Speech to Text for IBM Cloud 的版本注意事項

IBM Cloud

在 IBM Cloud 上託管的 IBM Watson® Speech to Text 受管實體，或在 IBM Cloud Pak for Data 上作為服務託管的實體，每次發佈和更新都包含下列功能和變更。 除非另有說明，否則所有變更都與舊版相容，且會自動且透通地適用於所有新的及現有應用程式。

如需服務已知限制的相關資訊，請參閱 已知限制。

如需 IBM Cloud Pak for Data 的服務發佈與更新資訊，請參閱 IBM Cloud Pak for Data 的 Speech to Text 發佈說明。

2026年6月29日

大型語音模型的新 parameter_set 參數

大型語音模型現已新增「parameter_set」請求參數，可透過單次呼叫套用最佳化設定。 使用「parameter_set=enhanced」功能，無需手動設定個別參數，即可提升辨識品質。

2026年6月26日

low_latency 此模式現已適用於「美式英語大型語音模型」

美國英語大型語音模型「en-US」現已新增「low_latency」模式，可加速語音處理。

2026 年 5 月 15 日

意大利語大型語音模型現已全面上市

意大利語的大型語音模型 it-IT 現在已在所有資料中心普及 (GA)，支援 8kHz 和 16kHz 音訊取樣率。

2026 年 4 月 10 日

適用於荷蘭語的大型語音模型現已全面上市

荷蘭語的大型語音模型 nl-NL 現在已在所有資料中心普及 (GA)，支援 8kHz 和 16kHz 音訊取樣率。

2026 年 4 月 7 日

缺陷修正： 修正了在使用智慧格式化功能進行法文字母數字順序識別時，fille 識別不正確的問題。

2026 年 3 月 17 日

法語大型語言模型的改進
法語大型語言模型 (LSM) fr-FR 和 fr-CA 的改進現已推出，可提高字母數字序列識別的精確度。

缺陷修正： 修正了語言識別 (LID) 中的一個問題，當 /v1/recognize?language_identification=true 請求後緊接著一個普通 /v1/recognize 請求時，會觀察到間歇性的 5xx 錯誤。

缺陷修正： 修正了 max_active 參數觀察到內部伺服器錯誤的問題。

缺陷修正： 修正當 include_transparent_words 設定為 true 時，會錯誤傳回內部伺服器錯誤的問題。

2026 年 3 月 04 日

德語和荷蘭語語音轉文字模型的改進

德語和荷蘭語的 Speech-to-Text 模型的改良版現已推出。

  • 德國大型語音模型 (LSM) de-DE 的改良版現已可用於字母數字序列識別和一般用例。
  • Dutch Telephony nl-NL_Telephony 的改良版現在可用於字母數字序列識別和突出處理。

2026 年 2 月 16 日

德語大型語音模型現已全面上市

德語的大型語音模型 de-DE 現在已在所有資料中心普及 (GA)，支援 8kHz 和 16kHz 音訊取樣率。

加強語音謄本的豐富性

語音謄本增強功能現在可用於命名實體，包括日期、時間、貨幣、數字和測量。 這些實體現在可以根據語言區域正確處理。

2026 年 1 月 22 日

缺陷修正： 修正了當請求中沒有模型參數時，語音轉錄濃縮失敗的問題。

缺陷修復： 修正了因內部記憶體失效而導致語音轉文字 (STT) 自訂訓練時間變長的問題。

2026 年 1 月 8 日

缺陷修正： 修正法蘭克福資料中心語音謄本豐富化中的一個問題。

缺陷修正： 修正了 interim_results 中的一個問題，當 interim_results 設定為 false 時，最終語音謄本不會傳送。

2025 年 12 月 10 日

sounds_like 功能的輸入欄位驗證

sounds_like 的輸入欄位驗證功能現在已針對其他語言啟用。

  • sounds_like 的輸入欄位驗證功能已針對其他語言啟用，包括 en-US, en-AU, en-GB, en-IN, es-ES, es-AR, es-CL, es-CO, es-MX, es-PE, fr-FR_Telephony, fr-FR_Multimedia, de-DE_Telephony, de-DE_Multimedia, it-IT_Telephony, it-IT_Multimedia 和 nl-NL_Telephony 的型號。

2025 年 11 月 25 日

大型語音模型的中期結果現已公布

大型語音模型 (LSM) 的中期結果現已公布。

  • interim_results 參數早先只針對新一代機型啟用。 現在，LSM 也已啟用。 如需相關資訊，請參閱過渡期間結果。

2025 年 11 月 3 日

STT 機型現在可使用語音開始事件偵測功能。

STT 機型現在可使用語音開始事件偵測功能。

  • 透過使用語音開始事件偵測，現在您可以利用 recognize API 接收早期通知，該 API 會偵測傳入音訊串流中的語音開始，並傳送通知給使用者。 如需詳細資訊，請參閱 語音開始事件偵測。
語音活動偵測 (Speech Activity Detection) 的改進，可加快反應速度、提高準確度，以及在嘈雜環境中提供更佳效能。

Speech Activity Detection (SAD) 現已升級，除了 Speech To Text recognize API 中的現有方法外，還加入了新的改良方法。

  • 新方法提高了偵測音訊串流中語音邊界的精確度和效能。 可透過設定 sad_module:2. 如需更多資訊，請參閱「語音活動偵測（SAD）」。
口語鑑別現已普遍可用

口語鑑別現在已普遍可用。

  • 語言識別 (LID) 可自動偵測音訊串流中的口語。 該模型會持續處理輸入的音訊，並在可信度高於指定臨界值時 ( 0.99 預設值)，回傳已識別的語言。 如需詳細資訊，請參閱 口語鑑別。

2025 年 10 月 7 日

hints 參數現已普遍可用

hints 參數現已普遍可用。

  • hints 參數可利用 Smart Formatter 改善後期處理。 此參數可協助格式化人員更準確地詮釋使用者的意圖，並傳回更符合預期的結果。 如需詳細資訊，請參閱 提示參數。

2025 年 9 月 26 日

現在可普遍使用語音謄本增強功能

語音謄本增強功能現在已普遍可用。

  • Speech Transcript Enrichment 功能可改善原始自動語音辨識 (ASR) 謄本的可讀性和可用性。 這項後製處理服務可自動添加標點符號，並應用智慧型大小寫，以強化口語內容的結構與清晰度。 如需詳細資訊，請參閱 語音謄本增潤。

2025 年 9 月 9 日

缺陷修正： 修正了 Fr-CA 語言模型的 Smart Formatter 中，8 位數數字格式化時會多出零的錯誤問題。 Smart Formatter 現在會傳回正確的轉錄。

2025 年 8 月 19 日

缺陷修正： 修正 Smart Formatter 中的一個問題，該問題導致交易中的口語數字值轉錄不正確。 例如，one hundred and ninety-nine and twelve cents 應轉錄為 $199.12，但卻錯誤地顯示為 199 e R$ 0,12。 Smart Formatter 現在會傳回正確的轉錄。

缺陷修正： 修正法語模型 Smart Formatter 中「cent」一詞格式不正確的問題。 例如，quatre-vingt-neuf quarante-cinq zéro trois deux huit cent seize soixante-dix-huit 被轉錄為 89450328 100 1678，而非預期的 8945032811678。 Smart Formatter 現在會傳回正確的轉錄。

2025 年 7 月 22 日

缺陷修正： ja-JP 自訂模型錯誤，該錯誤是由全寬空格字元 ( U+3000 ) 引起的，現已修正。

缺陷修正： Smart Formatter Portuguese 電子郵件格式化問題 (即在電子郵件地址中引入額外空格) 現已修正。 如需詳細資訊，請參閱 Smart Formatter for Portuguese。

2025 年 7 月 8 日

英語大型語音模型的命名實體識別改進

包括對城市、地址、街道名稱、字母數字、日期以及名和姓的識別改進。

缺陷修復：Smart Formatter 西班牙語大型語音模型 (es-ES) 日期格式化

缺陷修正： el primero de enero de dos mil-> el 01/01/2000 必須格式化為 01/01/2000。 此問題已修正。 如需詳細資訊，請參閱 Smart Formatter for Spanish。

2025 年 6 月 17 日

缺陷修復： Smart Formatter Version 的值分配，導致插入錯誤，導致特定要求處理失敗。 此問題已修復。 Smart Formatter 請求現在已按預期回應。

缺陷修正： 在 Smart Formatter 中，觀察到字母數字字符中有不需要的空格。 例如，l k k one one five zero zero four two l e-> lkk1 150042le。此問題已修復。 Smart Formatter 請求現在已按預期回應。

2025 年 5 月 28 日

全新大型日語語音模型現已全面上市

日語的大型語音模型現在已普遍可用。

改進： 針對口語字母短語新增更好的 Smart Formatter 處理 - a as in alpha-> a。

2025 年 4 月 29 日

缺陷修正：修正 Smart Formatter 中各種字母或數位或符號的歧義問題

缺陷修正： 已修復下列問題：

  • O' 被格式化為數字 0
  • 'a real「格式化為」r1 '
  • 結腸鏡檢查」格式化為「:oscopy

2025 年 4 月 7 日

缺陷修復：在 OOV 中偵測到意外來源
缺陷修正： 將語料加入自訂模型時，先前刪除的 OOV 詞會無意中從先前的來源還原。 此問題已修正。

2025 年 3 月 18 日

缺陷修正：修正了 en-us 模型中日期和附加號碼的 Smart Formatter 問題。
缺陷修正： 當總位數超過所需的格式化日期時，格式化會停用。 例如，five twelve fifteen eleven-> 5 1/2/1511 必須是：5121511。

2025 年 2 月 11 日

缺陷修正： 觀察到大量 503’s，特別是 ja-JP_NarrowbandModel。 為了增加此機型的可用性，我們進行了服務改善。

缺陷修復： 在 en-US_Telephony 模型中發現 STT 自訂記憶體分配錯誤。 此問題已修復。

缺陷修正： 在 en-us 模型中發現一個 Smart Formatter 縮寫問題 (Dr. 已修正為 Doctor)。 此問題已修復。

2025 年 1 月 14 日

改進： 更新了實例的字母數字，其中 Smart Formatter 將某些單獨說出的數字組合 - 1 Z. 3 7 8 9 A. Y. 0 1 0 0 0 0 0 2 0 3-> 1 z 3789 a y 0100000203。此問題已修復。

缺陷修正：運行時間無法傳送所有假設
缺陷修復： 在關鍵字的置信度分數與假設不同的情況下，由於轉錄時間戳的問題，有些字詞在轉錄中遺失。 結果是，即使音訊包含兩個單字 yes，轉錄卻只傳回一個單字 yes。 時間戳記刪除邏輯的改進已修正此問題。

2024 年 11 月 19 日

新的德語大型語音模型現已正式推出

德語大型語音模型現已普遍可用。

缺陷修正：上取樣邏輯 ( 8khz 至 16khz ) 對多頻段英文大型語音模型的改進

缺陷修正： 服務中的向上取樣邏輯需要模型同時處理 8khz 和 16khz。

2024 年 11 月 05 日

缺陷修復：喇叭標籤停用 LSM 和 RNNT 的中期結果
缺陷修復： 發現一個問題，當啟用 Speaker Labels 時，臨時結果會停止傳送。 此問題已修復，當使用喇叭標籤時，服務現在會立即傳回中期結果。

2024 年 8 月 23 日

所有大型語音模型現已全面上市

所有語言的大型語音模型現已普遍可用（GA）。 支援在正式作業環境及應用程式中使用它們。

2024 年 6 月 18 日

適用於巴西葡萄牙文和西班牙文的全新大型語音模型現在處於開放式測試版

巴西葡萄牙文和西班牙文的大型語音模型現在是開放式測試版。 西班牙語包括卡斯提爾語、阿根廷語、智利語、哥倫比亞語、墨西哥語和秘魯語方言。

2024 年 5 月 15 日

Large Speech Model for English 現已正式發行

英文的大型語音模型 (包括美國、澳洲、印度及英國用語) 現在已正式發行 (GA)。 支援在正式作業環境及應用程式中使用。

2024 年 3 月 7 日

適用於美國英文 Open Beta 版的大型語音模型
新的美國英語大型語音模型正在進行公開測試。 如需具有受支援特性 (測試版) 的詳細資料，請參閱 大型語音語言和模型。

2023 年 11 月 30 日

Speech to Text 參數 speech_begin_event

此參數將使客戶端應用程式能夠知道檢測到某些單字或語音並且Speech to Text正在解碼過程中。 如需詳細資料，請參閱 使用語音辨識參數。

自訂字組的參數 'mapping_only'

透過使用“mapping_only”參數，您可以直接使用自訂單字將“sounds_like”（或單字）對應到“display_as”值作為後處理而不是訓練。 如需相關資訊，請參閱 words 資源。

請參閱 非日語 和 日語 指南。

支援巴西-葡萄牙和法-加加拿大的新一代改良語言模型自訂作業

最近新增了巴西-葡萄牙和法國-加拿大新一代模型的語言模型自訂作業。 此服務更新包括進一步的內部改進。

新建智慧型格式化功能

新一代機型的新智慧型格式化功能支援美式英文、巴西葡萄牙文、法文和德文語言。 如需詳細資料，請參閱 智慧型格式化版本。

在全新改良的新一代語言模型自訂作業上支援卡斯提亞西班牙文和 LATAM 西班牙文

新增卡斯提亞西班牙文和 LATAM 西班牙文下一代模型的語言模型自訂作業。 此服務更新包括進一步的內部改進。

英語、日語和法語的大型語音模型 - 供搶先體驗

如需早期存取特性，您可以在 IBM Watson Speech-to-Text 和 IBM watsonx Assistant中取得適用於英文、日文和法文的「大型語音模型」。 這些大型語音模型的特性集有限，但比 Next-Generation 模型更精確，而且由於較小的大小和更好的串流模式功能，執行速度更快且更便宜。

如果您有興趣測試這些基礎模型，並分享結果和意見，請填寫此 表單 來聯絡我們的「產品管理」團隊。

2023 年 7 月 28 日

重要事項: 從 2023 年 8 月 1 日開始停止提供所有前一代模型
重要事項: 現在已從服務停止提供所有前一個產生模型。 新客戶現在只能使用新一代模型。 所有現有客戶現在都必須移轉至同等的下一代模型。 如需所有下一代模型的相關資訊，請參閱 下一代語言和模型。 如需如何移轉至下一代模型的相關資訊，請參閱 移轉至下一代模型。

2023 年 6 月 9 日

問題修正程式: 建立及訓練自訂語言模型現在對於標準及低延遲的 Next-Generation 模型都是最佳選擇
問題報告修正: 使用語料庫文字檔及/或使用下一代低延遲模型的自訂字組來建立及訓練自訂語言模型時，現在它的執行方式與標準模型相同。 先前，它並非只有在使用 Next-Generation 低延遲模型時才最佳。
問題報告修正: 由於張量錯誤訊息，STT Websocket 階段作業不再失敗
問題報告修正: 使用 STT Websocket 時，階段作業不再因錯誤訊息「STT 傳回錯誤: 除維度 0 外，張量大小必須相符」而失敗。

2023 年 5 月 18 日

更新英國新一代醫療電話系統模型

英國下一代醫療電話系統模型已更新，以改善語音辨識:

  • en-WW_Medical_Telephony
在全新改良的新一代語言模型自訂作業上新增對法文和德文的支援

最近新增了適用於法文和德文下一代模型的語言模型自訂作業。 此服務更新包括進一步的內部改進。

如需進一步了解經過改進的下一代客製化功能，請參閱

問題修正程式: 包含半寬片假名字元的自訂字組現在會以日文電話系統模型傳回清楚的錯誤訊息

問題修正: 根據 說明文件，自訂字組中只接受全寬片假名字元，而下一代模型現在會顯示一則錯誤訊息，說明不支援它。 先前，建立包含半寬片假名字元的自訂字組時，未提供任何錯誤訊息。

問題修正: 由於訓練時間長，日文電話系統語言模型不再失敗

問題報告修正: 使用日文電話系統訓練自訂語言模型時，服務現在可有效地處理大量自訂字組，而不會失敗。

2023 年 5 月 2 日

根據改良的下一代模型來升級自訂模型的新程序

現在有兩種方法可用來將自訂語言模型升級至改良的下一代基礎模型。 您仍然可以修改然後重新訓練自訂模型，如已記載。 但現在，您也可以透過在 POST /v1/customizations/{customization_id}/train 要求中包括查詢參數 force=true 來升級自訂模型。 不論自訂模型是否包含變更 (處於 ready 或 available 狀態)，force 參數都會升級自訂模型。

