Il servizio Azure AI Speech è la componente della piattaforma Azure AI dedicata all’elaborazione della voce. Fa parte dei servizi Azure AI Services e permette alle applicazioni di convertire l’audio parlato in testo e, viceversa, di generare voce sintetica a partire dal testo. Comprendere la differenza tra queste due direzioni — e sapere quando usarle — è centrale per l’esame AI-900.
Speech-to-text: dalla voce al testo
La funzionalità speech-to-text (riconoscimento vocale) accetta un flusso audio e produce una trascrizione testuale di ciò che viene detto. È la direzione audio → testo.
Caratteristiche principali:
- Riconoscimento in tempo reale (real-time): trascrive l’audio mentre viene parlato, utile per sottotitoli live e comandi vocali.
- Trascrizione batch: elabora file audio già registrati e archiviati (es. registrazioni di call center).
- Supporto per numerose lingue e possibilità di riconoscere il parlato in scenari diversi.
Con i Custom Speech models è possibile addestrare il riconoscimento su vocabolario specifico, accenti o terminologia di settore, migliorando l’accuratezza in contesti particolari (es. termini medici o nomi di prodotto).
Casi d’uso tipici (riconoscimento)
- Sottotitoli automatici (closed captions) per video e meeting.
- Trascrizione di riunioni e note vocali.
- Comandi vocali verso un’applicazione o un assistente.
- Accessibilità: consentire a chi ha difficoltà motorie di dettare invece di digitare.
Text-to-speech: dal testo alla voce
La funzionalità text-to-speech (sintesi vocale) fa l’opposto: accetta testo in input e genera audio parlato naturale. È la direzione testo → audio.
Elementi chiave:
- Voci neurali (neural voices): voci realistiche e dal suono naturale, generate con reti neurali.
- Personalizzazione tramite SSML (Speech Synthesis Markup Language) per controllare pronuncia, intonazione, pause e velocità.
- Custom Neural Voice: creazione di una voce di brand personalizzata (funzionalità ad accesso limitato per motivi di uso responsabile).
Casi d’uso tipici (sintesi)
- Assistenti vocali e IVR che rispondono a voce.
- Lettura di contenuti ad alta voce (articoli, e-mail, e-book).
- Accessibilità: leggere il testo dello schermo a utenti ipovedenti.
- Annunci e notifiche audio automatizzate.
Speech translation
Azure AI Speech offre anche la speech translation: prende l’audio in una lingua e ne restituisce la traduzione, sia come testo sia come audio in un’altra lingua. In pratica combina riconoscimento, traduzione e (opzionalmente) sintesi. È utile per conversazioni multilingua in tempo reale, sottotitoli tradotti e app di viaggio.
Riconoscimento vs sintesi: la distinzione chiave
Per l’esame è fondamentale non confondere le due direzioni:
- Speech-to-text = riconoscimento: audio → testo (l’utente parla, l’app scrive).
- Text-to-speech = sintesi: testo → audio (l’app legge, l’utente ascolta).
Un modo semplice per ricordarlo: “recognize” (riconoscere) è ascoltare e capire; “synthesize” (sintetizzare) è produrre e parlare.
Trappole tipiche d’esame
- Scenario: devi generare sottotitoli automatici per un webinar registrato → risposta giusta: speech-to-text (riconoscimento), perché converti audio in testo.
- Scenario: un’app deve leggere ad alta voce le notizie a un utente ipovedente → risposta giusta: text-to-speech (sintesi vocale), perché converti testo in audio.
- Scenario: un assistente vocale deve capire il comando parlato dall’utente e poi rispondere a voce → risposta giusta: speech-to-text per il comando e text-to-speech per la risposta (due capacità distinte dello stesso servizio).
- Scenario: un partecipante parla italiano e serve una trascrizione tradotta in inglese in tempo reale → risposta giusta: speech translation, non il semplice speech-to-text.
- Trappola terminologica: “convertire una registrazione audio del call center in testo per l’analisi” NON è text-to-speech → è speech-to-text. Attenzione a non farti ingannare dalla parola “audio” nella domanda: conta la direzione della conversione, non quale delle due parole compare per prima.