AI-102 言語、スピーチ、会話AI-102 Language, Speech, and Conversation

ボックス 1: AddPhraseListAsync
ボックス 2: PhraselistCreateObject

varphraselistId = await client.FEatures.AddPhraseListAsync(appId, versionId, new PhraselistCreateObject
{
EnabledForAllModels = false、
IsExchangeable = true、
名前 = "数量フレーズリスト",
フレーズ = 「少ない、多い、余分」
});

マッピング ：
モデル - エンティティ - 非同期
機能 - フレーズリスト - 非同期

Box 1: AddPhraseListAsync
Box 2: PhraselistCreateObject

var phraselistId = await client.Features.AddPhraseListAsync(appId, versionId, new PhraselistCreateObject
{
EnabledForAllModels = false,
IsExchangeable = true,
Name = "QuantityPhraselist",
Phrases = "few,more,extra"
});

Mapping :
Model - Entity - Async
Feature - PhraseList - Async

(ソリューション自体の) 提供されたリンクに従って「C」に投票します。ただし、消去法を使用する方が良いでしょう。

フレーズを追加したいので、最も適切な関数名は、AddPhraseListAsync (他のすべてのオプションのうち) です。

さて、引数については、オプション (Phrases (本体ですでに渡されているため、関数本体でフレーズを手動で渡しているため、SavePhrases と UploadPhrases も削除されます) を参照すると、残りの 2 つのオプション、つまり PhraseList と PhraseListCreateObject が残ります。ここで C# コードでは、オブジェクトのインスタンス化に使用される "new" キーワードを使用しているため、"PhraseListCreateObject" の方が適切です。

Vote for 'C' as per the provided Link (in Solution itself). But Better go with elimination method.

We want to add the Phrases, So most suitable function name is : AddPhraseListAsync (out of all other options)

Now, for an argument, If we look options (Phrases (it's already passed in body, SavePhrases and UploadPhrases will also get eliminated, because we are manually passing the phrases with in function body). So 2 options left i.e. PhraseList and PhraseListCreateObject, Here in C# code, we are using "new" keyword which is used to instance the object, So "PhraseListCreateObject" more suitable.

正解です。参照 https://learn.microsoft.com/en-us/dotnet/api/microsoft.azure.cognitiveservices. language.luis.authoring.featuresextensions.addphraselistasync?view=azure-dotnet

Correct Answer. Ref https://learn.microsoft.com/en-us/dotnet/api/microsoft.azure.cognitiveservices.language.luis.authoring.featuresextensions.addphraselistasync?view=azure-dotnet

ボックス 1: AddPhraseListAsync
ボックス 2: PhraselistCreateObject

Box 1: AddPhraseListAsync
Box 2: PhraselistCreateObject

// フレーズリスト機能を追加
varphraselistId = await client.FEatures.AddPhraseListAsync(appId, versionId, new PhraselistCreateObject
{
EnabledForAllModels = false、
IsExchangeable = true、
名前 = "数量フレーズリスト",
フレーズ = 「少ない、多い、余分」
});

// Add phraselist feature
var phraselistId = await client.Features.AddPhraseListAsync(appId, versionId, new PhraselistCreateObject
{
EnabledForAllModels = false,
IsExchangeable = true,
Name = "QuantityPhraselist",
Phrases = "few,more,extra"
});

これについての説明はどこにありますか?モジュールを一通り読みましたが理解できませんでした。また、リファレンスもそれほど単純ではありません。

Please where can I find an explanation for this. I have gone through the modules but I couldn't get it, and the reference is not that straight forward.

答えは正解です。

Answer is correct.

v1.1を選択
輸出
実行してマウントする

Select v1.1
Export
Run and mount

v1.0 ではなく v1.1 を選択する理由。デプロイ可能なモデルは、トレーニングされたモデルではなく、公開されたモデルです。

Why select v1.1 and not v1.0. Deployable model is a published model, not trained model.

app1 の v1.0 を選択します。これは、最新のトレーニング済みかつ公開済みのバージョンであり、デプロイ可能なバージョンであるためです。

私は信じている
1) v1.0を選択します
2) 輸出
3) 実行してマウントする

Select v1.0 of app1, since it is the latest trained AND published version, and deployable one.

