azure-speech

Foundry Tools の Azure Speech スキル

このスキルでは、Foundry Tools の Azure Speech に関する専門的なガイダンスを提供します。トラブルシューティング、ベストプラクティス、意思決定、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイについて説明します。ローカルのクイックリファレンスコンテンツと、リモートでドキュメントを取得する機能を組み合わせています。

このスキルの使い方

IMPORTANT for Agent：関連するセクションを見つけるには、以下のカテゴリインデックスを使用してください。行範囲が記載されたカテゴリ（例：L35-L120）では、指定された行をread_fileで読み取ってください。ファイルリンクが記載されたカテゴリ（例：[security.md](security.md)）では、リンク先の参照ファイルをread_fileで読み取ってください。

IMPORTANT for Agent：metadata.generated_atが3か月以上前の場合は、リポジトリから最新バージョンを取得するようユーザーに提案してください。mcp_microsoftdocsツールを利用できない場合は、インストールするようユーザーに提案してください：インストールガイド

このスキルでは、ドキュメントコンテンツを取得するためにネットワークアクセスが必要です：

• 推奨：クエリ文字列from=learn-agent-skillを指定してmcp_microsoftdocs:microsoft_docs_fetchを使用します。Markdownが返されます。
• フォールバック：クエリ文字列from=learn-agent-skill&accept=text/markdownを指定してfetch_webpageを使用します。Markdownが返されます。

カテゴリインデックス

カテゴリ	行	説明
トラブルシューティング	L36-L44	Foundry の Azure Speech でよくある問題（TTS／STT エラー、SDK とコンテナーの問題、デプロイの失敗）を診断して解決する方法、およびサポート向けにセッション ID／文字起こし ID を収集する方法。
ベストプラクティス	L45-L62	Azure Speech の音声／動画の準備、文字起こしの品質、カスタム音声／アバター、レイテンシとメモリの調整、キーワード／フレーズの精度、デバイスの設計、信頼性、バックアップ／復旧に関するベストプラクティス。
意思決定	L63-L78	API や電話通信の選択肢の選び方、デバイス／音声タイプの評価に関するガイドに加え、Speech／音声 REST バージョン間、および廃止された機能から新しいサービスへの段階的な移行方法。
制限とクォータ	L79-L86	Azure Speech のクォータ、制限、ライフサイクルルール：カスタム音声／Speech モデルとエンドポイント、サポートされる言語／音声、および Speech サービスのデプロイと利用に関する容量の制約。
セキュリティ	L87-L100	Azure AI Speech のセキュリティ保護：認証（Entra、RBAC）、ネットワーク分離（VNet、Private Link、ソブリンクラウド）、暗号化／BYOK／BYOS、コンプライアンス／同意、カスタムモデル／音声／アバターモデルの安全な統合。
構成	L101-L134	Azure Speech／Voice 機能の構成：音声認識、TTS、アバター、コンテナー、ログ記録、ストレージ、音声表記／SSML、音声入力、診断、Voice Live／CLI のランタイムおよび出力オプション。
統合とコーディングパターン	L135-L168	Azure Speech（STT、TTS、アバター、翻訳）を電話通信、Voice Live、REST／SDK API、OpenAI、自動化ツール、リアルタイムのエージェントワークフローと統合するパターンとコードサンプル。
デプロイ	L169-L179	コンテナー、Kubernetes／Helm、バッチ API を使用して Azure Speech サービス（STT、TTS、言語識別）をデプロイして実行する方法。カスタムモデルやオンプレミス構成も含みます。

トラブルシューティング

トピック	URL
Azure のテキスト読み上げに関する一般的な問題のトラブルシューティング	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/faq-tts
サポート向けに Speech to text のセッション ID と文字起こし ID を取得する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-get-speech-session-id
Foundry の Azure Speech でよくある問題を解決する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/known-issues
Azure Speech コンテナーのデプロイに関する問題のトラブルシューティング	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-faq
Azure Speech SDK でよくある問題を診断して解決する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/troubleshooting