如需相關資訊，請參閱 根據改良的下一代模型來升級自訂語言模型。

根據改良的下一代模型將字組新增至自訂模型的指引

文件現在提供更多關於將字組新增至基於改良的下一代模型的自訂模型的指引。 基於訓練期間的效能原因，指引鼓勵使用語料庫，而不是儘可能直接新增自訂字組。

如需相關資訊，請參閱 根據改良的下一代模型將字組新增至自訂模型的準則。

以改良的下一代模型為基礎的自訂模型的日文自訂字組會以不同方式處理

對於以下一代模型為基礎的日文自訂模型，自訂字組的處理方式與其他語言不同。 若為日文，您可以新增長度不超過 25 個字元的自訂單字或音效。 如果您的自訂字組或類似音超出該限制，則服務會將該字組新增至自訂模型，就像它是由語料庫所新增一樣。 該字組不會顯示為模型的自訂字組。

如需相關資訊，請參閱 根據改良的下一代模型將字組新增至日文模型的準則。

2023 年 4 月 12 日

問題修正: 使用下一代模型時，WebSocket 介面現在如預期般逾時
問題修正: 用於下一代模型的語音辨識時，WebSocket 介面現在會在長時間靜音之後如預期般逾時。 先前，當用於簡短音訊檔的語音辨識時，WebSocket 階段作業可能無法逾時。 當階段作業無法逾時時，服務不會傳回最終假設給等待中的用戶端應用程式，而是在等待結果時用戶端會逾時。

2023 年 4 月 6 日

問題修正程式: 容許完成下一代日文自訂模型訓練的限制

問題報告修正程式: 成功訓練下一代日文自訂語言模型需要新增至模型的自訂字組和音效，每一個都包含不超過 25 個字元。 對於最有效的訓練，建議自訂字組及音效包含不超過 20 個字元。 對具有較長自訂字組和音效的日文自訂模型的訓練-在多個小時訓練之後無法完成。

如果您需要將長字組或類似音的對等項目新增至下一代日文自訂模型，請採取下列步驟:

  1. 在自訂模型中新增較短的單字或音效 (會擷取較長單字或音效的本質)。
  2. 將一個以上使用較長單字或類似音的句子新增至語料庫。
  3. 請考量將句子新增至語料庫，以提供字組或類似音的更多環境定義。 更大的環境定義為服務提供更多資訊，可用來辨識單字並套用正確的類似音。
  4. 將語料庫新增至自訂模型中。
  5. 根據較短單字或類似音與包含較長字串之語料庫的組合，重新訓練自訂模型。

剛剛說明的限制和步驟容許下一代日本自訂模型完成訓練。 請記住，將大量新的自訂字組新增至自訂語言模型會增加模型的訓練時間。 但是只有在最初根據新字組來訓練自訂模型時，才會增加訓練時間。 在新字組上訓練自訂模型之後，訓練時間會回復正常。

For more information, see

進一步改良更新的新一代語言模型自訂作業

最近改進了英文和日文下一代模型的語言模型自訂作業。 此服務更新包括進一步的內部改進。 如需進一步了解經過改進的下一代客製化功能，請參閱

2023 年 3 月 13 日

問題修正程式: 美式英文日期的智慧型格式化現在是正確的
問題修正: 智慧型格式化現在正確地包含星期幾及日期，例如，在說出音訊中同時呈現這兩者時，Tuesday February 28。 先前，在某些情況下，會省略星期幾，且日期不正確地呈現。 請注意，智慧型格式化是測試版功能。
問題修正: 更新新一代模型之語音猶豫單字的文件
問題報告修正: 已更新下一代模型的語音猶豫單字說明文件。 有關美式英文和日文猶豫詞彙的詳細資料已提供。 新一代模型在轉錄結果中包含實際猶豫單字，不像前一代模型只包含猶豫標記。 如需相關資訊，請參閱 語音猶豫和猶豫標記。

2023 年 2 月 27 日

新日本新一代電話系統模型

該服務現在為日文提供新一代電話系統模型: ja-JP_Telephony。 新模型支援低延遲且已正式發行。 它也支援語言模型自訂作業和文法。 如需下一代模型及低延遲的相關資訊，請參閱

改良新一代英文和日文模型的語言模型自訂作業

服務現在為新一代英文和日文模型提供改良的語言模型自訂作業:

  • en-AU_Multimedia
  • en-AU_Telephony
  • en-IN_Telephony
  • en-GB_Multimedia
  • en-GB_Telephony
  • en-US_Multimedia
  • en-US_Telephony
  • ja-JP_Multimedia
  • ja-JP_Telephony

模型的可見改良: 新技術可改善新英文和日文模型的預設行為。 在其他變更中，新技術會最佳化下列參數的預設行為:

  • 基於這些模型新版本的自訂模型的預設 customization_weight 會從 0.2 變更為 0.1。
  • 基於這些模型新版本的自訂模型的預設 character_insertion_bias 仍為 0.0，但模型已變更，其使用參數進行語音辨識的方式不再需要。

升級至新模型: 如果要利用改良的技術，您必須升級以新模型為基礎的任何自訂語言模型。 若要升級至其中一個基本模型的新版本，請執行下列動作:

  1. 透過新增或修改模型包含的自訂字組、語料庫或文法來變更自訂模型。 您所做的任何變更都會將模型移至 ready 狀態。
  2. 使用 POST /v1/customizations/{customization_id}/train 方法來重新訓練模型。 重新訓練會將自訂模型升級至新技術，並將模型移至 available 狀態。

已知問題: 此時，您無法使用 POST /v1/customizations/{customization_id}/upgrade_model 方法將自訂模型升級至其中一個新的基礎模型。 此問題將於未來的版本中予以解決。

使用新模型: 升級至新的基礎模型之後，建議您特別注意用於語音辨識的 customization_weight 及 character_insertion_bias 參數，以評估已升級自訂模型的效能。 當您重新訓練自訂模型時:

  • 自訂模型會針對您的自訂模型使用新的預設 customization_weight 0.1。 即會移除與自訂模型相關聯的非預設 customization_weight。
  • 自訂模型可能不再需要使用 character_insertion_bias 參數來進行最佳語音辨識。

語言模型自訂作業的改進使這些參數對於高品質語音辨識而言不太重要:

  • 如果您使用這些參數的預設值，請在升級之後繼續這樣做。 預設值可能會繼續提供語音辨識的最佳結果。
  • 如果您指定這些參數的非預設值，請在升級之後實驗預設值。 您的自訂模型可能適用於具有預設值的語音辨識。

如果您覺得對這些參數使用不同的值可能會改善您的自訂模型的語音辨識，請實驗漸進式變更，以判定是否需要參數來改善語音辨識。

附註: 此時，語言模型自訂作業的改良僅適用於以先前列出的下一代英文或日文基礎語言模型為基礎的自訂模型。 隨著時間的推移，這些改進將提供給其他下一代語言模型。

相關資訊: 如需升級及使用這些參數的語音辨識的相關資訊，請參閱

問題修正: 文法檔案現在可正確處理數字字串

問題報告修正: 當使用文法時，服務現在會正確處理較長的數字字串。 先前，它無法完成辨識或傳回不正確的結果。

2023 年 2 月 15 日

重要事項: 所有前一代模型都已淘汰，將在 2023 年 7 月 31 日結束服務

重要事項: 所有前一個產生模型都已淘汰，並將從 2023 年 7 月 31 日開始結束服務。 在該日期，會從服務及文件中移除所有前一個產生模型。 前次淘汰日期是 2023 年 3 月 3 日。 新的日期可讓使用者有更多時間移轉至適當的下一代模型。 但使用者必須在 2023 年 7 月 31 日之前移轉至同等的下一代模型。

大部分前一代模型已在 2022 年 3 月 15 日淘汰。 先前未淘汰阿拉伯文和日文模型。 現在，淘汰適用於 所有 前一個產生模型。

附註: 從服務移除前一代 en-US_BroadbandModel 時，下一代 en-US_Multimedia 模型將變成語音辨識要求的預設模型。

問題修正: 改良新一代自訂語言模型的訓練時間

問題報告修正: 現在已大幅改善新一代自訂語言模型的訓練時間。 先前，訓練時間比訓練日文自訂語言模型所需的時間要長得多，因為有報告指出訓練日文自訂語言模型。 內部修正程式已更正問題。

問題修正程式: 動態產生的文法檔案現在正常運作

問題報告修正: 動態產生的文法檔案現在可以正常運作。 先前，動態文法檔案可能會導致內部失敗，如 Speech to Text 與 IBM® watsonx™ Assistant的整合所報告。 內部修正程式已更正問題。

2023 年 1 月 20 日

已淘汰的阿拉伯文和英國模型名稱不再可用

服務不再接受下列阿拉伯文及英國模型名稱:

  • ar-AR_BroadbandModel-改用 ar-MS_BroadbandModel。
  • en-UK_NarrowbandModel-改用 en-GB_NarrowbandModel。
  • en-UK_BroadbandModel-改用 en-GB_BroadbandModel。

阿拉伯文模型名稱已於 2020 年 12 月 2 日淘汰。 英國英文模型名稱已於 2017 年 7 月 14 日淘汰。

Cloud Foundry 淘汰及移轉至資源群組

IBM宣佈於 2022 年 5 月 31 日棄用IBM Cloud Foundry。 自 2022 年 11 月 30 日起，無法建立新的IBM Cloud Foundry應用程序，只有現有使用者才能部署應用程式。IBM Cloud Foundry將於 2023 年 6 月 1 日終止支援。 屆時，任何執行IBM Cloud Foundry應用程式的IBM Cloud Foundry應用程式執行階段實例都會永久停用、取消設定和刪除。

要在 2023 年 6 月 1 日之後繼續使用您的IBM Cloud應用程序，您必須在該日期之前遷移到資源組。 資源組在概念上類似Cloud Foundry空間。 這些功能包含多項額外優勢，例如透過「IBM Cloud Identity and Access Management」（IAM）實現更細粒度的存取控制、能將服務實例連接到不同區域的應用程式與服務，以及可輕鬆查看各群組的使用狀況。

max_alternatives 參數現在可與下一代模型搭配使用

max_alternatives 參數現在可與所有下一代模型搭配使用。 此參數一般適用於所有下一代模型。 如需相關資訊，請參閱替代項目數上限。

問題修正: 容許將 max_alternatives 及 end_of_phrase_silence_time 參數與下一代模型搭配使用

問題修正: 當您將相同要求中的 max_alternatives 和 end_of_phrase_silence_time 參數與下一代模型搭配使用時，服務現在會傳回多個替代文字記錄，同時也遵守指出的暫停間隔。 先前，在單一要求中使用這兩個參數會產生失敗。 (將 max_alternatives 參數與下一代模型搭配使用之前已提供給有限數目的客戶作為實驗性特性。)

問題修正: 更新加拿大法文下一代電話系統模型 (需要升級)

問題報告修正: 已更新加拿大法文下一代電話系統模型 fr-CA_Telephony，以解決可能在語音辨識期間造成錯誤的內部不一致問題。 您需要升級以 fr-CA_Telephony 模型為基礎的任何自訂模型。 如需有關升級自訂模型的更多資訊，請參閱

問題修正: 新增文件準則，以根據下一代模型來建立日文類似音

問題修正: 在以下一代模型為基礎的日文自訂語言模型的類似音中，字元序列 ウー 在部分左側環境定義中不明確。 請勿使用以標音 /o/ 結尾的字元 (音節)，例如 ロ 和 ト。 在這種情況下，請使用 ウウ 或僅使用 ウ 而非 ウー。 例如，使用 ロウウマン 或 ロウマン 來取代 ロウーマン。 如需相關資訊，請參閱 適用於日文的準則。

將字組直接新增至基於下一代模型的自訂模型會增加訓練時間

將自訂字組直接新增至基於下一代模型的自訂模型，會導致模型訓練所花費的時間比否則的時間長幾分鐘。 如果您要使用使用 POST /v1/customizations/{customization_id}/words 或 PUT /v1/customizations/{customization_id}/words/{word_name} 方法所新增的自訂字組來訓練模型，請為模型留出幾分鐘的額外訓練時間。 如需相關資訊，請參閱：

已增加東京位置中自訂聲學模型的音訊資源時數上限

您可以新增至東京位置中自訂聲學模型的音訊資源時數上限也是 200 小時。 此前，東京地區的上限已降至 50 小時。 這一削減已被取消並推遲到明年。 如需相關資訊，請參閱 音訊時數上限。

2022 年 12 月 5 日

新的荷蘭荷蘭新一代多媒體模型
該服務現在為荷蘭荷蘭文提供下一代多媒體模型: nl-NL_Multimedia。 新模型支援低延遲且已正式發行。 它也支援語言模型自訂作業和文法。 如需下一代模型及低延遲的相關資訊，請參閱
問題修正: 在下一代模型的轉錄結果中更正自訂字組辨識
問題修正: 對於具有下一代模型的語言模型自訂作業，現在可以辨識自訂字組，並在所有文字記錄中使用。 先前，自訂字組有時無法辨識並在轉錄結果中使用。
問題修正: 在下一代模型的轉錄結果中正確使用 display_as 欄位
問題報告修正: 對於具有下一代模型的語言模型自訂作業，自訂字組的 display_as 欄位值現在會出現在所有文字記錄中。 先前，word 欄位的值有時會出現在轉錄結果中。
問題報告修正程式: 更新自訂模型命名文件
問題報告修正: 文件現在提供命名自訂語言模型和自訂聲學模型的詳細規則。 如需相關資訊，請參閱：

2022 年 10 月 20 日

更新英國新一代電話系統模型

英語版新一代電話機型已進行更新，以提升語音辨識功能：

  • en-AU_Telephony
  • en-GB_Telephony
  • en-IN_Telephony
  • en-US_Telephony

所有這些模型都繼續支援低延遲。 您不需要升級基於這些模型的自訂模型。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

問題修正: 更新日文下一代多媒體模型 (需要升級)

問題修正: 已更新日文下一代多媒體模型 ja-JP_Multimedia，以解決內部不一致的問題，這可能導致在低延遲語音辨識期間發生錯誤。 您需要升級以 ja-JP_Multimedia 模型為基礎的任何自訂模型。 如需有關升級自訂模型的更多資訊，請參閱

2022 年 10 月 7 日

新的瑞典下一代電話系統模型

該服務現在為瑞典文提供下一代電話系統模型: sv-SE_Telephony。 新模型支援低延遲且已正式發行。 它也支援語言模型自訂作業和文法。 如需下一代模型及低延遲的相關資訊，請參閱

更新英國新一代電話系統模型

英語版新一代電話機型已進行更新，以提升語音辨識功能：

  • en-AU_Telephony
  • en-GB_Telephony
  • en-IN_Telephony
  • en-US_Telephony

所有這些模型都繼續支援低延遲。 您不需要升級基於這些模型的自訂模型。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

2022 年 9 月 21 日

用於 GDPR 刪除使用者資訊的新 Activity Tracker 事件

當您使用 DELETE /v1/user_data 方法來刪除使用者的所有相關資訊時，服務現在會傳回 Activity Tracker 事件。 事件命名為 speech-to-text.gdpr-user-data.delete。 如需相關資訊，請參閱 Activity Tracker 事件。

問題修正: 更新部分新一代模型以改善低延遲回應時間

問題修正: 已更新下列下一代模型，以改善使用 low_latency 參數時的回應時間:

  • en-IN_Telephony
  • hi-IN_Telephony
  • it-IT_Multimedia
  • nl-NL_Telephony

先前，這些模型在使用 low_latency 參數時未如預期般快速傳回辨識結果。 您不需要升級基於這些模型的自訂模型。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

2022 年 8 月 19 日

重要事項: 大部分前一代模型的淘汰日期現在是 2023 年 3 月 3 日

已取代: 此淘汰通知已由 2023 年 2 月 15 日服務更新 取代。 所有 前一個產生模型的服務結束日期現在是 2023 年 7 月 31 日。

2022 年 3 月 15 日，阿拉伯文和日文以外所有語言的前一代模型已淘汰。 此時，已淘汰的模型將保持可用，直到 2022 年 9 月 15 日為止。 為了讓使用者有更多時間移轉至適當的下一代模型，淘汰的模型現在將保持可用，直到 2023 年 3 月 3 日為止。 如同起始淘汰注意事項，阿拉伯文和日文前一代模型 不會 淘汰。 如需所有已淘汰模型的完整清單，請參閱 2022 年 3 月 15 日服務更新。

在 2023 年 3 月 3 日，將從服務及文件中移除已淘汰的模型。 如果您使用任何已淘汰的模型，則必須在 2023 年 3 月 3 日之前移轉至對等的下一代模型。

附註: 從服務移除前一代 en-US_BroadbandModel 時，下一代 en-US_Multimedia 模型將變成語音辨識要求的預設模型。

2022 年 8 月 15 日

新的法國加拿大下一代多媒體模型

該服務現在為法屬加拿大提供下一代多媒體模型: fr-CA_Multimedia。 新模型支援低延遲且已正式發行。 它也支援語言模型自訂作業和文法。 如需下一代模型及低延遲的相關資訊，請參閱