I believe
1) Select v1.0
2) Export
3) Run and mount

app1 の V1.1 を選択します
→ トレーニング済みで、使用可能な最新のバージョンです。

[コンテナー用にエクスポート (GZIP)] オプションを使用してモデルをエクスポートします。
→ コンテナではこの形式のみが機能します (JSON ではありません)。

コンテナを実行してモデルファイルをマウントする
→ 実行時に .gz モデル ファイルをコンテナにマウントします。

Select V1.1 of app1
→ It’s trained, and it’s the most recent usable version.

Export the model by using the Export for container (GZIP) option
→ Only this format works for containers (not JSON).

Run a container and mount the model file
→ You mount the .gz model file into the container at runtime.

答え

1. v1.1を選択します
2. GZIP としてエクスポート
3. 実行してマウントする

LUIS ポータルからバージョン管理されたアプリのパッケージをエクスポートする
バージョン管理されたアプリのパッケージは、バージョン リスト ページから入手できます。

LUIS Azure ポータルにサインオンします。
リスト内のアプリを選択します。
アプリのナビゲーション バーで [管理] を選択します。
左側のナビゲーション バーで [バージョン] を選択します。
リスト内のバージョン名の左側にあるチェックボックスを選択します。
リストの上にあるコンテキスト ツールバーから [エクスポート] 項目を選択します。
コンテナー用にエクスポート (GZIP) を選択します。
パッケージはブラウザからダウンロードされます。

Answer

1. Select v1.1
2. Export as GZIP
3. Run and mount

Export versioned app's package from LUIS portal
The versioned app's package is available from the Versions list page.

Sign on to the LUIS Azure portal.
Select the app in the list.
Select Manage in the app's navigation bar.
Select Versions in the left navigation bar.
Select the checkbox to the left of the version name in the list.
Select the Export item from the contextual toolbar above the list.
Select Export for container (GZIP).
The package is downloaded from the browser.

1. v1.1を選択します
2. GZIP としてエクスポート
3. 実行してマウントする

1. Select v1.1
2. Export as GZIP
3. Run and mount

app1 の v1.0 を選択します。
[コンテナー用にエクスポート (GZIP)] オプションを使用してモデルをエクスポートします。
コンテナを実行し、モデル ファイルをマウントします。

Select v1.0 of app1.
Export the model by using the Export for containers (GZIP) option.
Run a container and mount the model file.

LUIS ポータルにサインオンします。
リスト内のアプリを選択します。
アプリのナビゲーション バーで [管理] を選択します。
左側のナビゲーション バーで [バージョン] を選択します。
リスト内のバージョン名の左側にあるチェックボックスを選択します。
リストの上にあるコンテキスト ツールバーから [エクスポート] 項目を選択します。
コンテナー用にエクスポート (GZIP) を選択します。
パッケージはブラウザからダウンロードされます。

Sign on to the LUIS portal.
Select the app in the list.
Select Manage in the app's navigation bar.
Select Versions in the left navigation bar.
Select the checkbox to the left of the version name in the list.
Select the Export item from the contextual toolbar above the list.
Select Export for container (GZIP).
The package is downloaded from the browser.

1. GZIP としてエクスポート
2. v1.1を選択します
3. 実行してマウントする

1. Export as GZIP
2. Select v1.1
3. Run and mount

最終回答:
1. v1.1を選択します
2. GZIP としてエクスポート
3.. 実行してマウントする

Final Anser:
1. Select v1.1
2. Export as GZIP
3.. Run and mount

v1.1を選択
輸出
実行してマウントする

Select v1.1
Export
Run and mount

最初に選択してからエクスポートして実行する必要があります。
app1 の v1.1 を選択します。この手順は、展開する予定のアプリケーションの正しいバージョンを使用していることを確認するために必要です。
[コンテナー用にエクスポート (GZIP)] オプションを使用してモデルをエクスポートします。アプリをコンテナーにデプロイするには、モデルがコンテナーのデプロイメントに最適化された形式である必要があるため、このアクションは非常に重要です。通常、これは言語理解モデルの必要なすべてのコンポーネントを含む GZIP ファイルです。
コンテナーを実行してモデル ファイルをマウントする: モデルを正しい形式でエクスポートしたら、コンテナー インスタンスを実行し、エクスポートされたモデル ファイルをマウントします。これにより、コンテナーは自然言語入力の処理に Language Understanding モデル バージョン 1.1 を使用できるようになります。