ベストプラクティス

トピック	URL
バッチ文字起こし用の音声データを準備して配置する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/batch-transcription-audio-data
高品質な人手ラベル付き音声文字起こしを作成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-custom-speech-human-labeled-transcriptions
プロフェッショナルなカスタム音声用のトレーニングデータを準備する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-custom-voice-training-data
音声合成の遅延を減らすためのベストプラクティスを適用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-lower-speech-synthesis-latency
Azure Speech SDK のメモリ使用量を追跡、管理する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-track-speech-sdk-memory-usage
Voice Live のチャット履歴で中断された応答を処理する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-live-auto-truncation
Foundry harness で Voice Live エージェントを評価する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-live-evaluate
フレーズリストを使用して Azure Speech の精度を高める	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/improve-accuracy-phrase-list
キーワード認識の設計および精度ガイドラインを適用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/keyword-recognition-guidelines
Azure AI Speech SDK の CRL 互換性の問題を緩和する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/migrate-to-sdk-1-48-2
カスタム音声のトレーニング用に高品質なサンプルを録音する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/record-custom-voice-samples
カスタム Speech および Voice リソースをバックアップして復旧する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/resiliency-and-recovery-plan
Speech SDK に最適化されたマイクアレイを設計する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-sdk-microphone
カスタムアバター用の高品質な動画サンプルを準備する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/text-to-speech-avatar/custom-avatar-record-video-samples

意思決定

トピック	URL
プロフェッショナル音声を利用する前にカスタム音声 lite を評価する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/custom-neural-voice-lite
組み込み音声モデルに適したデバイスかどうかを評価する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/embedded-speech-performance-evaluations
MAI-Transcribe-2-Streaming API のオプションを選択する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming
Speech to text REST API を v3.2 から 2024-11-15 に移行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/migrate-2024-11-15
Speech to text REST API を 2024-11-15 から 2025-10-15 に移行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/migrate-2025-10-15
廃止された Speech intent recognition から Language または OpenAI に移行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/migrate-intent-recognition
Long Audio API から Batch synthesis に移行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/migrate-to-batch-synthesis
v3 text-to-speech から custom voice REST API に移行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/migrate-to-custom-voice-api
Speech-to-text REST を v3.0 から v3.1 に移行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/migrate-v3-0-to-v3-1
Speech to text REST API を v3.1 から v3.2 に移行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/migrate-v3-1-to-v3-2
リアルタイムエージェント向けに Voice Live API を評価する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live
Foundry 音声エージェント向けのテレフォニー統合を選択する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-telephony

制限とクォータ

トピック	URL
カスタム音声モデルとエンドポイントのライフサイクルを管理する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-custom-speech-model-and-endpoint-lifecycle
Azure Speech の言語と音声の利用可否を確認する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/language-support
Speech service のカスタム音声エンドポイントの制限	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/professional-voice-deploy-endpoint
Azure Speech のクォータと制限を参照する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-services-quotas-and-limits

セキュリティ

トピック	URL
Azure Speech リソース用の BYOS ストレージを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/bring-your-own-storage-speech-resource
Voice Live BYOM とカスタムモデルを統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-bring-your-own-model
Azure AI Speech の Microsoft Entra 認証を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-configure-azure-ad-auth
個人用音声の同意とコンプライアンスを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/personal-voice-create-consent
Speech リソースに Azure RBAC ロールを割り当てる	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/role-based-access-control
Azure のソブリンクラウドで Speech サービスを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/sovereign-clouds
Speech サービスの保存データの暗号化とキーを管理する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-encryption-of-data-at-rest
仮想ネットワーク サービス エンドポイントで Speech サービスを保護する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-service-vnet-service-endpoint
Private Link エンドポイントで Azure AI Speech を保護する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-services-private-link
Azure アバター動画にコンテンツ認証情報を使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/text-to-speech-avatar/content-credentials

構成

トピック	URL
テキスト読み上げのバッチ合成プロパティを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/batch-synthesis-properties
バッチ文字起こしの状態を確認し、結果を取得する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/batch-transcription-get
Speech to text 用の BYOS ストレージを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/bring-your-own-storage-speech-resource-speech-to-text
Azure Speech で言語 ID と話者ダイアライゼーションを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/configure-language-identification-diarization
Speech to text 用の UPS 音声表記による発音を定義する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/customize-pronunciation
Azure Speech SDK 用に Linux で OpenSSL を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-configure-openssl-linux
Speech SDK サービス接続を制御・監視する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-control-connections
Azure 音声認識の後処理オプションを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-post-processing
Azure Speech でリアルタイム音声認識を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-recognize-speech
Speech SDK で音声入力デバイスを選択・構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-select-audio-input-devices
Speech サービスで顔のアニメーションにビゼームを使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-speech-synthesis-viseme
Speech SDK の音声入力ストリームを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-use-audio-input-streams
Speech SDK と CLI 用の圧縮音声入力を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-use-codec-compressed-audio-input-streams
Speech SDK の診断ログを有効化・構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-use-logging
Voice Live ツールの中間応答を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-live-interim-response
Voice Live SDK の OpenTelemetry トレースを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-live-telemetry
音声認識の音声と文字起こしのログ記録を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/logging-audio-transcription
プロフェッショナル音声用のトレーニングデータセットをアップロードして検証する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/professional-voice-create-training-set
Azure Speech のテキスト読み上げアバターのオプションを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/quickstarts/get-started-text-to-speech-avatar
Azure Speech の正しいリージョンエンドポイントと ID を使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/regions
Azure Speech コンテナーのランタイム設定を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-configuration
Azure Speech 言語 ID コンテナーを構成して実行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-lid
音声ダイアライゼーションコンテナー用の Redis キャッシュを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-speech-to-text-diarization-cache
SSML 構成で音声出力を制御する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-synthesis-markup
SSML の音素とレキシコンで発音を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-synthesis-markup-pronunciation
Speech 用の SSML ドキュメントとイベントを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-synthesis-markup-structure
Speech CLI のデータストア検索順序とファイルを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/spx-data-store-configuration
Speech CLI の結果の出力先を構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/spx-output-options
TTS アバターのバッチ合成プロパティを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/text-to-speech-avatar/batch-synthesis-avatar-properties
Voice Live API の言語とロケールを構成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-language-support

