語音辨識

語音辨識是一種由 AI 驅動的裝置語音轉文字技術，能即時或從預錄檔案將語音轉錄成文字。透過完全在裝置上運行，它提供低延遲的轉錄，無需網路連線或將音訊資料傳送至雲端。如同所有 AI 模型，轉錄輸出不一定準確，且應在關鍵應用情境下進行驗證。

在您的應用程式中加入語音辨識功能，可實現以下情境：

會議或媒體播放時的即時字幕與字幕
語音驅動的筆記與口述
依賴語音輸入的使用者的無障礙功能
錄音音訊檔案的轉錄，如訪談或講座
桌面應用程式中的語音指令與免持互動

API 支援兩種運作模式：

批次辨識：一次完成整個音訊檔案的轉錄，適合預先錄製的內容。
串流辨識：從麥克風或音訊串流持續進行即時轉錄，並在辨識出語句時提供結果。

你可以使用 SpeechRecognitionModel 從音訊檔案或裝置上的即時音訊串流中轉錄語音。

關於 API 細節，請參閱 AI 語音功能的 API 參考文獻。

如需 內容仲裁詳細數據，請參閱使用衍生式 AI API 的內容安全性。

Important

套件資訊清單需求：若要使用 Windows AI 影像處理 API，您的應用程式必須封裝為 MSIX 套件，並在您的systemAIModels中聲明 Package.appxmanifest 功能。此外，請確保您的清單的 MaxVersionTested 屬性設定為最新的 Windows 版本（例如， 10.0.26226.0 或更高版本），以正確支援 Windows AI 功能。使用較舊的值可能會導致載入模型時「未由應用程式宣告」錯誤。

<Dependencies>
  <TargetDeviceFamily Name="Windows.Universal" MinVersion="10.0.17763.0" MaxVersionTested="10.0.26226.0" />
  <TargetDeviceFamily Name="Windows.Desktop" MinVersion="10.0.17763.0" MaxVersionTested="10.0.26226.0" />
</Dependencies>

先決條件

Windows 版本： Windows 11，版本 24H2（版本 26100）或更新版本
WinAppSDK 版本： 版本 1.7.1 或更新版本
硬體： 具備 NPU 的 Copilot+ PC，或任何符合建議 CPU 規格的 Windows 電腦

支援的硬體

語音辨識可在以下硬體上運行：

Hardware	Status	詳細資料
NPU（Copilot+ PC）	✅ 可取得	最佳效能。模型是預先安裝好的。請參考 Copilot+ PCs 開發者指南。
CPU	✅ 可選（可拆卸）	型號並非預裝——請參閱模型可用性與下載。在符合推薦 CPU 規格的裝置中表現最佳。
GPU	❌ 未支援	GPU 上沒有語音辨識功能。

Note

硬體選擇是自動的。 在帶有 NPU 的 Copilot+ PC 上，語音辨識總是在 NPU 上執行。在非 Copilot+ 裝置上，該系統會自動在 CPU 上運行——開發者或終端用戶無需選擇 Copilot+ 裝置上的 CPU。這與其他Windows AI API 採用的模式相符;跨 API 視圖請參見 Supported hardware。

型號可用性與下載

在 Copilot+ 電腦上，語音辨識模型已預先安裝於 NPU 上。在僅支援 CPU 的裝置上，該模型並非預載——當你的應用程式第一次呼叫 EnsureReadyAsync 時，會即時下載。下載會透過 Windows Update 在背景執行。終端使用者也可以在之後移除該型號以回收磁碟空間。

此行為與其他可選 Windows AI 模型的生命週期相符——您的應用程式必須明確處理「尚未安裝」的情況，而非假設該模型存在。

模型安裝後

模型會一直留在裝置上，直到使用者移除為止。使用者可在設定>>系統 AI 組件中管理已安裝的模型——包括語音辨識模型。如果使用者之後移除該模型，您的應用程式下一次呼叫 GetReadyState 時會傳回 NotReady 或 EnsureNeeded，並且應重新執行同意與下載流程。