更新英國新一代電話系統模型

英語版新一代電話機型已進行更新，以提升語音辨識功能：

  • en-AU_Telephony
  • en-GB_Telephony
  • en-IN_Telephony
  • en-US_Telephony

所有這些模型都繼續支援低延遲。 您不需要升級基於這些模型的自訂模型。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

義大利新一代多媒體模型現在支援低延遲

義大利新一代多媒體模型 it-IT_Multimedia 現在支援低延遲。 如需下一代模型及低延遲的相關資訊，請參閱

重要事項: 針對自訂聲學模型減少音訊資料的時數上限

重要事項: 您可以新增至自訂聲學模型的音訊資料量上限從 200 小時減少至 50 小時。 這項變更將從 2022 年 8 月至 9 月分階段到不同地點。 如需限制縮減的排程及其對包含超過 50 小時音訊之現有自訂聲學模型的意義的相關資訊，請參閱 音訊的時數上限。

2022 年 8 月 3 日

問題報告修正: 更新語音猶豫及猶豫標記文件

問題報告修正: 已更新語音猶豫及猶豫標記的文件。 前一代模型包含猶豫標記，以取代大部分語言的轉錄結果中的語音猶豫; 智慧型格式化會從美式英文最終文字記錄中移除猶豫標記。 下一代模型包括轉錄結果中的實際語音猶豫; 智慧型格式化不會影響它們併入最終轉錄結果中。

如需相關資訊，請參閱：

2022 年 6 月 1 日

多個新一代電話系統模型的更新

以下新一代電話機型已進行更新，以提升語音辨識效能：

  • en-AU_Telephony
  • en-GB_Telephony
  • en-IN_Telephony
  • en-US_Telephony
  • ko-KR_Telephony

您不需要升級基於這些模型的自訂模型。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

2022 年 5 月 25 日

新一代模型的新測試版 character_insertion_bias 參數

所有新一代模型現在都支援新的測試版參數 character_insertion_bias，它可與所有語音辨識介面搭配使用。 依預設，服務會針對每一個個別模型進行最佳化，以平衡其識別不同長度的候選字串。 模型特定的偏誤相當於 0.0。 對於大部分語音辨識要求而言，每一個模型的預設偏誤都已足夠。

不過，某些使用案例可能會受益於偏好具有較短或較長字串的假設。 該參數接受 -1.0 與 1.0 之間的值，這些值代表模型預設值的變更。 負值指示服務偏好較短的字元字串。 正值指示服務偏好較長的字元字串。 如需相關資訊，請參閱 字元插入偏誤。

2022 年 5 月 19 日

新的義大利文 it-IT_Multimedia 下一代模型

該服務現在為義大利文提供下一代多媒體模型: it-IT_Multimedia。 新模型已正式發行。 它不支援低延遲，但支援語言模型自訂作業及文法。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

更新韓文電話系統和多媒體新一代模型

現有的韓國下一代型號已更新:

  • 已更新 ko-KR_Telephony 模型，以改良語音辨識的低延遲支援。
  • ko-KR_Multimedia 型號已進行更新，以提升語音辨識效能。 模型現在也支援低延遲。

這兩個模型都已正式發行，且都支援語言模型自訂作業及文法。 您不需要升級以這些模型為基礎的自訂語言模型。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

問題修正: 現在會報告所有轉錄結果的信任評分

問題修正: 現在會針對所有轉錄結果報告信任評分。 先前，當服務針對單一語音辨識要求傳回多個文字記錄時，可能不會針對所有文字記錄傳回信任評分。

2022 年 4 月 11 日

新的巴西葡萄牙文 pt-BR_Multimedia 下一代模型

該服務現在為巴西葡萄牙文提供下一代多媒體模型: pt-BR_Multimedia。 新模型支援低延遲且已正式發行。 它也支援語言模型自訂作業和文法。 如需下一代模型及低延遲的相關資訊，請參閱

更新德國 de-DE_Multimedia 下一代模型以支援低延遲

新一代德國型號 de-DE_Multimedia 現在支援低延遲。 您不需要升級以更新的德文基本模型為基礎的自訂模型。 如需下一代模型及低延遲的相關資訊，請參閱

現在已針對基於下一代模型的自訂模型記錄了對音效的支援

對於以下一代模型為基礎的自訂語言模型，現在已針對自訂字組的類似音規格記載支援。 自 2021 年底以來，已提供對音效的支援。

對於基於下一代模型和上一代模型的自訂模型，使用 sounds_like 欄位之間存在差異。 如需將 sounds_like 欄位與基於下一代模型的自訂模型搭配使用的相關資訊，請參閱 使用下一代模型的自訂字組。

重要事項: 已從文件中移除已淘汰的 customization_id 參數

重要事項: 在 2018 年 10 月 9 日，所有語音辨識要求的 customization_id 參數已淘汰，並取代為 language_customization_id 參數。 現在已從語音辨識方法的文件中移除 customization_id 參數:

  • 用於 WebSocket 要求的 /v1/recognize
  • 用於同步 HTTP 要求（包括多部分要求）的 POST /v1/recognize
  • 用於非同步 HTTP 要求的 POST /v1/recognitions

附註: 如果您使用 Watson SDK，請確保已更新任何應用程式碼以使用 language_customization_id 參數而非 customization_id 參數。 從 SDK 的下一個主要版本開始，customization_id 參數將不再提供於 SDK 的對等方法。 如需語音辨識方法的相關資訊，請參閱 API 和 SDK 參照。

2022 年 3 月 17 日

新一代模型的文法支援現在已正式上市

文法支援現在已正式發行 (GA)，適用於符合下列條件的下一個一般模型:

  • 模型已正式發行。
  • 模型支援語言模型自訂作業。

如需相關資訊，請參閱下列主題：

新型德國新一代多媒體模型

該服務現在為德文提供下一代多媒體模型: de-DE_Multimedia。 新模型已正式發行。 它不支援低延遲。 它確實支援語言模型自訂作業 (正式發行) 和文法 (測試版)。

如需所有可用的下一代模型及其自訂作業支援的相關資訊，請參閱

測試版新一代 en-WW_Medical_Telephony 模型現在支援低延遲

測試版新一代 en-WW_Medical_Telephony 模型現在支援低延遲。 如需所有新一代模型及低延遲的相關資訊，請參閱

2022 年 3 月 15 日

重要事項: 淘汰大部分先前產生的模型

已取代: 此淘汰通知已由 2023 年 2 月 15 日服務更新 取代。 所有 前一個產生模型的服務結束日期現在是 2023 年 7 月 31 日。

從 2022 年 3 月 15 日開始，阿拉伯文和日文以外所有語言的前一代模型已淘汰。 已淘汰的模型在 2022 年 9 月 15 日將從服務和文件中移除之前仍然可用。 阿拉伯文和日文前一世代模型 不會 淘汰。

現在已淘汰下列前一個產生模型:

  • 中文 (普通話): zh-CN_NarrowbandModel 和 zh-CN_BroadbandModel
  • 荷蘭文 (荷蘭): nl-NL_NarrowbandModel 及 nl-NL_BroadbandModel
  • 英文 (澳洲): en-AU_NarrowbandModel 及 en-AU_BroadbandModel
  • 英文 (英國): en-GB_NarrowbandModel 及 en-GB_BroadbandModel
  • 英文 (美國): en-US_NarrowbandModel、en-US_BroadbandModel 及 en-US_ShortForm_NarrowbandModel
  • 法文 (加拿大): fr-CA_NarrowbandModel 和 fr-CA_BroadbandModel
  • 法文 (法國): fr-FR_NarrowbandModel 和 fr-FR_BroadbandModel
  • 德文: de-DE_NarrowbandModel 及 de-DE_BroadbandModel
  • 義大利文: it-IT_NarrowbandModel 和 it_IT_BroadbandModel
  • 韓文: ko-KR_NarrowbandModel 和 ko-KR_BroadbandModel
  • 葡萄牙文 (巴西): pt-BR_NarrowbandModel 及 pt-BR_BroadbandModel
  • 西班牙文 (阿根廷): es-AR_NarrowbandModel 和 es-AR_BroadbandModel
  • 西班牙文 (卡斯提亞): es-ES_NarrowbandModel 及 es-ES_BroadbandModel
  • 西班牙文 (智利): es-CL_NarrowbandModel 和 es-CL_BroadbandModel
  • 西班牙文 (哥倫比亞): es-CO_NarrowbandModel 和 es-CO_BroadbandModel
  • 西班牙文 (墨西哥): es-MX_NarrowbandModel 和 es-MX_BroadbandModel
  • 西班牙文 (秘魯): es-PE_NarrowbandModel 及 es-PE_BroadbandModel

如果您使用任何這些已淘汰的模型，則必須在服務結束日期之前移轉至對等的下一代模型。

附註: 在 9 月 15 日從服務中移除前一代 en-US_BroadbandModel 時，下一代 en-US_Multimedia 模型將變成語音辨識要求的預設模型。

新一代模型現在支援音訊剖析參數

所有下一代模型現在都支援下列音訊剖析參數作為正式發行的特性:

  • end_of_phrase_silence_time 指定服務將轉錄內容分割為多個最終結果時，各結果之間的暫停間隔時長。 如需相關資訊，請參閱詞組結尾的靜音時間。
  • split_transcript_at_phrase_end 指示該服務根據輸入內容的語義特徵，將文字記錄拆分為多個最終結果。 如需相關資訊，請參閱在詞組結尾分割文字記錄。
問題報告修正程式: 正確的說話者標籤文件

問題修正: 說話者標籤的文件在多個地方包含下列錯誤陳述: 對於下一代模型，不支援說話者標籤與臨時結果或低延遲一起使用。 支援說話者標籤與下一代模型的過渡結果及低延遲搭配使用。 如需相關資訊，請參閱說話者標籤。

2022 年 2 月 28 日

更新英文和法文新一代多媒體模型以支援低延遲

下列多媒體模型已更新為支援低延遲:

  • 澳洲英文: en-AU_Multimedia
  • 英式英文: en-GB_Multimedia
  • 美式英文: en-US_Multimedia
  • 法文： fr-FR_Multimedia

您不需要升級在這些基礎模型上建置的自訂語言模型。 如需下一代模型及低延遲的相關資訊，請參閱

新型卡斯提亞西班牙新一代多媒體模型

該服務現在為卡斯提亞西班牙文提供下一代多媒體模型: es-ES_Multimedia。 新模型支援低延遲且已正式發行。 它也支援語言模型自訂作業 (正式發行) 和文法 (測試版)。

如需所有可用的下一代模型及其自訂作業支援的相關資訊，請參閱

2022 年 2 月 11 日

問題報告修正程式: 更正自訂模型升級和基本模型版本說明文件

問題報告修正: 已更新說明自訂模型升級的說明文件，以及用於不同基礎模型版本的版本字串。 文件現在指出語言模型自訂作業的升級也適用於下一代模型。 此外，已更新代表基礎模型不同版本的版本字串。 base_model_version 參數也可以與已升級的下一代模型搭配使用。

如需自訂模型升級、何時需要升級以及如何使用舊版自訂模型的相關資訊，請參閱

問題報告修正程式: 更新大寫說明文件

問題報告修正: 說明服務自動將文字記錄大寫的文件已更新。 服務只會針對下列語言和模型將適當的名詞大寫:

  • 所有上一代美式英文模型
  • 新一代德國模式

如需相關資訊，請參閱 大寫。

2022 年 2 月 2 日

現在提供新的測試版 en-WW_Medical_Telephony 模型

現在提供新的測試版新一代 en-WW_Medical_Telephony。 新模型瞭解醫學和藥理學領域的術語。 在您需要轉錄一般醫療術語 (例如藥物名稱、產品品牌、醫療程序、疾病、醫生類型或 COVID-19-related 術語) 的情況下，請使用此模型。 常見使用案例包括病患與醫療提供者 (例如，醫生、護士或藥劑師) 之間的交談。

新模型適用於所有受支援的英文用語: 澳洲、印度、英國及美國。 新模型支援語言模型自訂作業和文法作為測試版功能。 它支援大部分與 en-US_Telephony 模型相同的參數，包括 smart_formatting (適用於美式英文音訊)。 它不支援下列參數: low_latency、profanity_filter、redaction 和 speaker_labels。

如需相關資訊，請參閱 英文醫療電話系統模型。

更新至中文 zh-CN_Telephony 模型

新一代中文模型 zh-CN_Telephony 已更新，以改善語音辨識。 模型繼續支援低延遲。 依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

如果您擁有基於更新後模型的自訂語言模型，則必須使用 POST /v1/customizations/{customization_id}/upgrade_model 方法升級現有的自訂模型，才能充分利用這些更新。 如需相關資訊，請參閱升級自訂模型。

更新至日文 ja-JP_Multimedia 下一代模型以支援低延遲

下一代日文模型 ja-JP_Multimedia 現在支援低延遲。 您可以將 low_latency 參數與使用模型的語音辨識要求搭配使用。 您不需要升級以更新的日文基礎模型為基礎的自訂模型。 如需下一代模型及低延遲的相關資訊，請參閱

2021 年 12 月 3 日

新的拉丁美洲西班牙文下一代電話系統模型

該服務現在為拉丁美洲西班牙文提供下一代電話系統模型: es-LA_Telephony。 新模型支援低延遲且已正式發行。

es-LA_Telephony 模型適用於所有拉丁美洲用語。 它相當於適用於阿根廷、智利、哥倫比亞、墨西哥及秘魯方言的前一代模型。 如果您已針對任何這些特定用語使用前一個產生模型，請使用 es-LA_Telephony 模型來移轉至對等的下一代模型。

如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

重要事項: 必須重建以特定新一代模型為基礎的自訂語言模型

重要事項: 如果您已根據特定下一代模型建立自訂語言模型，則必須重建自訂模型。 在您重新建立自訂語言模型之前，嘗試使用自訂模型的語音識別要求會以 HTTP 錯誤代碼 400 失敗。

您需要重建根據下列新一代模型版本所建立的自訂語言模型:

  • 對於 en-AU_Telephony 模型，這是您從 en-AU_Telephony.v2021-03-03 建立至 en-AU_Telephony.v2021-10-04 的自訂模型。
  • 對於 en-GB_Telephony 模型，這是您從 en-GB_Telephony.v2021-03-03 建立至 en-GB_Telephony.v2021-10-04 的自訂模型。
  • 對於 en-US_Telephony 模型，這是您從 en-US_Telephony.v2021-06-17 建立至 en-US_Telephony.v2021-10-04 的自訂模型。
  • 對於 en-US_Multimedia 模型，這是您從 en-US_Multimedia.v2021-03-03 建立至 en-US_Multimedia.v2021-10-04 的自訂模型。

若要識別自訂語言模型所根據的模型版本， 請使用 GET /v1/customizations 方法來列出所有自訂語言模型，或使用 GET /v1/customizations/{customization_id} 方法來列出特定的自訂語言模型。 輸出的 versions 欄位會顯示自訂語言模型的基礎模型。 如需相關資訊，請參閱列出自訂語言模型。

若要重建自訂語言模型， 請先建立新的自訂模型。 然後，將所有先前自訂模型的語料庫及自訂字組新增至新模型。 然後，您可以刪除前一個自訂模型。 如需更多資訊，請參閱「建立自訂語言模型」。

2021 年 10 月 28 日

中國新一代新型電話技術

該服務現在為普通話漢語提供下一代電話系統模型: zh-CN_Telephony。 新模型支援低延遲且已正式發行。 如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

澳洲英語和英國英語新一代多媒體模型

服務現在提供下列新一代多媒體模型。 新模型已正式發行，且兩個模型都不支援低延遲。

  • 澳洲英文: en-AU_Multimedia
  • 英式英文: en-GB_Multimedia

如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

更新多世代模型以改善語音辨識

以下新一代機型已進行更新，以提升語音辨識功能：

  • 澳洲英文電話系統模型 (en-AU_Telephony)
  • 英式英文電話系統模型 (en-GB_Telephony)
  • 美式英文多媒體模型 (en-US_Multimedia)
  • 美式英文電話系統模型 (en-US_Telephony)
  • 卡斯提亞西班牙文電話系統模型 (es-ES_Telephony)

如需所有可用的下一代模型的相關資訊，請參閱 下一代語言和模型。

現在已正式發行前一個產生模型的文法支援

文法支援現在已正式發行 (GA)，適用於符合下列條件的先前一般模型:

  • 模型已正式發行。
  • 模型支援語言模型自訂作業。

如需相關資訊，請參閱下列主題：

新一代模型的新測試版文法支援

文法支援現在可作為所有下一代模型的測試版功能。 所有下一代模型都已正式發行 (GA)，並支援語言模型自訂作業。 如需相關資訊，請參閱下列主題：

附註: 僅針對 IBM Cloud 上的 Speech to Text 服務提供新一代文法的測試版支援。 IBM Cloud Pak for Data上的下一代模型尚不支援文法。