統合とコーディングパターン

トピック	URL
Speech サービスをコールセンターの電話システムと統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/call-center-telephony-integration
Speech SDK API を使用して認識結果を処理する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/get-speech-recognition-results
Speech SDK を使用してテキスト読み上げの音声合成を実装する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-speech-synthesis
Azure Speech API を使用して音声を翻訳する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-translate-speech
Voice Live を Foundry のテキストエージェントと統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-agent-integration
Voice Live セッションで関数呼び出しを実装する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-live-function-calling
Voice Live を Foundry のホスト型エージェントと統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-live-hosted-agent-integration
MCP サーバーを Voice Live セッションに接続する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-live-mcp-server
Voice Live エージェントにプロアクティブなあいさつメッセージを追加する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-voice-live-proactive-messages
Realtime API を介して MAI-Transcribe-2-Streaming を統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-realtime
MAI-Transcribe-2-Streaming を Speech SDK と統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-speech-sdk
Azure Speech を Azure OpenAI チャットと統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/openai-speech
アプリに個人用音声の話者プロファイルを統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/personal-voice-how-to-use
Speech のバッチ文字起こしに Power Automate コネクタを使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/power-automate-batch-transcription
REST API を介して Azure Speech-to-Text を呼び出す	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/rest-speech-to-text
Azure Speech-to-Text の短い音声用 REST API を呼び出す	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/rest-speech-to-text-short
Speech のテキスト読み上げ REST API エンドポイントを呼び出す	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/rest-text-to-speech
Azure Speech で SSML の音声記号アルファベットを使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-ssml-phonetic-sets
SSML を使用して Azure Speech の音声をカスタマイズする	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-synthesis-markup-voice
Swagger から Speech サービスの REST クライアントを生成する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/swagger-documentation
SSML を使用してテキスト読み上げアバターのジェスチャーを制御する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/text-to-speech-avatar/avatar-gestures-with-ssml
リアルタイムのテキスト読み上げアバターのストリーミングを実装する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/text-to-speech-avatar/real-time-synthesis-avatar
Voice Live を Foundry Agent Service に接続する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-agents-quickstart
高度な Voice Live API 2025-10-01 を統合する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-api-reference-2025-10-01
プレビュー版 Voice Live API 2026-01-01 を使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-api-reference-2026-01-01-preview
ストリーミングに Voice Live API 2026-04-10 を使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-api-reference-2026-04-10
プレビュー版 Voice Live API 2026-06-01 を導入する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-api-reference-2026-06-01-preview
リアルタイムの Voice Live WebSocket イベントを実装する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-api-reference-2026-07-15
Voice Live API を使用してリアルタイムエージェントを実装する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-how-to
リアルタイム音声に Voice Live WebRTC API を使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/voice-live-webrtc

デプロイ

トピック	URL
長文テキスト読み上げに Batch synthesis API を使用する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/batch-synthesis
カスタム音声モデルとエンドポイントをデプロイする	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/how-to-custom-speech-deploy-model
Docker でカスタム音声テキスト変換コンテナーを実行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-cstt
オンプレミスで高速文字起こし音声コンテナーをデプロイする	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-ft
Docker で Speech コンテナーをデプロイして実行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-howto
Helm を使用して Kubernetes 上で Speech コンテナーを実行する	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-howto-on-premises
Docker でニューラルテキスト読み上げコンテナーをデプロイする	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-ntts
Docker で音声テキスト変換コンテナーをデプロイする	https://learn.microsoft.com/en-us/azure/ai-services/speech-service/speech-container-stt