Azure Speech（音声認識・音声合成）とテキスト分析の使い方を、未経験からまとめて解説します。これらは自分でモデルを学習させなくても、Foundry Tools（完成済みのAI機能）として、ポータルやコードからすぐ使えます。AI-901シラバスの「テキスト分析を含むアプリを構築する」「Azure Speechで音声アプリを構築する」に対応します。
Foundry Tools（完成済みのAI機能）とは
Foundry Toolsは、テキスト分析・音声・画像などすでに学習済みのAI機能を、アプリに“足せる道具”として提供するものです。コードなし（ポータル）でも、SDK（コード）でも使えます。生成AIモデルが「自分で文章を作る」のに対し、これらは「決まったタスク（分析・変換）をこなす」のが得意です。
テキスト分析（Azure AI Language）
文章を扱うAIはAzure AI Languageが担当します。代表的な手法は次の4つ（ドメイン1の復習）。
- キーワード抽出：主要な語句を取り出す
- エンティティ検出：人名・地名・組織などを見つけて分類
- センチメント分析：肯定的・否定的を判定
- 要約：長い文章の要点をまとめる
たとえば問い合わせメールを自動で「要約＋感情判定」するアプリは、これらを組み合わせて作れます。
音声（Azure AI Speech）
音声はAzure AI Speechが担当します。主な機能は3つです。
- 音声認識（Speech to Text）：音声を文字に変換。例：会議の文字起こし、音声入力。
- 音声合成（Text to Speech）：文字を自然な（ニューラル）音声で読み上げ。例：読み上げ、音声案内。
- 音声翻訳（Speech Translation）：話した言葉を別の言語にリアルタイム翻訳。
使い方：コードなしでも、コードでも
- コードなし：FoundryのポータルやSpeech Studioで、画面から試せます。
- コードで：アプリに組み込むときはSDK（テキスト＝Language、音声＝Speech SDK）やREST APIを使います。
AI-901では「どのタスクに、どのツール（Language／Speech）を使うか」を見分けられればOKです。
コードで見る（読めればOK）
AI-901は選択式の試験で、コードを自分で書く必要はありません。ただし「どのパッケージ・どのクラスを使うか」を読んで分かることは問われます。ここだけ押さえましょう。
① 音声（Azure AI Speech） パッケージは azure-cognitiveservices-speech。音声→文字（STT）は SpeechRecognizer、文字→音声（TTS）は SpeechSynthesizer。名前で向きが逆なので取り違えに注意です。
import azure.cognitiveservices.speech as speechsdk
speech_config = speechsdk.SpeechConfig(subscription="キー", region="japaneast")
# 音声 → 文字（STT）：マイクなどの音声を認識する
recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config)
result = recognizer.recognize_once()
print(result.text) # 認識した文字が入る
# 文字 → 音声（TTS）：文章を自然な声で読み上げる
speech_config.speech_synthesis_voice_name = "ja-JP-NanamiNeural" # 声（ニューラルボイス）を指定
synthesizer = speechsdk.SpeechSynthesizer(speech_config=speech_config)
synthesizer.speak_text_async("こんにちは").get() # 音声合成（TTS）で再生SpeechRecognizer：音声を文字にする（STT）。SpeechSynthesizer＋speak_text_async()：文字を音声にする（TTS）。声はspeech_synthesis_voice_nameで指定します。
② テキスト分析（Azure AI Language） 決まった構造（言語コード＋信頼度、肯定/否定など）を安定して得たいときは、専用の azure-ai-textanalytics を使います（一般の生成モデルは表現がぶれます）。認証は AzureKeyCredential。
from azure.core.credentials import AzureKeyCredential
from azure.ai.textanalytics import TextAnalyticsClient
client = TextAnalyticsClient(
endpoint="エンドポイント",
credential=AzureKeyCredential("キー"), # キーで認証
)
client.analyze_sentiment(["この製品は最高です"]) # 肯定 / 中立 / 否定 を判定
client.detect_language(["Bonjour"]) # ISO言語コード＋信頼度スコアを返すanalyze_sentiment()：肯定/中立/否定のセンチメント分析。detect_language()：言語のISOコードと信頼度を返す。- 使い分け：決まった構造が欲しい→
azure-ai-textanalytics／自由な文章生成→一般モデル（openaiのresponses.create）。
SpeechRecognizer（音→文字）と SpeechSynthesizer（文字→音）は逆。画像生成や音声には azure-ai-textanalytics は使いません（これはテキスト専用）。確認クイズ
Q1. 会議の録音を自動で文字起こししたい。どの機能？
Q2. 文章を自然な音声で読み上げたい。どの機能？
Q3. 商品レビューが「満足」か「不満」かを判定したい。どのテキスト分析手法？
Q4. テキスト分析や音声などの「完成済みAI機能」をアプリに足せる仕組みの呼び方は？
よくある質問（FAQ）
Q. 音声認識と音声合成の違いは？
A. 音声認識＝音→文字（文字起こし）、音声合成＝文字→音（読み上げ）。向きが逆です。
Q. テキスト分析と音声は、どのサービスですか？
A. テキスト分析はAzure AI Language、音声はAzure AI Speechです。どちらもFoundry Toolsとして使えます。
Q. コードを書かずに試せますか？
A. はい。ポータルやSpeech Studioから、コードなしで試せます。アプリに組み込むときにSDKを使います。
まとめ
- テキスト分析＝Azure AI Language（キーワード抽出・エンティティ検出・センチメント分析・要約）
- 音声＝Azure AI Speech（音声認識＝音→文字／音声合成＝文字→音／音声翻訳）
- どちらも完成済みのFoundry Tools。コードなしでもSDKでも使える
この記事はAI-901の学習範囲の一部です。どの順番で・何時間くらい勉強すればよいかは、AI-901の勉強方法・独学ロードマップで全体像を解説しています。迷ったらここから確認するのがおすすめです。
- ➡ 前の記事：Foundryで単一エージェントを作る
- ➡ つぎは「画像の理解と画像生成」（準備中）
- ➡ AI-901対策トップ ／ 試験概要・受験ガイド
※本記事はMicrosoft公式ドキュメント（Azure AI Language／Azure AI Speech）に基づき、エンジニアKが作成しています。仕様は更新されるため、最新は Microsoft公式 をご確認ください。