支援特性的新 custom_acoustic_model 欄位

GET /v1/models 和 GET /v1/models/{model_id} 方法現在會報告模型是否支援聲學模型自訂作業。 SupportedFeatures 物件現在包含另一個欄位 custom_acoustic_model，這是一個布林值，true 適用於支援聲學模型自訂作業的模型，否則為 false。 目前，對於所有前一代模型，此欄位為 true，對於所有下一代模型，此欄位為 false。

2021 年 10 月 22 日

缺陷修正：處理非同步 HTTP 故障
缺陷修正： 非同步 HTTP 介面無法轉錄某些音訊。 此外，要求的回呼會傳回狀態 recognitions.completed_with_results，而不是 recognitions.failed。 此錯誤已獲得解決。

2021 年 10 月 6 日

捷克和荷蘭文下一代模型的更新

下列新一代語言模型已依指示變更:

  • 捷克文電話系統模型 cs-CZ_Telephony 現在已正式發行 (GA)。 模型繼續支援低延遲。
  • 比利時荷蘭式電話模型 nl-BE_Telephony 已更新，以改善語音辨識。 模型繼續支援低延遲。
  • 荷蘭荷蘭式電話系統模型 nl-NL_Telephony 現在是 GA。 此外，模型現在支援低延遲。

如需所有可用的下一代語言模型的相關資訊，請參閱 下一代語言和模型。

達拉斯地區超值方案的美國 HIPAA 新支援

「美國醫療保險轉移和責任法 (HIPAA)」支援現在適用於達拉斯 (us-south) 位置所管理的「超值」方案。 如需更多資訊，請參閱 《健康保險可攜性與責任法案》（HIPAA）。

2021 年 9 月 16 日

新的測試版捷克和荷蘭荷蘭下一代模型

服務現在支援下列新一代語言模型。 這兩個新模型都是測試版功能。

  • 捷克文: cs-CZ_Telephony。 新模型支援低延遲。
  • 荷蘭文: nl-NL_Telephony。 新模型不支援低延遲。

如需所有可用的下一代語言模型的相關資訊，請參閱 下一代語言和模型。

更新韓文及巴西葡萄牙文下一代模型

下列新一代機型已更新:

  • 韓文模型 ko-KR_Telephony 現在支援低延遲。
  • 巴西葡萄牙語模型 pt-BR_Telephony 已進行更新，以提升語音辨識效能。
問題報告修正程式: 更正過渡期間結果和低延遲說明文件

問題報告修正: 為了清楚和正確，已改寫說明下一代模型的過渡期間結果和低延遲特性的文件。 如需相關資訊，請參閱下列主題：

問題報告修正程式: 改善說話者標籤結果

問題修正: 當您將說話者標籤與下一代模型搭配使用時，服務現在會識別輸入音訊所有字組的說話者，包括具有相同開始及結束時間戳記的非常簡短字組。

2021 年 8 月 31 日

所有新一代模型現在已正式上市

所有現有的下一代語言模型現在已正式發行 (GA)。 支援在正式作業環境及應用程式中使用它們。

新一代模型的語言模型自訂作業現在已正式發行

語言模型自訂作業現在已正式發行 (GA)，適用於所有可用的下一代語言及模型。 支援下一代模型的語言模型自訂作業，以在正式作業環境及應用程式中使用。

您可以使用相同的指令來建立、管理及使用新一代模型的自訂語言模型、語料庫及自訂字組，就像您對前一代模型所做的一樣。 但新一代模型的自訂作業與前一代模型的自訂作業不同。 對於基於下一代模型的自訂模型:

  • 自訂模型沒有詞彙外 (OOV) 字組的概念。
  • 語料庫中的字組不會新增至字組資源。
  • 您目前無法對自訂字組使用類似音特性。
  • 當更新基礎語言模型時，您不需要升級自訂模型。
  • 目前不支援文法。

如需將語言模型自訂作業用於下一代模型的相關資訊，請參閱

其他主題說明管理自訂語言模型、語料庫及自訂字組。 這些作業對於基於先前和下一代模型的自訂模型是相同的。

2021 年 8 月 16 日

新的測試版 Indian English、Indian Hindi、日文及韓國新一代模型

服務現在支援下列新一代語言模型。 所有新模型都是測試版功能。

  • 印度英文: en-IN_Telephony。 模型支援低延遲。
  • 印度印地語: hi-IN_Telephony。 模型支援低延遲。
  • 日文: ja-JP_Multimedia。 模型不支援低延遲。
  • 韓文: ko-KR_Multimedia 和 ko-KR_Telephony。 模型不支援低延遲。

如需下一代模型和低延遲的相關資訊，請參閱 下一代語言和模型 和 低延遲。

2021 年 7 月 16 日

新的測試版法國下一代模型
現在提供法文下一代語言模型 fr-FR_Multimedia。 新模型不支援低延遲。 模型是測試版功能。
測試版 US English 下一代模型的更新項目，以改良語音辨識
新一代美式英文 en-US_Telephony 模型已更新，以改善語音辨識。 更新的模型仍然是測試版功能。
問題修正: 更新猶豫標記的文件
問題報告修正: 文件無法指出下一代模型不會產生猶豫標記。 文件已更新，請注意只有前一個產生模型會產生猶豫標記。 下一代模型包括轉錄結果中的實際猶豫。 如需相關資訊，請參閱 語音猶豫和猶豫標記。

2021 年 6 月 15 日

新的測試版比利時荷蘭文下一代模型

比利時荷蘭語 (弗拉芒語) 下一代語言模型 nl-BE_Telephony 現已推出。 新模型支援低延遲。 模型是測試版功能。 如需下一代模型及低延遲的相關資訊，請參閱 下一代語言及模型 及 低延遲。

阿拉伯文、加拿大法文及義大利文下一代模型的新測試版低延遲支援

下列現有測試版新一代語言模型現在支援低延遲:

  • 阿拉伯文 ar-MS_Telephony 模型
  • 加拿大法文 fr-CA_Telephony 模型
  • 義大利文 it-IT_Telephony 模型

如需下一代模型及低延遲的相關資訊，請參閱 下一代語言及模型 及 低延遲。

測試版阿拉伯文和巴西葡萄牙文下一代模型的更新項目，以改良語音辨識

以下現有的下一代語言模型（測試版）已進行更新，以提升語音辨識效能：

  • 阿拉伯文 ar-MS_Telephony 模型
  • 巴西葡萄牙文 pt-BR_Telephony 模型

如需下一代模型及低延遲的相關資訊，請參閱 下一代語言及模型 及 低延遲。

2021 年 5 月 26 日

新一代模型的 audio_metrics 參數的新測試版支援
現在支援 audio_metrics 參數作為測試版功能，以與所有下一代語言及模型搭配使用。 如需相關資訊，請參閱音訊度量值。
新一代模型的 word_confidence 參數的新測試版支援
現在支援 word_confidence 參數作為測試版功能，以與所有下一代語言及模型搭配使用。 如需相關資訊，請參閱字組信賴度。
問題修正: 下一代模型的更新文件
問題報告修正: 已更新說明文件來更正下列資訊:
  • 當您使用下一代模型進行語音辨識時，最終轉錄結果現在包括 confidence 欄位。 當您使用前一個產生模型時，該欄位一律包含在最終轉錄結果中。 此修正程式解決了針對 2021 年 4 月 12 日發行的下一代模型所報告的限制。
  • 文件不正確地指出，使用 smart_formatting 參數會導致服務從日文最終轉錄結果中移除猶豫標記。 智慧型格式化不會從日文 (僅適用於美式英文) 的最終結果中移除猶豫標記。 如需相關資訊，請參閱 智慧型格式化會影響哪些結果?

2021 年 4 月 27 日

新的測試版阿拉伯文和巴西葡萄牙文下一代模型

此服務支援兩個新的新一代測試版模型:

  • 巴西葡萄牙文 pt-BR_Telephony 型號，支援低延遲。
  • 阿拉伯文 (現代標準) ar-MS_Telephony 型號，不支援低延遲。

如需相關資訊，請參閱 下一代語言和模型。

更新測試版卡斯提亞西班牙文下一代模型，以改良語音辨識

測試版新一代卡斯提亞西班牙文 es-ES_Telephony 模型現在支援 low_latency 參數。 如需相關資訊，請參閱 低延遲。

新一代模型說話者標籤的新測試版支援

現在支援 speaker_labels 參數作為測試版功能，與下列下一代模型搭配使用:

  • 澳洲英文 en-AU_Telephony 模型
  • 英式英文 en-GB_Telephony 模型
  • 美式英文 en-US_Multimedia 和 en-US_Telephony 型號
  • 德文 de-DE_Telephony 模型
  • 卡斯提亞西班牙文 es-ES_Telephony 模型

對於下一代模型，目前不支援 speaker_labels 參數與 interim_results 或 low_latency 參數搭配使用。 如需相關資訊，請參閱說話者標籤。

新的 HTTP 錯誤代碼，適用於使用 word_confidence 的下一代機型

不支援 word_confidence 參數與下一代模型搭配使用。 如果您將 word_confidence 參數與下一代模型搭配使用以進行語音辨識，則服務現在會傳回下列 400 錯誤碼:

{
  "error": "word_confidence is not a supported feature for model {model}",
  "code": 400,
  "code_description": "Bad Request"
}

2021 年 4 月 12 日

新的測試版新一代語言模型和 low_latency 參數

服務現在支援越來越多的新一代語言模型。 下一代 多媒體 和 電話系統 模型可改善服務前一代寬頻和窄頻模型的語音辨識功能。 新模型運用深度神經網路和雙向分析來達到更高傳輸量和更高轉錄精確度。 此時，下一代模型僅支援有限數目的語言及語音辨識功能。 支援的語言、模型及特性將隨著未來版本而增加。 下一代模型是測試版功能。

許多下一代模型也支援新的 low_latency 參數，可讓您以降低轉錄品質的可能代價來要求更快的結果。 啟用低延遲時，服務會縮減其音訊分析，這會降低轉錄的精確度。 如果您的應用程式所需要的回應時間比最高的 accuracy.The low_latency 參數是測試版功能。

low_latency 參數會影響您搭配使用 interim_results 參數與 WebSocket 介面。 過渡期間結果僅適用於支援低延遲的那些下一代模型，且僅當 interim_results 和 low_latency 參數都設為 true 時才可用。

2021 年 3 月 17 日

缺陷修正：修正異步 HTTP 介面的限制
缺陷修正： 2020 年 12 月 16 日在 Dallas ( us-south ) 位置報告的異步 HTTP 介面限制問題已解決。 先前，一小部分工作進入阻止其執行的無限迴圈。 達拉斯資料中心的非同步 HTTP 請求不再受此限制。

2020 年 12 月 2 日

阿拉伯文模型已重新命名為 ar-MS_BroadbandModel
阿拉伯文寬頻模型現在命名為 ar-MS_BroadbandModel。 先前的名稱 ar-AR_BroadbandModel 已淘汰。 它將繼續運作至少一年，但可能會在未來某個日期移除。 建議您盡快移轉至新名稱。

2020 年 11 月 2 日

加拿大法文型號現已正式上市

加拿大法文模型 fr-CA_BroadbandModel 和 fr-CA_NarrowbandModel 現在已正式發行 (GA)。 它們先前是測試版。 他們現在也支援語言模型和聲學模型自訂作業。

2020 年 10 月 22 日

澳洲英文模型現已正式上市

澳洲英文模型 en-AU_BroadbandModel 和 en-AU_NarrowbandModel 現在已正式發行 (GA)。 它們先前是測試版。 他們現在也支援語言模型和聲學模型自訂作業。

巴西葡萄牙文模型的更新，以改良語音辨識

已更新巴西葡萄牙文模型 pt-BR_BroadbandModel 及 pt-BR_NarrowbandModel，以改良語音辨識。 依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

split_transcript_at_phrase_end 參數現在已正式發行，適用於所有語言

語音辨識參數「split_transcript_at_phrase_end」現已針對所有語言正式推出（GA）。 先前，它僅針對美式英文及英式英文正式發行。 如需相關資訊，請參閱在詞組結尾分割文字記錄。

2020 年 10 月 7 日

更新日文寬頻模型以改善語音辨識

ja-JP_BroadbandModel 型號已進行更新，以提升語音辨識效能。 依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以此模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

2020 年 9 月 30 日

服務定價方案的更新

服務的定價方案已變更:

  • 該服務繼續提供精簡方案，提供每月有限分鐘語音辨識的基本免費存取。
  • 服務提供新的 Plus 方案，可提供簡單的分層定價模型，並可存取服務的自訂作業功能。
  • 此服務提供新的「超值」方案，可提供大幅增加的容量及加強的特性。

「加值」方案會取代「標準」方案。 標準方案繼續在短時間內可供購買。 方案的現有使用者也會繼續無限期地使用它，其定價沒有任何變更。 現有使用者可以隨時升級至 Plus 方案。

如需瞭解更多關於可用定價方案的資訊，請參閱以下資源：

  • 如需定價方案及常見問題回答的一般資訊，請參閱 定價常見問題。
  • 如需定價方案或購買方案的相關資訊，請參閱 IBM Cloud® 型錄中的 Speech to Text 服務。

2020 年 8 月 20 日

新的加拿大法文模型

服務現在為加拿大法文提供測試版寬頻模型和窄頻模型：

  • fr-CA_BroadbandModel
  • fr-CA_NarrowbandModel

新模型不支援語言模型或聲學模型自訂作業、說話者標籤，或智慧型格式化。 有關這些模型以及所有受支援模型的更多資訊，請參閱《 受支援的前一代語言模型 》。

2020 年 8 月 5 日

澳洲英文新模型

服務現在為澳洲英文提供測試版寬頻模型和窄頻模型：

  • en-AU_BroadbandModel
  • en-AU_NarrowbandModel

新模型不支援語言模型或聲學模型自訂作業，或智慧型格式化。 新模型可支援說話者標籤。 如需相關資訊，請參閱：

多個模型的更新項目，以改良語音辨識

下列模型已更新，以改善語音辨識：

  • 法文寬頻模型 (fr-FR_BroadbandModel)
  • 德文寬頻 (de-DE_BroadbandModel) 及窄頻 (de-DE_NarrowbandModel) 模型
  • 英式英文寬頻 (en-GB_BroadbandModel) 和窄頻 (en-GB_NarrowbandModel) 模型
  • 美式英文短格式窄頻 (en-US_ShortForm_NarrowbandModel) 模型

依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

德文的猶豫標記已變更

用於更新後德國寬頻與窄頻模型的猶豫標記，已從 [hesitation] 變更為 %HESITATION。 如需相關資訊，請參閱 語音猶豫和猶豫標記。

2020 年 6 月 4 日

問題報告修正程式: 使用許多文法改善自訂語言模型的延遲
問題報告修正: 已解決包含大量文法之自訂語言模型的延遲問題。 初次用於語音辨識時，這類自訂模型可能需要幾秒的時間才能載入。 自訂模型現在的載入速度已快上許多，大幅縮短用於辨識時的延遲。

2020 年 4 月 28 日

更新義大利文模型以改良語音辨識

已更新義大利文寬頻 (it-IT_BroadbandModel) 模型及窄頻 (it-IT_NarrowbandModel) 模型，以改善語音辨識。 依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

荷蘭文和義大利文型號現已正式上市

荷蘭文及義大利文語言模型現在已正式發行 (GA)，以進行語音辨識和語言模型和聲學模型自訂作業：

  • 荷蘭文寬頻模型 (nl-NL_BroadbandModel)
  • 荷蘭文窄頻模型 (nl-NL_NarrowbandModel)
  • 義大利文寬頻模型 (it-IT_BroadbandModel)
  • 義大利文窄頻模型 (it-IT_NarrowbandModel)

如需所有可用語言模型的相關資訊，請參閱

2020 年 4 月 1 日

聲學模型自訂作業現在正式發行

所有支援語言的聲學模型自訂作業現在已正式發行。 與自訂語言模型一樣，IBM 不會收取建立或管理自訂聲學模型的費用。 只會向您收取以語音辨識要求使用自訂模型的費用。

使用自訂語言模型、自訂聲學模型或同時使用這兩種類型的模型進行轉錄，每分鐘將額外收費 0.03 美元。 此費用不包括每分鐘 0.02 美元的標準使用收費，且它適用於自訂作業介面支援的所有語言。 因此，使用一個以上自訂模型進行語音辨識的總收費是每分鐘 0.05 美元。

