTP POST 要求は、次の例に示すように URI を使用して行います。 YourSpeechResoureKey は実際の Speech リソース キーに、YourServiceRegion は実際の Speech リソース リージョンに置き換えたうえで、前述のように要求本文のプロパティを設定してください。

curl -v -X POST -H "Ocp-Apim-Subscription-Key: YourSpeechResoureKey" -H "Content-Type: application/json" -d '{
  "kind": "Acoustic",
  "displayName": "My Acoustic Dataset",
  "description": "My Acoustic Dataset Description",
  "project": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/projects/0198f569-cc11-4099-a0e8-9d55bc3d0c52"
  },
  "contentUrl": "https://contoso.com/mydatasetlocation",
  "locale": "en-US",
}'  "https://YourServiceRegion.api.cognitive.microsoft.com/speechtotext/v3.2/datasets"

次の形式で応答本文を受け取る必要があります。

{
  "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/datasets/23b6554d-21f9-4df1-89cb-f84510ac8d23",
  "kind": "Acoustic",
  "links": {
    "files": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/datasets/23b6554d-21f9-4df1-89cb-f84510ac8d23/files"
  },
  "project": {
    "self": "https://eastus.api.cognitive.microsoft.com/speechtotext/v3.2/projects/0198f569-cc11-4099-a0e8-9d55bc3d0c52"
  },
  "properties": {
    "textNormalizationKind": "Default",
    "acceptedLineCount": 2,
    "rejectedLineCount": 0,
    "duration": "PT59S"
  },
  "lastActionDateTime": "2024-07-14T17:36:30Z",
  "status": "Succeeded",
  "createdDateTime": "2024-07-14T17:36:14Z",
  "locale": "en-US",
  "displayName": "My Acoustic Dataset",
  "description": "My Acoustic Dataset Description",
  "customProperties": {
    "PortalAPIVersion": "3"
  }
}

応答本文の最上位の self プロパティはデータセットの URI です。 この URI を使って、データセットのプロジェクトとファイルに関する詳細を取得します。 また、データセットの更新または削除にもこの URI を使用します。