you have to select first and then export and run:
Select v1.1 of app1: This step is necessary to ensure you are working with the correct version of the application that you intend to deploy.
Export the model by using the Export for containers (GZIP) option: This action is crucial because deploying an app to a container requires the model to be in a format that is optimized for container deployment, which is typically a GZIP file that includes all necessary components of the Language Understanding model.
Run a container and mount the model file: Once you have the model exported in the correct format, you run a container instance and mount the exported model file to it. This allows the container to use the Language Understanding model version 1.1 for processing natural language inputs.

こんにちは、コメントセクションを探している人に役立つことを願っています。ドキュメントによると、LUIS コンテナーを使用すると、gzip VERSIONED (トレーニングされたばかりのモデル) または PUBLISHED (トレーニングおよび公開された) モデルをマウントできます。質問には「デプロイ可能な最新バージョン」と記載されているため、GZIP としてエクスポートするアプリのバージョンは v1.1 です。したがって、トレーニングしたばかりのモデルはデプロイ可能ですが、デプロイされたモデルも LUIS コンテナーにデプロイ可能です。

hi, hope it helps someone looking for the comments section. From the documentation, using a LUIS container it's possible to mount a gzip VERSIONED (just trained model) or PUBLISHED (trained and published) model. In the question it says "latest deployable version", so the app version to export as GZIP is v1.1. So just trained model is deployable, but also deployed model is deployable in a LUIS contrainer

Language Understanding (LUIS) コンテナーは、トレーニング済みまたは公開済みの言語を読み込みます。

The Language Understanding (LUIS) container loads your trained or published

リンク https://learn.microsoft.com/en-us/azure/ai-services/luis/luis-container-howto?tabs=v3 を確認したところ、新しい LUIS リソースを作成できなくなったと表示されます。 acsoma のコメントによると、なぜそれが依然として試験に出てくるのか不思議です。

I checked the link https://learn.microsoft.com/en-us/azure/ai-services/luis/luis-container-howto?tabs=v3 and it says you can no longer create new LUIS resources. Wonder why it still appeared in the exam per acsoma's comment.

v1.1 は公開されていないバージョンを選択します。 Select v1.0 である必要があります

Select v1.1 is not published a version. It should be Select v1.0

バージョンを選択する前にエクスポートできるのはなぜですか?想像 ？

how come can export first before select version ? imagination ?

https://learn.microsoft.com/en-us/azure/ai-services/ language-service/overview によると
Azure AI Language は、Text Analyrics、QnA Maker、LUIS を統合するようになりました。したがって、私の意見では、この質問は時代遅れです。

according to https://learn.microsoft.com/en-us/azure/ai-services/language-service/overview
Azure AI Language now unifies the Text Analyrics, QnA Maker and LUIS. So in my opinion, the question is obsolete.

ディスパッチせずに、Qna と LUIS を呼び出すタイミングを手動で決定することを選択します。これは自動化に違反します。 QnA Maker、言語理解、およびディスパッチ

without dispatch you select the manually decide when call to Qna and LUIS .. thats violates for automation. QnA Maker, Language Understanding, and Dispatch

D. テキスト分析、翻訳、ディスパッチ
Text Analytics は、ユーザーのメッセージを分析して感情やその他の洞察を得る
翻訳者は多言語サポートのための言語翻訳を処理します
Dispatch は、リクエストを適切な基盤サービス (ナレッジ ベース、おしゃべりモデルなど) にインテリジェントにルーティングし、最適なモデルを自動的に選択します。

D. Text Analytics, Translator, and Dispatch
Text Analytics analyzes user messages for sentiment and other insights
Translator handles language translation for multilingual support
Dispatch intelligently routes requests to the appropriate underlying services (knowledge base, chit-chat models, etc.) and selects the best model automatically

Dispatch は、ユーザーのクエリを適切なモデル (LUIS、QnA Maker など) にルーティングするために使用されます。

🔸 多言語サポートには翻訳者が必要です。

Dispatch is used to route the user's query to the appropriate model (LUIS, QnA Maker, or others).