2020 年 3 月 16 日

德文和韓文現在支援說話者標籤
服務現在支援德文及韓文語言模型的說話者標籤（speaker_labels 參數）。 說話者標籤可識別哪些人在多參與者交流中講了哪些字組。 如需相關資訊，請參閱說話者標籤。
Activity Tracker 現在支援非同步 介面 HTTP
該服務現在支援在異步 HTTP 介面的所有操作中使用 Activity Tracker 事件。IBM Cloud Activity Tracker 記錄使用者啟動的活動，這些活動會在 IBM Cloud® 中改變服務的狀態。 如需相關資訊，請參閱 Activity Tracker 事件。

2020 年 2 月 24 日

多個模型的更新項目，以改良語音辨識

下列模型已更新，以改善語音辨識：

  • 荷蘭文寬頻模型 (nl-NL_BroadbandModel)
  • 荷蘭文窄頻模型 (nl-NL_NarrowbandModel)
  • 義大利文寬頻模型 (it-IT_BroadbandModel)
  • 義大利文窄頻模型 (it-IT_NarrowbandModel)
  • 日文窄頻模型 (ja-JP_NarrowbandModel)
  • 美式英文寬頻模型 (en-US_BroadbandModel)

依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

現在適用於荷蘭文和義大利文的語言模型自訂作業

以下模型的新版本現已支援荷蘭語和義大利語的語言模型自訂功能：

  • 荷蘭文寬頻模型 (nl-NL_BroadbandModel)
  • 荷蘭文窄頻模型 (nl-NL_NarrowbandModel)
  • 義大利文寬頻模型 (it-IT_BroadbandModel)
  • 義大利文窄頻模型 (it-IT_NarrowbandModel)

如需相關資訊，請參閱：

由於荷蘭文及義大利文模型是測試版，因此其語言模型自訂作業也是測試版。

日文窄頻模型現在包含一些多克字組單元

日文窄頻模型 (ja-JP_NarrowbandModel) 現在包含數字和小數位數的一些多元字組單位。 不論您是否啟用智慧型格式化，服務都會傳回這些多元單位。 智慧型格式化特性會瞭解並傳回模型產生的多元單位。 如果您自行對轉錄結果套用後處理，則需要適當處理這些單位。 如需相關資訊，請參閱智慧型格式化文件中的日文。

用於語音識別的新的語音活動檢測和背景音訊抑制引數

服務現在提供兩個新的選用性參數，以便控制語音活動偵測的層次。 參數可以協助確定只有相關的音訊會進行語音辨識處理。

  • speech_detector_sensitivity 參數會調整語音活動偵測的靈敏度。 您可以使用此參數來抑制來自音樂、咳嗽和其他非語音事件的字組插入。
  • background_audio_suppression 參數會根據音量抑制背景音訊，避免它遭到轉錄或是以其他方式干擾語音辨識。 您可以使用此參數來抑制旁邊的交談或背景雜訊。

您可以個別使用參數，或一起使用。 它們可用於所有介面及大部分語言模型。 如需參數、其容許值，及其對語音辨識品質和延遲之影響等相關資訊，請參閱語音活動偵測。

自訂作業介面現在支援 Activity Tracker

服務現在支援將 Activity Tracker 事件用於所有自訂作業。IBM Cloud Activity Tracker 記錄使用者起始的活動，這些活動會變更 IBM Cloud中服務的狀態。 您可以使用此服務來調查異常活動及重要動作，以及符合法規審核需求。 此外，您可以在動作發生時收到有關動作的警示。 如需相關資訊，請參閱 Activity Tracker 事件。

問題報告修正程式: 使用 WebSocket 介面正確產生處理度量值

錯誤修正： WebSocket 介面現在在產生處理指標時，可無縫運作。 先前，在用戶端傳送 stop 訊息至服務之後，可能會繼續遞送處理度量值。

2019 年 12 月 18 日

提供新的測試版義大利文模型

服務現在為義大利文提供測試版寬頻模型和窄頻模型：

  • it-IT_BroadbandModel
  • it-IT_NarrowbandModel

這些語言模型支援聲學模型自訂作業。 它們不支援語言模型自訂作業。 由於它們是測試版，因此這些模型可能尚未準備好用於正式作業，並且會隨時變更。 這些是初始供應項目，預期品質會隨著時間和使用而提高。

如需相關資訊，請參閱下列各節：

用於語音辨識的新 end_of_phrase_silence_time 參數

對於語音辨識，服務現在支援 end_of_phrase_silence_time 參數。 參數指定暫停間隔的持續時間，服務會在此時將文字記錄分割成多個最終結果。 每個最終結果都會表示超過暫停間隔的暫停或長時間靜音。 對於大部分的語言，預設暫停間隔是 0.8 秒；中文的預設間隔是 0.6 秒。

您可以使用此參數，在產生最終結果的頻率與轉錄正確性之間進行權衡。 當正確性比延遲更重要時，請加長間隔。 說話者預期會說出短詞組或單一字組時，請縮短間隔。

如需相關資訊，請參閱詞組結尾的靜音時間。

用於語音辨識的新 split_transcript_at_phrase_end 參數

對於語音辨識，服務現在支援 split_transcript_at_phrase_end 參數。 此參數會指示服務根據輸入的語意特性（例如在句子結束時），將文字記錄分割成多個最終結果。 服務會根據您與要求搭配使用的基礎語言模型，來瞭解語意特性。 自訂語言模型和文法也可能影響服務分割文字記錄的方式和位置。

參數會導致服務將 end_of_utterance 欄位新增至每個最終結果，以指出分割的動機：full_stop、silence、end_of_data 或 reset。

如需相關資訊，請參閱在詞組結尾分割文字記錄。

2019 年 12 月 12 日

全面支援 IBM Cloud IAM

Speech to Text 服務現在支援 IBM Cloud Identity and Access Management (IAM) 的完整實作。 IBM Watson® 服務的 API 金鑰不再僅限於單一服務實例。 您可以建立適用於多個服務的存取原則及 API 金鑰，也可以授與服務之間的存取權。 如需 IAM 的相關資訊，請參閱 向 Watson 服務進行鑑別。

為了支援此變更，API 服務端點會使用不同的網域，並包含服務實例 ID。 該圖案的網址為 api.{location}.speech-to-text.watson.cloud.ibm.com/instances/{instance_id}。

  • 在達拉斯位置管理之實例的 HTTP URL 範例：

https://api.us-south.speech-to-text.watson.cloud.ibm.com/instances/6bbda3b3-d572-45e1-8c54-22d6ed9e52c2

  • 在達拉斯位置管理之實例的 WebSocket URL 範例：

wss://api.us-south.speech-to-text.watson.cloud.ibm.com/instances/6bbda3b3-d572-45e1-8c54-22d6ed9e52c2

有關 URL 的更多資訊，請參閱 API 與 SDK 參考手冊。

這些 URL 不構成岔斷變更。 新的 URL 同時適用於您的現有服務實例及新實例。 原始 URL 會繼續適用於現有服務實例至少一年，直到 2020年 12 月為止。

新增網路與資料安全功能

現在可支援下列新的網路和資料安全功能：

  • 支援專用網路端點

    Premium 方案的使用者可以建立私有網路端點，透過私有網路連線至 Speech to Text 服務。 與專用網路端點的連線不需要公用網際網路存取權。 如需相關資訊，請參閱公用及專用網路端點。

2019 年 12 月 10 日

提供新的測試版荷蘭荷蘭文模型

該服務現已針對荷蘭的荷蘭語提供寬頻與窄頻的測試版模型：

  • nl-NL_BroadbandModel
  • nl-NL_NarrowbandModel

這些語言模型支援聲學模型自訂作業。 它們不支援語言模型自訂作業。 由於它們是測試版，因此這些模型可能尚未準備好用於正式作業，並且會隨時變更。 這些是初始供應項目，預期品質會隨著時間和使用而提高。

如需相關資訊，請參閱下列各節：

2019 年 11 月 25 日

更新說話者標籤以改良個別說話者的識別
說話者標籤已更新，改善個別說話者的識別，以進一步分析您的音訊範例。 如需說話者標籤特性的相關資訊，請參閱說話者標籤。 如欲進一步了解此功能的改進之處，請參閱 IBM Research AI 在實際應用情境中推動講者身分識別技術的進展。

2019 年 11 月 12 日

現在提供新的首爾位置
Speech to Text 服務現已於 IBM Cloud 首爾區域 ( kr-seo ) 開放使用。 與其他位置一樣，IBM Cloud 位置使用以記號為基礎的 IAM 鑑別。 所有在這個位置中建立的新服務實例都會使用 IAM 鑑別。

2019 年 11 月 1 日

自訂模型數目上限的新限制
針對每個擁有的認證，您可以建立不超過 1024 個自訂語言模型，以及不超過 1024 個自訂聲學模型。 如需相關資訊，請參閱自訂模型數目上限。

2019 年 10 月 1 日

美國 HIPAA 對華盛頓特區位置超值方案的新支援
對於託管於華盛頓特區（ us-east ）區域，且於 2019 年 4 月 1 日或之後建立的 Premium 方案，提供美國《健康保險攜帶與責任法案》（HIPAA）支援服務。 如需相關資訊，請參閱美國醫療保險轉移和責任法 (HIPAA)。

2019 年 8 月 22 日

問題報告修正程式: 多個小型改進
已更新服務，以進行小問題修正及改善。

2019 年 7 月 30 日

現在提供西班牙文用語的新模型

現在，服務提供六種西班牙文用語的寬頻和窄頻語言模型：

  • 阿根廷西班牙文（es-AR_BroadbandModel 和 es-AR_NarrowbandModel）
  • 卡斯提亞西班牙文（es-ES_BroadbandModel 和 es-ES_NarrowbandModel）
  • 智利西班牙文（es-CL_BroadbandModel 和 es-CL_NarrowbandModel）
  • 哥倫比亞西班牙文（es-CO_BroadbandModel 和 es-CO_NarrowbandModel）
  • 墨西哥西班牙文（es-MX_BroadbandModel 和 es-MX_NarrowbandModel）
  • 秘魯西班牙文（es-PE_BroadbandModel 和 es-PE_NarrowbandModel）

卡斯提亞西班牙文模型並不是新模型。 語音辨識與語言模型自訂功能已進入一般可用（GA）階段，而聲學模型自訂功能則處於測試版階段。

其他五種用語是新增的，針對所有用途都是測試版功能。 由於這些其他用語是測試版，因此它們可能未準備好用於正式作業，並且會隨時變更。 這些是初始供應項目，預期品質會隨著時間和使用而提高。

如需相關資訊，請參閱下列各節：

2019 年 6 月 24 日

巴西葡萄牙文及美式英文模型的更新，以改善語音辨識

下列窄頻模型已更新，以改善語音辨識：

  • 巴西葡萄牙文窄頻模型 (pt-BR_NarrowbandModel)
  • 美式英文窄頻模型 (en-US_NarrowbandModel)

依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

並行要求更新不同自訂聲學模型的新支援

現在，服務容許同時提交多個要求，以將不同的音訊資源新增到自訂聲學模型。 先前，服務僅容許一次提交一個要求來將音訊新增至自訂聲學模型。

列出自訂模型之方法的新 updated 欄位

現在，用於列出有關自訂語言模型和自訂聲學模型的資訊的 HTTP GET 方法的輸出包含 updated 欄位。 該欄位指出前次修改自訂模型的日期和時間，以世界標準時間 (UTC) 表示。

變更為與自訂模型訓練相關聯的警告的綱目

在 strict 參數設定為 false 時，對於自訂模型訓練要求產生的警告，綱目已變更。 欄位的名稱 warning_id 和 description 分別變更為 code 和 message。 如需相關資訊，請參閱 API 和 SDK 參照。

2019 年 6 月 10 日

處理指標無法使用同步 HTTP 介面
處理指標僅適用於 WebSocket 及非同步的 HTTP 介面。 不支援處理度量值用於同步 HTTP 介面。 如需相關資訊，請參閱處理度量值。

2019 年 5 月 17 日

語音辨識的新處理度量值及音訊度量值特性

現在，此服務提供語音辨識要求的兩種類型的選用度量值：

  • 處理度量值提供關於服務對輸入音訊進行分析時的詳細計時資訊。 服務會以指定的間隔傳回度量值，並且附上轉錄事件，例如過渡期間和最終結果。 請使用度量值來測量服務的音訊轉錄進度。
  • 音訊度量值提供輸入音訊信號特徵的詳細資訊。 結果會在語音處理結束時提供整個輸入音訊的聚集度量值。 請使用度量值來判斷音訊的特徵及品質。

您可以使用任何語音辨識要求來要求這兩種類型的度量值。 依預設，服務不會針對要求傳回任何度量值。

更新日文寬頻模型以改善語音辨識

日文寬頻模型 (ja-JP_BroadbandModel) 已更新，以改善語音辨識。 依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

2019 年 5 月 10 日

西班牙文模型的更新，以改良語音辨識

西班牙文語言模型已更新，以改善語音辨識：

  • es-ES_BroadbandModel
  • es-ES_NarrowbandModel

依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

2019 年 4 月 19 日

現在提供自訂模型訓練的新 strict 參數
現在，自訂作業介面的訓練方法包含 strict 查詢參數，指出在自訂模型包含有效和無效資源的組合時，訓練是否繼續進行。 依預設，如果自訂模型包含一個以上的無效資源，訓練就會失敗。 將參數設為 false 以容許只要模型包含至少一個有效的資源便繼續進行訓練。 服務會將無效的資源排除在訓練之外。
自訂語言模型的詞彙外字組數目上限新限制
現在，您最多可以將 9 萬個未登錄詞彙 (OOV) 字組新增至自訂語言模型的 words 資源， 先前最大值是 3 萬個 OOV 字組。 這個數字包括來自所有來源的 OOV 字組（語料庫、文法，以及您直接新增的個別自訂字組）。 您可以從所有來源新增總計最多 1 千萬個字組至自訂模型。 如需相關資訊，請參閱我需要多少資料？。

2019 年 4 月 3 日

自訂聲學模型的音訊數量上限新限制
自訂聲學模型現在最多可接受 200 個小時的音訊。 之前的上限是 100 個小時的音訊。

2019 年 3 月 21 日

服務認證的可見性現在受到角色限制

現在，使用者可以只查看與已指派給其 IBM Cloud 帳戶之角色相關聯的服務認證資訊。 例如，如果您已獲指派 reader 角色，則再也看不到任何 writer 或更高層次的服務認證。

此變更不會影響含現有服務認證之使用者或應用程式的 API 存取權。 此變更只會影響在 IBM Cloud 內檢視認證。

2019 年 3 月 15 日

A-law 音訊格式的新支援
此服務現在可支援 A-law (audio/alaw) 格式的音訊。 如需相關資訊，請參閱 audio/alaw 格式。

2019 年 3 月 11 日

對 max_alternatives 參數傳遞 0 值的變更
關於 max_alternatives 參數，該服務同樣接受 0`` 這個值。 如果您指定 0。服務會自動使用預設值 1。 對於 3 月 4 日服務程式更新所做的變更導致值 0 傳回錯誤。 （如果您指定負數值，則服務會傳回錯誤。）
對 word_alternatives_threshold 參數傳遞 0 值的變更
對於 word_alternatives_threshold 參數，服務同樣接受值 0。 對於 3 月 4 日服務程式更新所做的變更導致值 0 傳回錯誤。 （如果您指定負數值，則服務會傳回錯誤。）
信賴分數的最大精準度新限制
服務現在會以最多兩位小數位數精準度傳回所有信賴分數， 此變更包括文字記錄、字組信賴度、替代字組、關鍵字結果和說話者標籤的信賴分數。

2019 年 3 月 4 日

巴西葡萄牙文、法文及西班牙文窄頻模型的更新，以改良語音辨識

下列窄頻語言模型已更新，以改善語音辨識：

  • 巴西葡萄牙文窄頻模型 (pt-BR_NarrowbandModel)
  • 法文法文模型 (fr-FR_NarrowbandModel)
  • 西班牙文窄頻模型 (es-ES_NarrowbandModel)

依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

2019 年 1 月 28 日

WebSocket 介面對 IBM Cloud IAM 的新支援

WebSocket 介面現在支援瀏覽器型 JavaScript 程式碼中的記號型 Identity and Access Management (IAM) 鑑別。 已移除相反的限制。 若要使用 WebSocket /v1/recognize 方法來建立已鑑別的連線，請執行下列動作：

  • 如果您使用 IAM 鑑別，請包含 access_token 查詢參數。
  • 如果您使用 Cloud Foundry 服務認證，請包含 watson-token 查詢參數。

如需相關資訊，請參閱開啟連線。

2018 年 12 月 20 日

現在提供自訂語言模型的新測試版文法特性

此服務現在支援使用文法進行語音辨識。 對於所有支援語言模型自訂作業的語言，可提供文法作為測試版功能。 您可以將文法新增至自訂語言模型，並將它們用來限制服務可從音訊中辨識的詞組集。 您可以用 Augmented Backus-Naur Form (ABNF) 或 XML Form 來定義文法。

