Azure 的 Speaker Recognition API 可分為兩部分：分別為說話者的身份驗證（Verification），與說話者的身份識別（Identification）。

這項服務可以用來當作門禁系統等的驗證系統，說『 芝麻開門 』即可驗證身份，可以省去每次進公司都要刷指紋刷好多次又進不去的問題（但可能變成一群人在門外喊開門）。

前置步驟：

1. 先到以下網站按下試用，並取得金鑰。

https://azure.microsoft.com/en-us/services/cognitive-services/speaker-recognition/

2. 接著到以下網站查看 API 文件

https://westus.dev.cognitive.microsoft.com/docs/services/563309b6778daf02acc0a508/operations/5645c523778daf217c292592

使用 API

這裡我們先使用 Identification API 辨識功能。

1. 首先要創建 Profile

每個 Profile 代表一個人，每個 Profile 可存入多個聲音。
https://westus.dev.cognitive.microsoft.com/docs/services/563309b6778daf02acc0a508/operations/5645c068e597ed22ec38f42e

創建後可以看到回傳一個 identificationProfileId

2. 接著要註冊聲音（Enrollment）

上傳聲音檔案到 Profile 中。
https://westus.dev.cognitive.microsoft.com/docs/services/563309b6778daf02acc0a508/operations/5645c3271984551c84ec6797

音訊檔案記得要符合以下格式。

Container	    WAV
Encoding	    PCM
Rate	        16K
Sample_Format	16 bit
Channels	    Mono

可以使用此網站轉換：https://audio.online-convert.com/convert-to-wav

可以看到回傳的 Header 部分的 operation-location 欄位有一個 URL，我們可從此 URL 查看音訊處理狀態，每個 Profile 最多只能加入 1000 個聲音。

3. 查看 Enrollment 處理狀態

發送一個 GET 請求並附上金鑰。

4.辨識聲音是何人所發出

上傳好許多不同的聲音檔案後，我們就可以開始測試我們的聲音集，其中 identificationProfileIds 的參數最多可以填上 10 組 ProfileID，每個 ProfileID 內包含許多剛才上傳的樣本聲音。

https://westus.dev.cognitive.microsoft.com/docs/services/563309b6778daf02acc0a508/operations/5645c523778daf217c292592

之後如下圖發送我們要辨識的聲音檔案，發送後等待幾秒鐘處理，即可看到回傳的參數一樣有 operation-location URL。

最後再從 operation-location URL 發送請求

即可得到從第四步驟所傳入的 identificationProfileIds 中得到最符合此聲音的 Profile GUID。

最後從此 Profile GUID 與自己所建立的人物名稱表對應，即可得到聲音是誰所產生。