🔸 Translator is needed for multilingual support.

LUIS → ユーザーの意図を理解し、多言語をサポートします。

テキスト分析 → 感情分析を行います。

QnA Maker → おしゃべりや FAQ のナレッジ ベース用。

したがって、他のオプションはすべての機能を満たしているわけではありません。 C のみがすべてのボックスにチェックを入れます

LUIS → Understands user intent and supports multilingual.

Text Analytics → Does sentiment analysis.

QnA Maker → For chit-chat and FAQ knowledge base.

So Other options don’t meet all features. Only C checks all boxes

オプション C: 言語理解、テキスト分析、QnA Maker
• Language Understanding = LUIS、意図の検出を処理します。
• Text Analytics = センチメント分析を処理します。
• QnA Maker = おしゃべりや知識ベースを処理します。
これは 3 つの要件をすべて満たしています。

なぜAではないのでしょうか？
オプション A: QnA Maker、言語理解、およびディスパッチ
• QnA Maker はナレッジ ベースと雑談を処理します。
• Language Understanding (LUIS) により、意図とエンティティの認識が可能になります。
• ユーザー入力に基づいて、QnA や LUIS などのさまざまなサービスにルートをディスパッチします。

ただし: センチメント分析機能は含まれていません

Option C: Language Understanding, Text Analytics, and QnA Maker
• Language Understanding = LUIS, handles intent detection.
• Text Analytics = handles sentiment analysis.
• QnA Maker = handles chit-chat and knowledge base.
This meets all three requirements.

Why not A?
Option A: QnA Maker, Language Understanding, and Dispatch
• QnA Maker handles knowledge base and chit-chat.
• Language Understanding (LUIS) enables intent and entity recognition.
• Dispatch routes to different services, including QnA or LUIS, based on user input.

BUT: No sentiment analysis capability included

C. 言語理解、テキスト分析、QnA Maker
すべての機能要件を満たしています。

おしゃべり + KB → QnA Maker

多言語 → LUIS と QnA の両方がネイティブでサポートします

センチメント → テキスト分析

モデルの選択 → ボット フレームワークのルーティング ロジックまたはディスパッチによって処理されます (2 つのモデルのみを使用している場合は厳密には必要ありません)。

C. Language Understanding, Text Analytics, and QnA Maker
It meets all the functional requirements:

Chitchat + KB → QnA Maker

Multilingual → LUIS and QnA both support it natively

Sentiment → Text Analytics

Model selection → handled by bot framework routing logic or Dispatch (not strictly required if you're only using two models)

他のものが完全に一致しない理由:
A. QnA Maker、言語理解、およびディスパッチ
感情分析や多言語サポートはありません。
B. 翻訳、講演、派遣
感情分析や知識ベースはありません。
C. 言語理解、テキスト分析、QnA Maker
多言語機能と自動モデル選択がありません。

Why the others don’t fully match:
A. QnA Maker, Language Understanding, and Dispatch
No sentiment analysis or multilingual support.
B. Translator, Speech, and Dispatch
No sentiment analysis or knowledge base.
C. Language Understanding, Text Analytics, and QnA Maker
Lacks multilingual capability and automatic model selection.

A: センチメント分析はありません
B: スピーチも感情分析も必要ありません
C: 最適な言語モデルを自動的に選択できません。 -> 発送はありません

A: no sentiment analysis
B: don't need speech and no sentiment analysis
C: can't select the best language model automatically. -> no dispatch

ここでの最良の選択は、オプション A: QnA Maker、Language Understanding、および Dispatch です。

その理由は次のとおりです。
- QnA Maker はナレッジ ベースの要件をサポートします。
- Language Understanding (LUIS) は、ユーザーの意図とエンティティを解釈することで雑談をサポートします。
- Dispatch は、最適な言語モデルを自動的に選択し、リクエストを適切なサービスにルーティングするのに役立ちます。

これら 3 つのコンポーネントを組み合わせることで、チャットボットに必要な要件をすべてカバーできます。オプション B と D にはナレッジ ベース コンポーネントが含まれておらず、オプション C には最適な言語モデルの自動選択がありません。

The best choice here would be Option A: QnA Maker, Language Understanding, and Dispatch.