您可以使用下列四種方法來處理文法：

  • POST /v1/customizations/{customization_id}/grammars/{grammar_name} 會將文法檔新增至自訂語言模型。
  • GET /v1/customizations/{customization_id}/grammars 會列出自訂模型的所有文法相關資訊。
  • GET /v1/customizations/{customization_id}/grammars/{grammar_name} 會傳回自訂模型指定文法的相關資訊。
  • DELETE /v1/customizations/{customization_id}/grammars/{grammar_name} 會從自訂模型移除現有文法。

您可以透過 WebSocket 介面和 HTTP 介面，使用文法來進行語音辨識。 使用 language_customization_id 和 grammar_name 參數來識別您要使用的自訂模型和文法。 目前您只能將單一文法與語音辨識要求搭配使用。

如需文法的相關資訊，請參閱下列文件：

有關此介面所有方法的詳細資訊，請參閱 API 與 SDK 參考手冊。

現在提供美式英文、日文及韓文的新數值編寫特性

現在有一個新的數字編寫特性，可用來遮蔽具有連續三位數以上的數字。 編寫的目的是要移除文字記錄中的機密個人資訊，例如信用卡號碼。 若要啟用此特性，您可以在辨識要求上，將 redaction 參數設為 true。 此特性為測試版功能，僅適用於美式英文、日文和韓文。 如需相關資訊，請參閱數字編寫。

現在提供新的法文和德文窄頻模型

服務現在提供下列新的德文和法文語言模型：

  • 法文窄頻模型 (fr-FR_NarrowbandModel)
  • 德文窄頻模型 (de-DE_NarrowbandModel)

這兩個新模型都可支援語言模型自訂作業 (GA) 和聲學模型自訂作業（測試版）。 如需相關資訊，請參閱自訂作業的語言支援。

現在提供新的美式英文 en-US_ShortForm_NarrowbandModel

新的美式英文語言模型 en-US_ShortForm_NarrowbandModel 現已可供使用。 這個新模型是用於「互動式語音回應」和「自動化客戶支援」解決方案。 此模型可支援語言模型自訂作業 (GA) 和聲學模型自訂作業（測試版）。 如需相關資訊，請參閱美式英文短格式模型。

更新英式英文和西班牙文窄頻模型以改善語音辨識

下列語言模型已更新，以改善語音辨識：

  • 英式英文窄頻模型 (en-GB_NarrowbandModel)
  • 西班牙文窄頻模型 (es-ES_NarrowbandModel)

依預設，服務會自動使用更新的模型來處理所有語音辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

G.279 音訊格式的新支援

此服務現在可支援 G.729 (audio/g729) 格式的音訊。 對於窄頻音訊，此服務僅支援 G.729 Annex D。 如需相關資訊，請參閱 audio/g729 格式。

說話者標籤特性現在可用於英式英文窄頻模型

說話者標籤功能現在可用於英式英文 (en-GB_NarrowbandModel) 的窄頻模型。此特性是所有受支援語言的測試版功能。 如需相關資訊，請參閱說話者標籤。

自訂聲學模型的音訊數量上限新限制

您可以新增至自訂聲學模型的音訊數量上限已從 50 個小時增加到 100 個小時。

2018 年 12 月 13 日

現在提供新的倫敦位置
Speech to Text 服務現在可用於「IBM Cloud 倫敦」位置 (eu-gb)。 與所有位置一樣，倫敦也會使用記號型 IAM 鑑別。 所有在這個位置中建立的新服務實例都會使用 IAM 鑑別。

2018 年 11 月 12 日

日文語音辨識智慧型格式化的新支援
此服務現在支援使用智慧型格式化進行日文語音辨識。 先前，此服務只支援美式英文和西班牙文的智慧型格式化。 此特性對於所有支援的語言都是測試版功能。 如需相關資訊，請參閱智慧型格式化。

2018 年 11 月 7 日

現在提供新的東京位置
Speech to Text 服務現在可用於「IBM Cloud 東京」位置 (jp-tok)。 與所有位置一樣，東京也會使用記號型 IAM 鑑別。 所有在這個位置中建立的新服務實例都會使用 IAM 鑑別。

2018 年 10 月 30 日

記號型 IBM Cloud IAM 的新支援

所有位置的 Speech to Text 服務都已移轉至記號型 IAM 鑑別。 所有 IBM Cloud 服務現在都會使用 IAM 鑑別。 Speech to Text 服務在每個位置的移轉日期如下：

  • 達拉斯 (us-south)：2018 年 10 月 30 日
  • 法蘭克福 (eu-de)：2018 年 10 月 30 日
  • 華盛頓特區 (us-east)：2018 年 6 月 12 日
  • 雪梨 (a-syd)：2018 年 5 月 15 日

移轉至 IAM 鑑別會對新的和現有的服務實例產生不同的影響：

  • 所有您在任何位置建立的新服務實例 現在都會使用 IAM 鑑別來存取服務。 您可以傳遞載送記號或 API 金鑰：記號支援已鑑別要求，無需在每個呼叫中內嵌服務認證；API 金鑰會使用 HTTP 基本鑑別。 當您使用任何 Watson SDK 時，可以傳遞 API 金鑰，並讓 SDK 管理記號的生命週期。
  • 在指出的移轉日期之前於位置中建立的現有服務實例 會繼續使用其先前 Cloud Foundry 服務認證中的 {username} 及 {password} 進行鑑別，直到您移轉它們以使用 IAM 鑑別為止。

如需相關資訊，請參閱下列文件：

2018 年 10 月 9 日

語音辨識要求計價的重要更新項目

自 2018 年 10 月 1 日起，您傳送至本服務進行語音辨識的所有音訊，均將開始計費。 您每個月傳送的前 1000 分鐘音訊不再免費。 如需瞭解有關此服務定價方案的更多資訊，請參閱《 IBM Cloud 產品目錄 》中的「Speech to Text」服務。

對於大多數語音辨識請求，Content-Type 標頭現已改為選用

對於大多數語音辨識請求而言，Content-Type 標頭現在已屬可選項目。 此服務現在會自動偵測大部分音訊的音訊格式（MIME 類型）。 您必須繼續為下列格式指定內容類型：

  • audio/basic
  • audio/l16
  • audio/mulaw

若有指出，您為這些格式指定的內容類型必須包含取樣率，並且可以選擇性地包含通道數目和音訊的排列法。 對於所有其他音訊格式，您可以省略內容類型，或是指定 application/octet-stream 內容類型，讓服務自動偵測格式。

當您透過 HTTP 介面使用 curl 指令來提出語音辨識要求時，必須使用 Content-Type 標頭來指定音訊格式，指定 "Content-Type: application/octet-stream"，或指定 "Content-Type:"。 如果您完全省略標頭，curl 會使用預設值 application/x-www-form-urlencoded。 本文件中的大部分範例都會繼續為語音辨識要求指定格式，不論是否必要。

此變更適用於下列方法：

  • 用於 WebSocket 要求的 /v1/recognize。 您現在透過開啟的 WebSocket 連線來傳送起始要求的文字訊息時，可以選擇是否使用 content-type 欄位。
  • 用於同步 HTTP 要求的 POST /v1/recognize。 Content-Type 標頭現在是選用項目。 （對於多部分要求，JSON meta 資料的 part_content_type 欄位現在也是選用項目。）
  • 用於非同步 HTTP 要求的 POST /v1/recognitions。 Content-Type 標頭現在是選用項目。

如需相關資訊，請參閱音訊格式。

巴西葡萄牙文寬頻模型更新以改善語音辨識

巴西葡萄牙文寬頻模型 pt-BR_BroadbandModel 已更新，以改善語音辨識。 依預設，服務會自動使用更新的模型來處理所有辨識要求。 如果您的自訂語言模型或自訂聲學模型以此模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

customization_id 參數已重新命名為 language_customization_id

語音辨識方法的 customization_id 參數已淘汰，未來版本中將予以移除。 若要為語音辨識要求指定自訂語言模型，請改用 language_customization_id 參數。 此變更適用於下列方法：

  • 用於 WebSocket 要求的 /v1/recognize
  • 用於同步 HTTP 要求（包括多部分要求）的 POST /v1/recognize
  • 用於非同步 HTTP 要求的 POST /v1/recognitions

2018 年 9 月 10 日

新型德國寬頻模式

此服務現在支援德文寬頻模型 de-DE_BroadbandModel。 新的德文模型可支援語言模型自訂作業（通用版）和聲學模型自訂作業（測試版）。

語言模型自訂作業現在適用於巴西葡萄牙文

現有的巴西葡萄牙文模型 pt-BR_BroadbandModel 和 pt-BR_NarrowbandModel，現在可支援語言模型自訂作業（通用版）。 這些模型尚未更新來啟用此支援，因此不需要升級現有的自訂聲學模型。

更新美式英文和日文模型以改善語音辨識

新版本的美式英文和日文寬頻模型與窄頻模型已可供使用：

  • 美式英文寬頻模型 (en-US_BroadbandModel)
  • 美式英文窄頻模型 (en-US_NarrowbandModel)
  • 日文寬頻模型 (ja-JP_BroadbandModel)
  • 日文窄頻模型 (ja-JP_NarrowbandModel)

新的模型提供改善的語音辨識。 依預設，服務會自動使用更新的模型來處理所有辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級現有的自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

關鍵字辨識及替代字組特性現在已正式上市

關鍵字辨識和替代字組特性現在針對所有語言已正式發行 (GA)，而不是測試版功能。 如需相關資訊，請參閱：

問題報告修正程式: 改善自訂作業介面的說明文件

問題報告修正: 下列與自訂作業介面相關聯的已知問題已解決，並已在正式作業中修正。 以下資訊是為過去曾遇到這些問題的用戶所保留的。

  • 如果您將資料新增至自訂語言模型或自訂聲學模型，則必須先重新訓練模型，才能用它來進行語音辨識。 此問題會在下列情境中出現：

    1. 使用者建立新的自訂模型（語言或聲學）並訓練該模型。

    2. 使用者將其他資源（字組、語料庫或音訊）新增至自訂模型，但未重新訓練該模型。

    3. 使用者無法使用自訂模型來進行語音辨識。 服務與語音辨識要求搭配使用時，傳回下列形式的錯誤：

      {
  "code_description": "Bad Request",
  "code": 400,
  "error": "Requested custom language model is not available.
            Please make sure the custom model is trained."
}

    若要解決此問題，使用者必須根據其最新資料來重新訓練自訂模型。 然後，使用者才能將自訂模型與語音辨識搭配使用。

  • 在訓練現有自訂語言或自訂聲學模型之前，您必須將其升級至基礎模型的最新版本。 此問題會在下列情境中出現：

    1. 使用者現有自訂模型（語言或聲學）的基礎模型已更新。
    2. 使用者根據舊版的基礎模型來訓練現有自訂模型，而沒有先升級至基礎模型的最新版本。
    3. 使用者無法使用自訂模型來進行語音辨識。

    若要解決此問題，使用者必須使用 POST /v1/customizations/{customization_id}/upgrade_model 或 POST /v1/acoustic_customizations/{customization_id}/upgrade_model 方法，將自訂模型升級至其基礎模型的最新版本。 然後，使用者才能將自訂模型與語音辨識搭配使用。

2018 年 9 月 7 日

階段作業型介面不再可用

不再支援階段作業型 HTTP REST 介面。 文件中已移除與階段作業相關的所有資訊。 下列方法無法再使用：

  • POST /v1/sessions
  • POST /v1/sessions/{session_id}/recognize
  • GET /v1/sessions/{session_id}/recognize
  • GET /v1/sessions/{session_id}/observe_result
  • DELETE /v1/sessions/{session_id}

如果您的應用程式使用階段作業介面，則必須移轉至剩下的其中一個 HTTP REST 介面，或移轉至 WebSocket 介面。 如需相關資訊，請參閱 2018 年 8 月 8 日的服務程式更新。

2018 年 8 月 8 日

基於會話的語音識別介面的淘汰通知

階段作業型 HTTP REST 介面自 2018 年 8 月 8 日開始已淘汰。 自 2018 年 9 月 7 日開始，會從服務移除階段作業 API 的所有方法，之後您再也無法使用此階段作業型介面。 這個立即淘汰和 30 天後移除的通知適用於下列方法：

  • POST /v1/sessions
  • POST /v1/sessions/{session_id}/recognize
  • GET /v1/sessions/{session_id}/recognize
  • GET /v1/sessions/{session_id}/observe_result
  • DELETE /v1/sessions/{session_id}

如果您的應用程式使用階段作業介面，則必須在 9 月 7 日前移轉至下列其中一個介面：

  • 對於串流型語音辨識（包括即時使用案例），請使用 WebSocket 介面，它可讓您存取過渡期間結果，並盡量縮短延遲。
  • 對於檔案型語音辨識，請使用下列其中一個介面：
    • 對於包含最長幾分鐘的音訊的較短檔案，請使用同步 HTTP 介面 ((POST /v1/recognize) 或非同步 HTTP 介面 (POST /v1/recognitions)。
    • 對於不只幾分鐘音訊的較長檔案，請使用非同步 HTTP 介面。 非同步 HTTP 介面可接受單一要求最多 1 GB 的音訊資料。

WebSocket 介面和 HTTP 介面提供與階段作業介面相同的結果（只有 WebSocket 介面會提供過渡期間結果）。 您也可以使用其中一款 Watson SDK，這些 SDK 能簡化透過任何介面進行的應用程式開發。 如需相關資訊，請參閱 API 和 SDK 參照。

2018 年 7 月 13 日

更新西班牙文窄頻模型以改良語音辨識

西班牙文窄頻模型 es-ES_NarrowbandModel 已更新，以改善語音辨識。 依預設，服務會自動使用更新的模型來處理所有辨識要求。 如果您的自訂語言模型或自訂聲學模型以此模型為基礎，則必須使用下列方法來升級自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

自此更新開始，下列兩個版本的西班牙文窄頻模型可供使用：

  • es_ES.8kHz.general.lm20180522235959.am20180522235959 （目前）
  • es_ES.8kHz.general.lm20180308235959.am20180308235959（舊版）

下列版本的模型無法再使用：

  • es_ES.8kHz.general.lm20171031235959.am20171031235959

如果辨識要求嘗試使用的自訂模型是以現在無法使用的基礎模型為基礎，則會使用沒有任何自訂的最新基礎模型。 服務會傳回下列警告訊息: Using non-customized default base model, because your custom {type} model has been built with a version of the base model that is no longer supported. 若要回復使用基於無法使用的模型的自訂模型，您必須先使用先前說明的適當 upgrade_model 方法來升級模型。

2018 年 6 月 12 日

在華盛頓特區位置管理之應用程式的新增特性

對於華盛頓特區 (us-east) 所管理的應用程式，已啟用下列特性：

  • 服務現在支援新的 API 鑑別處理程序。 如需相關資訊，請參閱 2018 年 10 月 30 日服務更新。
  • 服務現在支援 X-Watson-Metadata 標頭和 DELETE /v1/user_data 方法。 如需相關資訊，請參閱資訊安全。

2018 年 5 月 15 日

雪梨位置所管理應用程式的新增特性

對於雪梨 (au-syd) 所管理的應用程式，已啟用下列特性：

  • 服務現在支援新的 API 鑑別處理程序。 如需相關資訊，請參閱 2018 年 10 月 30 日服務更新。
  • 服務現在支援 X-Watson-Metadata 標頭和 DELETE /v1/user_data 方法。 如需相關資訊，請參閱資訊安全。

2018 年 3 月 26 日

法文寬頻模型現在提供語言模型自訂作業

該服務現已支援對法語寬頻語言模型（ fr-FR_BroadbandModel ）進行語言模型自訂。 該法語模型已開放一般使用（GA），可供生產環境使用，並支援語言模型客製化。

法文、韓文及西班牙文模型的更新，以改良語音辨識

以下模型已進行更新，以提升語音辨識效能：

  • 韓文窄頻模型 (ko-KR_NarrowbandModel)
  • 西班牙文窄頻模型 (es-ES_NarrowbandModel)
  • 法文寬頻模型 (fr-FR_BroadbandModel)

依預設，服務會自動使用更新的模型來處理所有辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。

version 參數已重新命名為 base_model_version

以下方法中的 version 參數，現已更名為 base_model_version``：

  • 用於 WebSocket 要求的 /v1/recognize
  • 用於無階段作業 HTTP 要求的 POST /v1/recognize
  • 用於階段作業型 HTTP 要求的 POST /v1/sessions
  • 用於非同步 HTTP 要求的 POST /v1/recognitions

base_model_version 參數指定要用於語音辨識的基礎模型版本。 如需相關資訊，請參閱 使用升級的自訂模型進行語音辨識 及 使用升級的自訂模型提出語音辨識要求。

