`ai_transcribe` 函數

適用於： 勾選為「是」 Databricks SQL Databricks Runtime

此功能 ai_transcribe() 會將音訊檔案轉錄成文字。它會將逐字稿以一組時間戳記的片段形式回傳，並利用自動語音系統為每個片段標註講者。輸出是一個 VARIANT 值，所以你可以把它串接到其他 AI 函式中。

Important

這項功能位於測試版 (Beta) 中。要使用它，工作區管理員必須從預覽頁面開啟 AI 轉錄。請參閱管理 Azure Databricks 預覽。

數據安全性

您的文件數據會在 Databricks 安全性周邊內處理。 Databricks 不儲存傳遞給 AI 函式呼叫的參數，但會保留元資料執行細節，例如 Databricks 執行時版本。

要求

此功能僅在部分地區提供，詳見 AI 功能可用性。
如果您使用無伺服器計算，也需要下列項目：
- 無伺服器環境版本必須設定為 3 或更高版本，因為這會啟用 VARIANT.
- 必須使用 Python 或 SQL。如需其他無伺服器功能和限制，請參閱無伺服器計算限制。
此功能 ai_transcribe 可透過 Databricks 筆記本、SQL 編輯器、Databricks 工作流程、工作或 Lakeflow 管線使用。
在 ai_transcribe 裡，成本被記錄為 AI_FUNCTIONS 產品的一部分。

支援的輸入檔案格式

對於輸入資料，可以使用參考音訊檔案的 FILE 類型表達式，或 BINARY 包含音訊檔案位元組的表達式。若原始檔案存放於 Unity 目錄卷中，請如範例所示，使用 Spark binaryFile 格式讀取器產生二進位欄位。

ai_transcribe 僅轉錄音訊。不支援影片檔案。在測試期間，支援以下音訊格式：

MP3 音訊格式
WAV（波形音訊檔案格式）
FLAC（自由無失真音訊編解碼器）
Opus
M4A

支援語言

測試期間支援 ai_transcribe 英語與西班牙語音訊。其他語言的音訊可能會回傳不準確的逐字稿。

語法

ai_transcribe(content)

Arguments

content 是唯一必要的論點。

content：一個參考音訊檔案的 FILE 類型表達式，或BINARY是包含音訊檔案位元組的表達式，例如由 read_files(..., format => 'binaryFile')產生的content欄位。

Returns

ai_transcribe 回傳 VARIANT 一個將逐字稿拆分為時間戳記段的數值。每個段落也帶有 speaker_id 自動喇叭日記的標籤。詳見講者日記。

輸出模式如下：

{
  "error_message": STRING,          // null on success; an error message string on failure
  "response": {
    "duration_seconds": DOUBLE,     // total audio duration, in seconds
    "segments": [
      {
        "start": DOUBLE,            // segment start time, in seconds
        "end": DOUBLE,              // segment end time, in seconds
        "speaker_id": STRING,       // speaker label ("1", "2", ...)
        "text": STRING              // transcript text for the segment
      }
    ]
  }
}

回應欄位如下：

error_message： null 當呼叫成功時，或是描述失敗的字串。
response.duration_seconds：音訊的總長度，以秒計。
response.segments：一組逐字稿片段，按時間順序排列。要取得完整逐字稿，請依序串接各段的 text 數值。
segments[].start 以及 segments[].end：該段的開始與結束時間，以秒為單位。
segments[].speaker_id：該單元的講者標籤。詳見講者日記。
segments[].text：本段文字稿。

說話者日記

ai_transcribe 自動執行喇叭解析：它能偵測音訊中不同的喇叭，並以 speaker_id. Diarization 在測試期間始終開啟，使用者無法開關，因此不需要設定。說話者依照首次發言的順序標示 "1"為、 "2"、 "3"、，且這些標籤在整段錄音中保持一致。

Limitations

測試期間適用以下限制：

每通電話最多接受1小時的音訊。較長的音訊會回傳錯誤訊息。
每個通話最多可接受 512 MB 的輸入檔案。較大的檔案會回傳錯誤。
ai_transcribe 僅轉錄音訊;不支援影片檔案。

範例

以下範例將一個名為 audioFILE 類型的欄位直接從資料表傳遞給 ai_transcribe。

SELECT
  audio.uri AS path,
  ai_transcribe(audio) AS transcription
FROM my_catalog.my_schema.audio_files;

Note

檔案類型仍處於測試版。

以下範例將 Unity 目錄卷中的所有音訊檔案逐字轉錄。它會將檔案讀取為二進位資料， read_files(..., format => 'binaryFile') 並將欄位傳送 content 給 ai_transcribe。

SELECT
  path,
  ai_transcribe(content) AS transcription
FROM READ_FILES('/Volumes/catalog/schema/volume/audio/', format => 'binaryFile');

下一個範例將逐字稿擴展為每個段落一列，講者標籤、時間戳和文字分別列為獨立欄位。它使用 variant_explode 表值函式來解巢 segments 陣列。

WITH transcribed AS (
  SELECT
    path,
    ai_transcribe(content) AS result
  FROM READ_FILES('/Volumes/catalog/schema/volume/audio/', format => 'binaryFile')
)
SELECT
  transcribed.path,
  segment.value:start::DOUBLE AS start_seconds,
  segment.value:end::DOUBLE AS end_seconds,
  segment.value:speaker_id::STRING AS speaker_id,
  segment.value:text::STRING AS text
FROM
  transcribed,
  LATERAL variant_explode(transcribed.result:response.segments) AS segment;

意見反應

此頁面對您有幫助嗎？

上次更新時間： 2026-09-30