Here's why:
- QnA Maker supports the knowledge base requirement.
- Language Understanding (LUIS) supports chit-chat by interpreting user intents and entities.
- Dispatch helps in selecting the best language model automatically and routing the requests to the appropriate service.

The combination of these three components covers all the necessary requirements for your chatbot. Option B and D do not include the knowledge base component, and Option C lacks the automatic selection of the best language model.

オプション A (QnA Maker、Language Understanding、および Dispatch): この組み合わせは、おしゃべり、ナレッジ ベース、多言語モデル、および Dispatch を介した自動言語モデル選択をサポートします。

オプション C (言語理解、テキスト分析、QnA メーカー): このオプションには感情分析のためのテキスト分析が含まれていますが、自動モデル選択のためのディスパッチは含まれていません。

オプション D (テキスト分析、トランスレーター、およびディスパッチ): このオプションにはテキスト分析とディスパッチが含まれていますが、ナレッジ ベース用の QnA Maker は含まれていません。

これらを考慮すると、QnA Maker、Language Understanding、Dispatch の機能を組み合わせてすべての要件をカバーするオプション A が最も適切な選択となります。

Option A (QnA Maker, Language Understanding, and Dispatch): This combination supports chit-chat, knowledge base, multilingual models, and automatic language model selection through Dispatch.

Option C (Language Understanding, Text Analytics, and QnA Maker): This option includes Text Analytics for sentiment analysis but lacks Dispatch for automatic model selection.

Option D (Text Analytics, Translator, and Dispatch): This option includes Text Analytics and Dispatch but lacks QnA Maker for knowledge bases.

Given these considerations, Option A would be the most suitable choice as it covers all requirements through the combined capabilities of QnA Maker, Language Understanding, and Dispatch.

言語理解には感情分析が含まれます。
また、Bot フレームワークの Dispatch CLI ツールを使用して、両方のサービス (Language Understanding、QnA Maker) と連携するプロセスの構築を支援します。
したがって、答えはAです
https://learn.microsoft.com/en-us/azure/ai-services/luis/luis-reference-prebuilt-sentiment?tabs=english

Language Understanding include Sentiment analysis.
And use the Bot framework Dispatch CLI tool to help build a process to work with both services(Language Understanding, QnA Maker).
So Answer is A
https://learn.microsoft.com/en-us/azure/ai-services/luis/luis-reference-prebuilt-sentiment?tabs=english

Cが正解です

C is the correct answer

答えの選択肢は A だと思います (https://learn.microsoft.com/en-us/azure/ai-services/qnamaker/choose-natural- language-processing-service を参照)

I think the answer option is A (see https://learn.microsoft.com/en-us/azure/ai-services/qnamaker/choose-natural-language-processing-service)

Cが正解です。

C is right answer.

Cさんは正しいです。

C is right.

Luis は時代遅れなので (派遣オプションあり)、私は C でなければなりません

As Luis is outdated (with its Dispatch option), I must be C

正しいようです。
最初の答えとして、「Text Analytics の最新バージョンをプルします」
センチメント分析コンテナ」、したがってエンドポイントの「センチメント」になります。
請求の場合、他のオプションは他のサービスであるため、提供された答えになります。

Seems correct.
For first answer, you "pull the latest version of the Text Analytics
Sentiment Analysis container", hence the "sentiment" in the endpoint.
For billing, other options are other services, hence the provided answer.