針對西班牙文語音辨識的智慧型格式化新支援

現在，西班牙文以及美式英文皆可支援智慧型格式化。 對於美式英文，此特性現在還會將關鍵字字串轉換成句點、逗點、問號及驚嘆號的標點符號。 如需相關資訊，請參閱智慧型格式化。

2018 年 3 月 1 日

更新法文和西班牙文寬頻模型以改善語音辨識

法國和西班牙的寬頻示範案例（ fr-FR_BroadbandModel 及 es-ES_BroadbandModel ）已進行更新，以提升語音辨識功能。 依預設，服務會自動使用更新的模型來處理所有辨識要求。 如果您的自訂語言模型或自訂聲學模型以這些模型為基礎，則必須使用下列方法來升級自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需相關資訊，請參閱升級自訂模型。 此節提供升級自訂模型的規則、升級的效果，以及使用已升級模型的方式。

2018 年 2 月 1 日

新建韓文模型

該服務現已提供韓語語言模型：ko-KR_BroadbandModel （適用於取樣率至少為 16 的音訊） kHz,，以及 ko-KR_NarrowbandModel （適用於取樣率至少為 8 的音訊） kHz。 如需相關資訊，請參閱 前一代語言和模型。

就語言模型的客製化而言，韓語模型已開放一般使用（GA），可供生產環境使用；至於聲學模型的客製化，則屬測試版功能。 如需相關資訊，請參閱自訂作業的語言支援。

  • 如需此服務如何為韓文剖析語料庫的相關資訊，請參閱韓文的剖析。
  • 如需為韓文自訂字組建立類似音發音的相關資訊，請參閱適用於韓文的準則。

2017 年 12 月 14 日

語言模型自訂作業現在正式發行

語言模型自訂作業和所有關聯的參數現在針對所有支援的語言已正式發行 (GA)：日文、西班牙文、英式英文及美式英文。

測試版聲學模型自訂作業現在適用於所有語言

此服務現在可支援聲學模型自訂作業，這是適用於所有可用語言的測試功能。 您可以為所有語言的寬頻模型或窄頻模型建立自訂聲學模型。 有關自訂功能（包括聲學模型自訂）的簡介，請參閱《 了解自訂功能 》。

用於語音辨識的新 version 參數

各種提出識別請求的方法現已新增一個名為「version」的參數，您可以藉此發起請求，以使用基礎模型和自訂模型的舊版或升級版。 雖然 version 參數主要設計用於已升級的自訂模型，但即使沒有自訂模型，仍可使用此參數。 如需相關資訊，請參閱 使用升級的自訂模型提出語音辨識要求。

更新美式英文模型以改善語音辨識

美式英文模型 en-US_BroadbandModel 和 en-US_NarrowbandModel 已更新，以改善語音辨識。 依預設，服務會自動使用更新的模型來處理所有辨識要求。 如果您的自訂語言模型或自訂聲學模型以美式英文模型為基礎，則必須使用下列方法來升級自訂模型，以充分運用這些更新項目：

  • POST /v1/customizations/{customization_id}/upgrade_model
  • POST /v1/acoustic_customizations/{customization_id}/upgrade_model

如需此程序的相關資訊，請參閱升級自訂模型。 此節提供升級自訂模型的規則、升級的效果，以及使用已升級模型的方式。 目前這些方法只適用於新的美式英文基礎模型。 然而，當其他基礎模型可供使用時，相同的資訊也適用於其升級版本。

現在適用於英式英文的語言模型自訂作業

此服務現在可支援英式英文模型 en-GB_BroadbandModel 和 en-GB_NarrowbandModel 的語言模型自訂作業。 雖然此服務處理英式和美式英文語料庫和自訂字組的方法大致類似，但還是有一些重要差異：

2017 年 10 月 2 日

適用於美式英文、日文及西班牙文的新測試版聲學模型自訂作業介面

自訂作業介面現在提供聲學模型自訂作業。 您可以建立自訂聲學模型，調整服務的基礎模型來配合您的環境和說話者， 以更接近所要轉錄之音訊的聲音特徵的音訊資料，來移入及訓練自訂聲學模型， 然後將自訂聲學模型與辨識要求搭配使用，以提升語音辨識的正確性。

自訂聲學模型與自訂語言模型互補。 您可以搭配自訂語言模型來訓練自訂聲學模型，並且可以在語音辨識期間併用這兩種類型的模型。 語音模型自訂是一項測試版介面，目前僅支援美式英語、日語和西班牙語。

自訂語言模型的新測試版 customization_weight 參數

對於語言模型自訂作業，服務現在包含一項測試版特性，可以為自訂語言模型設定選用的自訂權重。 自訂權重可針對自訂語言模型中的字組與服務基礎詞彙中的字組，指定所要賦予的相對權重。 在訓練和語音辨識期間都可以設定自訂權重。 如需相關資訊，請參閱使用自訂權重。

更新日文寬頻模型以改善語音辨識

ja-JP_BroadbandModel 語言模型已升級，可擷取基礎模型中的改善功能。 此升級不會影響以該模型為基礎的現有自訂模型。

audio/l16 音訊格式的新 endianness 參數

服務現在包含一個參數，可指定以 audio/l16（線性 16 位元脈衝編碼調變 (PCM)）格式提交的音訊排列法。 除了在格式中指定 rate 和 channels 參數之外，您現在還可以使用 big-endian 參數來指定 little-endian 或 endianness。 如需相關資訊，請參閱 audio/l16 格式。

2017 年 7 月 14 日

MP3 (MPEG) 音訊格式的新支援

此服務現在可支援轉錄 MP3 或 Motion Picture Experts Group (MPEG) 格式的音訊。 如需相關資訊，請參閱 audio/mp3 及 audio/mpeg 格式。

測試版語言模型自訂作業現在適用於西班牙文

語言模型自訂作業介面現在支援西班牙文，作為測試版功能。 您可以根據下列其中一個西班牙文基礎語言模型來建立自訂模型：es-ES_BroadbandModel 或 es-ES_NarrowbandModel；如需相關資訊，請參閱建立自訂語言模型。 使用西班牙文自訂語言模型的辨識要求定價，與使用美式英文和日文模型的要求相同。

用於建立自訂語言模型之方法的新 dialect 欄位

您傳遞給 CreateLanguageModel 方法來建立新自訂語言模型的 JSON POST /v1/customizations 物件，現在包含 dialect 欄位。 此欄位可指定要與自訂模型搭配使用之語言的用語。 依預設，此用語符合基礎模型的語言。 此參數只對西班牙文模型有意義，服務可以針對下列其中一種用語的語音，為其建立適合的自訂模型：

  • es-ES 代表卡斯提亞西班牙文（預設值）
  • es-LA 代表拉丁美洲西班牙文
  • es-US 代表北美（墨西哥）西班牙文

自訂作業介面的 GET /v1/customizations 和 GET /v1/customizations/{customization_id} 方法會在其輸出中包含自訂模型的用語。 如需相關資訊，請參閱建立自訂語言模型和列出自訂語言模型。

英式英文模型的新名稱

語言模型 en-UK_BroadbandModel 和 en-UK_NarrowbandModel 的名稱已被淘汰。 現在這兩個模型的名稱為 en-GB_BroadbandModel 和 en-GB_NarrowbandModel。

已淘汰的 en-UK_{model} 名稱會繼續運作，但是 GET /v1/models 方法不再於可用模型清單中傳回這些名稱。 您還是可以直接使用 GET /v1/models/{model_id} 方法來查詢這些名稱。

2017 年 7 月 1 日

語言模型自訂現在已正式發行，適用於美式英文和日文

服務的語言模型自訂作業介面現在已正式發行 (GA)，適用於其支援的語言 (美式英文和日文)。IBM 不收取建立、管理或管理自訂語言模型的費用。 如下一點所述，針對使用自訂模型的辨識要求，IBM 現在的計費方式為每分鐘音訊加收 $0.03 (USD)。

服務定價方案的更新

IBM 針對服務的定價更新如下：

  • 免除使用窄頻模型的附加價格
  • 為高流量客戶提供「累進分級定價」
  • 針對使用美式英文或日文自訂語言模型的辨識要求，其計費方式為每分鐘音訊加收 $0.03 (USD)。

如需定價更新的相關資訊，請參閱：

HTTP POST 請求不再需要空正文

針對下列 POST 要求，不再需要傳遞空的資料物件作為內文：

  • POST /v1/sessions
  • POST /v1/register_callback
  • POST /v1/customizations/{customization_id}/train
  • POST /v1/customizations/{customization_id}/reset
  • POST /v1/customizations/{customization_id}/upgrade_model

例如，您現在使用 POST /v1/sessions 來呼叫 curl 方法，如下所示：

curl -X POST -u "{username}:{password}" \
--cookie-jar cookies.txt \
"{url}/v1/sessions"

您不再需要在要求中傳遞下列 curl 選項：--data "{}"。 如果您在使用其中一個 POST 要求時遇到任何問題，請嘗試在要求內文中傳遞空的資料物件。 傳遞空的物件不會以任何方式變更要求的本質或意義。

2017 年 5 月 22 日

continuous 參數已從所有方法中移除

用來起始辨識要求的所有方法中，已移除 continuous 參數。 服務現在會轉錄整個音訊串流，直到結束或逾時（以先發生者為準）為止。 此行為相當於將之前的 continuous 參數設為 true。 依預設，以前如果省略此參數或將其設為 false，服務會在非語音的前半秒（通常是靜音）停止轉錄。

現有應用程式將此參數設為 true，不會看到任何行為變更。 應用程式若將此參數設為 false 或是根據預設行為，則可能會看到變更。 如果要求指定此參數，服務現在會傳回參數不明的警告訊息來回應：

"warnings": [
  "Unknown arguments: continuous."
]

儘管傳回警告，要求還是成功，且現有的階段作業或 WebSocket 連線不受影響。

IBM 已移除此參數，以回應廣大開發人員社群的意見，他們認為指定 continuous=false 沒什麼附加價值，而且會降低整體轉錄的正確性。

傳送避免階段作業逾時所需的音訊

現在已無法在不傳送音訊的情況下，避免階段作業逾時：

  • 當您使用 WebSocket 介面時，用戶端已無法再藉由傳送將 action 參數設為 no-op 的 JSON 文字訊息，使連線保持作用中。 傳送 no-op 訊息不會產生錯誤，但沒有作用。
  • 當您使用階段作業與 HTTP 介面搭配時，用戶端無法再藉由傳送 GET /v1/sessions/{session_id}/recognize 要求來延長階段作業。 此方法仍然會傳回作用中階段作業的狀態，但不會使階段作業保持作用中。

您現在可以執行下列動作來使階段作業保持作用中：

  • 將 inactivity_timeout 參數設為 -1，以避免 30 秒的閒置逾時。
  • 傳送任何音訊資料（包括只有靜音）至服務，以避免 30 秒的階段作業逾時。 您傳送至服務的任何資料（包括您傳送以延長階段作業的靜音）的持續時間都要收費。

如需相關資訊，請參閱逾時。 在理想狀況下，您會在取得要轉錄的音訊之前，才建立階段作業，並以接近即時的速度傳送音訊來維護階段作業。 此外，也請確定您的應用程式會從關閉的階段作業或連線溫和回復。

IBM 已移除此功能，以確保繼續為所有使用者提供同級最佳、低延遲率的語音辨識服務。

2017 年 4 月 10 日

現在支援美式英文、西班牙文及日文的說話者標籤

此服務現在支援下列寬頻模型的說話者標籤特性：

  • 美式英文寬頻模型 (en-US-BroadbandModel)
  • 西班牙文寬頻模型 (es-ES-BroadbandModel)
  • 日文寬頻模型 (ja-JP_BroadbandModel)

如需相關資訊，請參閱說話者標籤。

Web 媒體 (WebM) 音訊格式的新支援

服務現在支援搭配使用 Opus 或 Vorbis 轉碼器的「Web 媒體 (WebM)」音訊格式。 除了 Opus 轉碼器之外，服務現在還支援搭配使用 Vorbis 轉碼器的 Ogg 音訊格式。 如需受支援音訊格式的相關資訊，請參閱 audio/webm 格式。

跨原點資源共用的新支援

服務現在支援「跨原點資源共用 (CORS)」，以容許瀏覽器型用戶端直接呼叫服務。 如需相關資訊，請參閱 CORS 支援。

使用異步 HTTP 介面取消註冊回呼 URL 的新方法

非同步 HTTP 介面現在提供 POST /v1/unregister_callback 方法，可移除列入允許清單之回呼 URL 的登錄項目。 如需相關資訊，請參閱取消登錄回呼 URL。

問題修正程式: 使用 WebSocket 介面來刪除長音訊的逾時

錯誤修正： 針對特別長的音訊檔案，WebSocket 介面在處理辨識請求時，不再會發生超時情況。 您不需要再為了避免逾時，而使用 JSON start 訊息來要求過渡期間結果。 (此問題已在 2016 年 3 月 10 日更新 中說明。)

新的 HTTP 錯誤代碼

下列語言模型自訂方法現在可以傳回下列 HTTP 錯誤代碼：

  • 如果您嘗試刪除不存在的自訂模型，DELETE /v1/customizations/{customization_id} 方法現在會傳回 HTTP 回應碼 401。
  • 如果您嘗試刪除不存在的語料庫，DELETE /v1/customizations/{customization_id}/corpora/{corpus_name} 方法現在會傳回 HTTP 回應碼 400。

2017 年 3 月 8 日

HTTP 的非同步介面現已正式推出
HTTP 的非同步介面現已正式推出（GA）。 在此日期之前，它還是測試版功能。

2016 年 12 月 1 日

新的測試版說話者標籤特性

此服務現在提供測試版的說話者標籤特性，可用於美式英文、西班牙文或日文的窄頻音訊。 此特性會在多人交換作業中，識別哪些字是由哪些說話者說出。 無階段作業、階段作業型、非同步和 WebSocket 辨識方法各包含一個 speaker_labels 參數，可接受布林值來指出回應中要包含哪些說話者標籤。 如需此特性的相關資訊，請參閱說話者標籤。

現在適用於日文的測試版語言模型自訂作業

除了美式英文之外，日文現在也支援測試版語言模型自訂作業介面。 此介面的所有方法都支援日文。 如需相關資訊，請參閱下列各節：

列出語料庫相關資訊的新方法

語言模型自訂作業介面現在包含 GET /v1/customizations/{customization_id}/corpora/{corpus_name} 方法，可列出指定語料庫的相關資訊。 此方法有助於監視將語料庫新增至自訂模型的要求狀態。 如需相關資訊，請參閱列出自訂語言模型的語料庫。

列出自訂語言模型之字組的方法的新 count 欄位

由 GET /v1/customizations/{customization_id}/words 和 GET /v1/customizations/{customization_id}/words/{word_name} 方法所回傳的 JSON 回應，現在針對每個單字都包含一個 count 欄位。 此欄位指出在所有語料庫中找到該字組的次數。 如果您在任何語料庫新增自訂字組之前將它新增至模型，則計數會從 1 開始。 如果先從語料庫新增單字，然後再修改，則計數只會反映在語料庫中找到它的次數。 如需更多資訊，請參閱 《 從自訂語言模型中列出自訂詞彙 》。

對於在存在 count 欄位之前建立的自訂模型，該欄位一律保留為 0。 若要更新此類模型的欄位，請再次新增模型的語料庫，並在 POST /v1/customizations/{customization_id}/corpora/{corpus_name} 方法中包含 allow_overwrite 參數。

列出自訂語言模型之字組的方法的新 sort 參數

GET /v1/customizations/{customization_id}/words 方法現在包含 sort 查詢參數，可控制列出字組的順序。 此參數接受兩個引數 alphabetical 或 count 來指定字組的排序方式。 您可以在引數前面加上選用的 + 或 -，以指定結果是要依遞增還是遞減方式排序。 依預設，此方法會按字母順序遞增顯示字組。 如需更多資訊，請參閱 《 從自訂語言模型中列出自訂詞彙 》。

對於在引入 count 欄位之前所建立的自訂模型，使用 count 引數與 sort 參數搭配並無意義。 請使用預設的 alphabetical 引數來搭配這類模型。

列出自訂語言模型之字組的方法的新 error 欄位格式

可透過 error 和 GET /v1/customizations/{customization_id}/words 方法在 JSON 回應中傳回的 GET /v1/customizations/{customization_id}/words/{word_name} 欄位現在是陣列。 如果服務發現自訂字組的定義有一個以上問題，則此欄位會列出定義中的每個問題元素，並提供說明問題的訊息。 如需更多資訊，請參閱 《 從自訂語言模型中列出自訂詞彙 》。

keywords_threshold 和 word_alternatives_threshold 參數不再接受空值

辨識方法的 keywords_threshold 和 word_alternatives_threshold 已不再接受空值。 若要在回應中省略關鍵字和替代字組，請省略這些參數。 指定的值必須是浮點。

