azure-speech-to-text
Azure Speech-to-Text 是 OpenMontage 中基于 Azure AI Speech 快速转录 REST API 的语音转文字工具,工具名为 azure_stt,用于将本地音频或视频文件同步转写为文本。它支持词级时间戳、说话人分离和多语言识别,输出结构与本地 transcriber 一致,因此可直接用于字幕生成等下游环节。使用前需配置 AZURE_SPEECH_KEY,以及 AZURE_SPEECH_REGION 或 AZURE_SPEECH_ENDPOINT;未配置时工具不可用,应回退到本地 faster-whisper 转写器。