從音訊檔案進行批次辨識

使用批次辨識技術來轉錄完整的音訊檔案。此方法非常適合預錄音訊內容。

呼叫 GetReadyState 並等待 EnsureReadyAsync 成功完成，以確認語音識別模型是否準備好。
模型準備好後，呼叫 TryCreateAsync 來實例化一個語音識別模型物件。
用 SpeechRecognitionModel 建立一個 BatchRecognition 實例。
打給 RecognizeFromFile ，提供音訊檔案的路徑以便轉錄。

using Microsoft.Windows.AI;
using Microsoft.Windows.AI.Speech;

if (SpeechRecognitionModel.GetReadyState() != AIFeatureReadyState.Ready)
{
    await SpeechRecognitionModel.EnsureReadyAsync();
}

var speechModelResult = await SpeechRecognitionModel.TryCreateAsync();
if (speechModelResult.SpeechModel == null)
{
    throw new InvalidOperationException(
        $"Failed to create SpeechRecognitionModel: {speechModelResult.ExtendedError}");
}

var speechModel = speechModelResult.SpeechModel;

var batchRecognition = new BatchRecognition(speechModel);
string transcription = await batchRecognition.RecognizeFromFile("path/to/audio.wav");

Console.WriteLine($"Transcription: {transcription}");

即時音訊來源的串流辨識

利用串流辨識技術即時轉錄麥克風或其他音訊輸入裝置的音訊。此方法會在辨識出完整片語時提供最終結果。

呼叫 GetReadyState 並等待 EnsureReadyAsync 成功完成，以確認語音識別模型是否準備好。
模型準備好後，呼叫 TryCreateAsync 來實例化一個語音識別模型物件。
使用 FromAudioDevice 建立一個 AudioConfiguration，並以麥克風裝置名稱為名。
請用 AudioConfiguration 和 SpeechRecognitionModel 建立一個 StreamingRecognition 實例。
訂閱認可活動以接收轉錄結果。
請呼叫 StartContinuousRecognitionAsync 開始轉錄。
完成後呼叫 StopContinuousRecognition 。

using Microsoft.Windows.AI;
using Microsoft.Windows.AI.Speech;

if (SpeechRecognitionModel.GetReadyState() != AIFeatureReadyState.Ready)
{
    await SpeechRecognitionModel.EnsureReadyAsync();
}

var speechModelResult = await SpeechRecognitionModel.TryCreateAsync();
if (speechModelResult.SpeechModel == null)
{
    throw new InvalidOperationException(
        $"Failed to create SpeechRecognitionModel: {speechModelResult.ExtendedError}");
}

var speechModel = speechModelResult.SpeechModel;

var audioConfig = AudioConfiguration.FromAudioDevice(microphoneDeviceName);
var streamingRecognition = new StreamingRecognition(audioConfig, speechModel);

// Subscribe to receive transcription results as phrases are recognized
streamingRecognition.Recognized += (sender, args) =>
{
    Console.WriteLine($"Recognized: {args.Text}");
};

// Start real-time recognition
await streamingRecognition.StartContinuousRecognitionAsync();

// ... recognition is active, audio is being transcribed in real-time ...

// Stop recognition when done
streamingRecognition.StopContinuousRecognition();

另請參閱

Whisper 透過 Foundry Local （Windows 10+，新型號， 效能不一，並非所有裝置都有）
透過 Windows SDK 進行語音辨識（Windows 10+，舊型號，但所有裝置皆可用）
Windows AI API 範例

第三方車型公告與資訊

此 API 使用來自 OpenAI Whisper 模型的元件，該模型以以下授權條款提供：

麻省理工學院許可證

特此授權任何人取得本軟體及相關文件檔案 (「軟體」) ，無限制地使用本軟體，包括但不限於使用、複製、修改、合併、出版、分發、再授權及/或銷售軟體副本的權利，並允許軟體提供者使用此權利，但須符合以下條件：

上述著作權聲明及此權限聲明應包含在「軟體」之所有複本或重要部分中。

本軟體按現狀提供，不提供任何種類之明示或默示擔保，包括但不限於有關適售性、特定目的之適用性及未侵權之擔保。在任何情況下，無論是因合約行為、侵權行為或其他情形，對於因本軟體、本軟體之使用或與本軟體有關之其他交易而產生、源自或與之相關的任何請求、損害或其他責任，作者或著作權人概不負責。

意見反應

此頁面對您有幫助嗎？

上次更新時間： 2026-07-07