2016 年 9 月 22 日

新的測試版語言模型自訂作業介面
服務現在針對美式英文提供新的測試版語言模型自訂作業介面。 您可以在建立包含領域特有術語的自訂語言模型時，使用此介面來修改服務的基礎詞彙和語言模型。 您可以個別新增自訂字組，也可以讓服務從語料庫中擷取字組。 若要將自訂模型與任何服務介面所提供的語音辨識方法搭配使用，請傳遞 customization_id 查詢參數。 如需相關資訊，請參閱：
audio/mulaw 音訊格式的新支援
支援的音訊格式清單現在包括 audio/mulaw，其提供使用 u-law（或 mu-law）資料演算法進行編碼的單一頻道音訊。 當您使用此格式時，必須同時指定擷取音訊的取樣率。 如需相關資訊，請參閱 audio/mulaw 格式。
列出模型時識別的新 supported_features
GET /v1/models 和 GET /v1/models/{model_id} 方法現在會針對每個語言模型，在其輸出中傳回 supported_features 欄位。 此附加資訊說明模型是否支援自訂作業。 如需相關資訊，請參閱 API 和 SDK 參照。

2016 年 6 月 30 日

Beta 版異步 HTTP 介面現在支援所有可用語言
此測試版非同步 HTTP 介面現在支援服務所支援的所有語言。 此介面先前只能用於美式英文。 如需詳細資訊，請參閱 異步 HTTP 介面 及 API & SDK 參考資料。

2016 年 6 月 23 日

全新 beta 版非同步 HTTP 介面現已推出
測試版非同步 HTTP 介面現已可供使用。 此介面針對透過非封鎖 HTTP 呼叫的美式英文轉錄作業，提供完整的辨識功能。 您可以登錄回呼 URL，並提供使用者指定的機密字串，以利用數位簽章來實現鑑別和資料完整性。 如需詳細資訊，請參閱 異步 HTTP 介面 及 API & SDK 參考資料。
語音辨識的新測試版 smart_formatting 參數
測試版智慧型格式化特性，可在最終的轉錄文字中，將日期、時間、數字串、電話號碼、貨幣值和網際網路位址，轉換成慣用表示法。 若要啟用此特性，您可以在辨識要求上，將 smart_formatting 參數設為 true。 此特性為測試版功能，僅適用於美式英文。 如需相關資訊，請參閱智慧型格式化。
新型法國寬頻模式
支援的語音辨識模型清單現在包括 fr-FR_BroadbandModel，適用於取樣率至少為 16 kHz 的法語音訊。 如需相關資訊，請參閱 前一代語言和模型。
audio/basic 音訊格式的新支援
支援的音訊格式清單現在包括 audio/basic。 此格式提供使用取樣率為 8 kHz 的 8 位元 u-law（或 mu-law）資料進行編碼的單一頻道音訊。 如需相關資訊，請參閱 音訊/基本格式。
語音辨識方法現在會針對無效參數傳回警告
許多辨識方法都會傳回 warnings 回應，其中包含要求中隨附之無效查詢參數或 JSON 欄位的相關訊息。 警告的格式已變更。 例如，"warnings": "Unknown arguments: [u'{invalid_arg_1}', u'{invalid_arg_2}']." 現在變成 "warnings": "Unknown arguments: {invalid_arg_1}, {invalid_arg_2}."
HTTP POST 不傳遞任何資料的方法需要空體
針對不另行將資料傳遞給服務的 HTTP POST 要求，您必須包含 {} 格式的空要求內文。 您可以在 curl 指令中使用 --data 選項來傳遞空的資料。

2016 年 3 月 10 日

語音辨識所傳輸音訊的新上限
兩種形式的資料傳輸（一次性遞送和串流）現在強制規定音訊資料的大小限制為 100 MB，WebSocket 介面也是如此。 早期，一次性方式的資料上限為 4 MB。 如需相關資訊，請參閱音訊傳輸（適用於所有介面）和傳送音訊及接收辨識結果（適用於 WebSocket 介面）。 WebSocket 區段也有討論 WebSocket 介面強制施行的 4 MB 訊框或訊息大小上限。
HTTP 和 介面現在可以傳回警告 WebSocket
辨識要求的 JSON 回應現在可以包含要求中隨附之無效查詢參數或 JSON 欄位的警告訊息陣列。 陣列中的每個元素都是說明警告本質的字串，後面接著無效引數字串的陣列。 例如，"warnings": [ "Unknown arguments: [u'{invalid_arg_1}', u'{invalid_arg_2}']." ]。 如需相關資訊，請參閱 API 和 SDK 參照。
測試版 Apple iOS SDK 已淘汰
適用於 Apple® iOS 作業系統的 Watson 語音軟體開發套件 (SDK) 測試版 已不再支援。 請改為使用適用於 Apple® iOS 作業系統的 Watson SDK。 新版 SDK 可從 GitHub 網站上 watson-developer-cloud 命名空間中的 ios-sdk 儲存庫取得。
WebSocket 介面可能會產生延遲結果
對於特別長的音訊檔案，WebSocket 介面可能需要數分鐘才能針對某個辨識請求產生最終結果。 若為 WebSocket 介面，當服務在準備回應時，基礎 TCP 連線會保持閒置狀態。 因此，連線可能會因為逾時而關閉。 為避免 WebSocket 介面逾時，請在 JSON 中要求過渡期間結果 (\"interim_results\": \"true\")，讓 start 訊息起始要求。 如果您不需要過渡期間結果，可以將其捨棄。 在未來的更新中會解決此問題。

2016 年 1 月 19 日

新的褻瀆過濾特性
服務在 2016 年 1 月 19 日更新，以包含新的褻瀆內容過濾特性。 依預設，服務會從美式英文音訊的轉錄結果審查褻瀆內容。 如需相關資訊，請參閱褻瀆內容過濾。

2015 年 12 月 17 日

新的關鍵字辨識特性
此服務現在提供關鍵字辨識特性。 您可以指定要在輸入音訊中比對的關鍵字字串陣列。 您也必須指定使用者定義的信賴水準，字組必須符合該水準，才能視為符合關鍵字。 如需相關資訊，請參閱關鍵字辨識。 關鍵字辨識特性是測試版功能。
新的替代字組特性
此服務現在提供替代字組特性。 此特性會針對輸入音訊中符合使用者定義信賴水準的字組，傳回替代假設字組。 如需相關資訊，請參閱替代字組。 替代字組特性是測試版功能。
新的英式英文和阿拉伯文模型
服務可支援更多語言來使用其轉錄模型：en-UK_BroadbandModel 和 en-UK_NarrowbandModel 適用於英式英文，而 ar-AR_BroadbandModel 適用於現代標準阿拉伯文。 如需相關資訊，請參閱 前一代語言和模型。
階段作業型方法的新 session_closed 欄位
在服務針對階段作業型方法的錯誤所傳回的 JSON 回應中，現在還包含新的 session_closed 欄位。 如果階段作業因錯誤而關閉，則此欄位會設為 true。 如需瞭解任何方法可能的回傳代碼，請參閱 API 與 SDK 參考手冊。
HTTP 平台超時不再適用
HTTP 辨識要求不再受限於 10 分鐘的平台逾時。 在辨識進行期間，該服務現在會每 20 秒在回應的 JSON 物件中傳送一個空格字元，藉此維持連線。 如需相關資訊，請參閱逾時。
不再需要使用curl指令進行速率限制
當您使用 curl 指令搭配服務來轉錄音訊時，不再需要使用 --limit-rate 選項，以每秒不超過 40,000 個位元組的速率來傳送資料。
變更 HTTP 錯誤代碼
服務不再針對階段作業型 HTTP 方法 GET /v1/sessions/{session_id}/observe_result 和 POST /v1/sessions/{session_id}/recognize 傳回 HTTP 狀態碼 490。 服務現在改用 HTTP 狀態碼 400 來回應。

2015 年 9 月 21 日

提供新的行動 SDK

提供了兩個新的測試版行動 SDK 供語音服務使用。 這些 SDK 可讓行動應用程式與 Speech to Text 和 Text to Speech 服務兩者互動。

  • 適用於 Google Android™ 平台的 Watson 語音 SDK，支援將音訊即時串流至 Speech to Text 服務，並能在您說話的同時接收音訊的文字轉錄內容。 此專案包含應用程式範例，以示範與這兩種語音服務的互動狀況。 該 SDK 可從 GitHub 網站上，位於 watson-developer-cloud 命名空間中的 speech-android-sdk 儲存庫取得。
  • 適用於 Apple® iOS 作業系統的 Watson 語音 SDK，可將音訊串流傳送至 Speech to Text 服務，並接收該音訊的文字轉錄檔作為回應。 該 SDK 可從 GitHub 網站上，位於 watson-developer-cloud 命名空間內的 speech-ios-sdk 儲存庫取得。

這兩個 SDK 都會使用您的 IBM Cloud 服務認證或鑑別記號，來支援使用語音服務進行鑑別。 因為 SDK 是測試版，所以將來可能會有所變更。

巴西葡萄牙文和中文新模式

服務支援兩種新語言: 巴西葡萄牙文及中文，具有下列模型:

  • 巴西葡萄牙文寬頻模型 (pt-BR_BroadbandModel)
  • 巴西葡萄牙文窄頻模型 (pt-BR_NarrowbandModel)
  • 普通話寬頻機型（zh-CN_BroadbandModel ）
  • 普通話窄頻模型（zh-CN_NarrowbandModel ）

如需相關資訊，請參閱 前一代語言和模型。

audio/ogg;codecs=opus 音訊格式的新支援

HTTP POST 要求 /v1/sessions/{session_id}/recognize 和 /v1/recognize，以及 WebSocket /v1/recognize 要求，都支援轉錄新的媒體類型：audio/ogg;codecs=opus（適用於使用 Opus 轉碼器的 Ogg 格式檔案）。 此外，這些方法的 audio/wav 格式現在支援任何編碼。 關於使用線性 PCM 編碼的限制已移除。 如需相關資訊，請參閱 audio/ogg 格式。

用於長時間輪詢階段作業的新 sequence_id 參數

在您使用 HTTP 介面轉錄很長的音訊檔案時，此服務現在支援克服逾時的問題。 當您使用階段作業時，可以採用長時間輪詢型樣，以 GET /v1/sessions/{session_id}/observe_result 和 POST /v1/sessions/{session_id}/recognize 方法來指定序列 ID，以處理長時間執行的辨識作業。 使用這些方法的新 sequence_id 參數，您可以在提交辨識要求之前、期間或之後要求結果。

美式英文轉錄的新大寫特性

針對美式英文語言模型 en_US_BroadbandModel 和 en_US_NarrowbandModel，服務現在可以正確地使用許多專有名詞。 舉例來說，該服務會回傳新的文字，內容為「巴拉克·歐巴馬畢業於哥倫比亞大學」，而非「barack obama graduated from columbia university」。 如果您的應用程式會區分專有名詞的大小寫，您可能會對此變更感興趣。

HTTP 的新錯誤代碼

HTTP DELETE /v1/sessions/{session_id} 此請求並未傳回狀態碼 415「不支援的媒體類型」。 此回覆碼已從該方法的文件移除。

2015 年 7 月 1 日

Speech to Text 服務現在已正式發行

服務已在 2015 年 7 月 1 日從測試版移至通用版 (GA)。 測試版和通用版 (GA) Speech to Text API 之間存在下列差異。 GA 版本需要使用者升級至新的服務版本。

GA 版 HTTP API 與測試版相容。 只有在明確指定模型名稱時，才需要變更現有應用程式碼。 例如，從 GitHub 取得的服務適用範例程式碼，在 demo.js 檔案中包含下列程式碼行：

model: 'WatsonModel'

此行指定了該服務 beta 版本的預設模型 WatsonModel。 如果您的應用程式也指定此模型，則您需要將其變更為使用 GA 版支援的其中一個新模型。 如需相關資訊，請參閱下一點。

新的記號型程式設計模型

此服務現在支援一種新的程式設計模型，可讓用戶端與服務透過 WebSocket 連線直接互動。 使用此模型，用戶端可以取得鑑別記號，以直接與服務進行通訊。 該記號不需要 IBM Cloud 中的伺服器端 Proxy 應用程式，即可代表用戶端呼叫服務。 記號是用戶端與服務互動的偏好方法。

服務會繼續支援根據伺服器端 Proxy 的舊程式設計模型，以在用戶端與服務之間轉遞音訊和訊息。 但是，新模型更有效率，且提供更高的傳輸量。

用於語音辨識的新 model 參數

POST /v1/sessions 和 POST /v1/recognize 方法，以及 WebSocket /v1/recognize 方法，現在都支援 model 查詢參數。 您可以使用此參數來指定音訊的相關資訊：

  • 語言：英文、日文 或西班牙文
  • 取樣率下限：寬頻 (16 kHz) 或窄頻 (8 kHz)

如需相關資訊，請參閱 前一代語言和模型。

用於語音辨識的新 inactivity_timeout 參數

inactivity_timeout 參數可設定逾時值（以秒為單位），在此期間之後，如果服務在串流模式中偵測到靜音（無任何語音），則會關閉連線。 依預設，服務會在靜音 30 秒之後終止階段作業。 POST /v1/recognize 和 WebSocket /v1/recognize 方法支援參數。 如需相關資訊，請參閱逾時。

用於語音辨識的新 max_alternatives 參數

max_alternatives 參數會指示服務傳回 n 個音訊轉錄的最佳替代假設字組。 POST /v1/recognize 和 WebSocket /v1/recognize 方法支援參數。 如需相關資訊，請參閱替代項目數上限。

用於語音辨識的新 word_confidence 參數

word_confidence 參數會指示服務針對轉錄的每個字組傳回信賴分數。 POST /v1/recognize 和 WebSocket /v1/recognize 方法支援參數。 如需相關資訊，請參閱字組信賴度。

用於語音辨識的新 timestamps 參數

timestamps 參數會指示服務針對轉錄的每個字組傳回音訊開始的相對開始和結束時間。 POST /v1/recognize 和 WebSocket /v1/recognize 方法支援參數。 如需相關資訊，請參閱字組時間戳記。

重新命名用於觀察結果的階段作業方法

GET /v1/sessions/{session_id}/observeResult 方法現在命名為 GET /v1/sessions/{session_id}/observe_result。 為了舊版相容性，observeResult 這個名稱仍受支援。

波形音訊檔 (WAV) 音訊格式的新支援

recognize 方法的 Content-Type 標頭，除了 audio/flac 和 audio/l16 之外，現在也支援 Waveform Audio File (WAV) 檔案的 audio/wav。 如需相關資訊，請參閱 audio/wav 格式。

語音辨識的音訊數量上限限制

服務現在限制串流模式中的每個階段作業最多可有 100 MB 的資料。 您可以透過在標頭 Transfer-Encoding 中指定值 chunked 來設定串流模式。 一次性遞送的音訊檔仍強制所傳送的資料大小限制為 4 MB。 如需相關資訊，請參閱音訊傳輸。

拒絕提供服務改進的新標頭

GET /v1/sessions/{session_id}/observe_result、POST /v1/sessions/{session_id}/recognize 及 POST /v1/recognize 方法現在包含標頭參數 X-WDC-PL-OPT-OUT，可控制服務是否使用來自要求的音訊和轉錄資料來改善將來的結果。 WebSocket 介面包含相等的查詢參數。 指定值 1 可防止服務使用音訊和轉錄結果。 此參數僅適用於現行要求。 新標頭會取代測試版 API 中的 X-logging 標頭。 請參閱控制 Watson 服務的要求記載。

變更 HTTP 錯誤代碼

服務現在可以回應下列 HTTP 錯誤代碼：

  • 對於 /v1/models、/v1/models/{model_id}、/v1/sessions、/v1/sessions/{session_id}、/v1/sessions/{session_id}/observe_result、/v1/sessions/{session_id}/recognize 及 /v1/recognize 方法，新增錯誤碼 415（「不受支援的媒體類型」）。
  • 針對呼叫 /v1/sessions/{session_id}/recognize 方法的 POST 和 GET 請求，以下錯誤代碼已進行修改：
    • 錯誤碼 404（「找不到 Session_id」）有較具敘述性的訊息（POST 和 GET）。
    • 錯誤碼 503（「階段作業已處理要求。 在相同的階段作業上不容許並行要求。 在此錯誤之後，階段作業仍保持作用中。") 具有更具敘述性的訊息 (僅限 POST )。
    • 對用於 POST 和 /v1/sessions 方法的 HTTP /v1/recognize 要求，可能會傳回錯誤碼 503（「服務無法使用」）。 當您使用 /v1/recognize 方法建立 WebSocket 連線時，也可能傳回此錯誤代碼。