docker run --rm -it -p 5000:5000 --memory 8g --cpus 1 \
mcr.microsoft.com/azure-cognitive-services/textanalytics/sentiment \
Eula=同意します\
請求=http://contoso.cognitiveservices.azure.com \
APIKey=xxxxxxxxxxxxxxxxx

https://learn.microsoft.com/en-us/azure/ai-services/ language-service/sentiment-opinion-mining/how-to/use-containers#run-the-container-with-docker-run を参照してください。

docker run --rm -it -p 5000:5000 --memory 8g --cpus 1 \
mcr.microsoft.com/azure-cognitive-services/textanalytics/sentiment \
Eula=accept \
Billing=http://contoso.cognitiveservices.azure.com \
ApiKey=xxxxxxxxxxxxxxxxx

See https://learn.microsoft.com/en-us/azure/ai-services/language-service/sentiment-opinion-mining/how-to/use-containers#run-the-container-with-docker-run

例: https://docs.microsoft.com/en-us/azure/cognitive-services/ language-service/sentiment-opinion-mining/how-to/use-containers#run-the-container-with-docker-run

Example here: https://docs.microsoft.com/en-us/azure/cognitive-services/language-service/sentiment-opinion-mining/how-to/use-containers#run-the-container-with-docker-run

mcr/.../センチメント
contoso.cognitiveservices

mcr/.../sentiment
contoso.cognitiveservices

質問どおり、感情分析を行う必要があるため、URL には /sentiment を追加する必要があり、請求では提供された URL に言及する必要があるため、与えられた答えは正しいです

As per question, we have to do the sentiment analysis, So URL should be appended with /sentiment and in Billing we have to mention the provided URL , So given answer is correct

答えは正しいです

The answer is correct

ストリーミング MP3 データを変換する必要があります。
したがって、オプション 1 はオーディオ ストリーミング機能ではないため、削除されます。残り 3 にはキーワード Stream が含まれます。

ただし、デフォルトのオーディオ ストリーム形式は WAV であり、ここでは MP3 を渡しています。したがって、WAV 以外の圧縮オーディオ形式を渡す必要があります。したがって、正解は、AudioStreamFormat.GetCompressedFormat です。

そして、テキストに変換するには音声を認識する必要があります。つまり、Speech Recognizer です。

We need to convert Streaming MP3 Data.
So, option 1 is eliminated, as it's not a Audio Streaming function. rest 3 contains the keyword Stream.

But, default audio stream format is WAV, and here we are passing MP3, So other then WAV, we need to pass compressed audio format, So correct answer is : AudioStreamFormat.GetCompressedFormat.

and we need to recognize the speech to convert into the text - so, Speech Recognizer.

AudioStreamFormat.GetCompressedFormat(AudioStreamContainerFormat.MP3): オーディオ データが圧縮オーディオ形式である MP3 形式であるため、このオプションが選択されます。 GetCompressedFormat メソッドは、圧縮オーディオ データの形式を取得するために使用されます。

AudioConfig.SetProperty: これは、オーディオ データの形式を取得するためではなく、AudioConfig オブジェクトのプロパティを設定するために使用されます。
AudioStreamFormat.GetWaveFormatPCM: これは、MP3 ではなく PCM オーディオ データの形式を取得するために使用されます。
PullAudioInputStream: これは、オーディオ データの形式を取得するためではなく、プル オーディオ入力ストリームを作成するために使用されます。

AudioStreamFormat.GetCompressedFormat(AudioStreamContainerFormat.MP3): This option is selected because the audio data is in MP3 format, which is a compressed audio format. The GetCompressedFormat method is used to get the format of the compressed audio data.

AudioConfig.SetProperty: This is used to set a property of the AudioConfig object, not to get the format of the audio data.
AudioStreamFormat.GetWaveFormatPCM: This is used to get the format of PCM audio data, not MP3.
PullAudioInputStream: This is used to create a pull audio input stream, not to get the format of the audio data.

11月の試験に出ました

appeared in november exam

8月の試験に出ました

appeared in august exam

AudioStream.GetCompressedFormat (MP3 は圧縮オーディオ ファイル)
音声認識装置

AudioStream.GetCompressedFormat (MP3 is compressed audio file)
SpeechRecognizer

2021 年 5 月 12 日に試験を受けました

was on exam 05/12/2021

WA 試験 30/11/2021

WAs on exam 30/11/2021

もう一つ覚えておきたいこと。簡単なトリック:
Q は Cognitive の C のように聞こえます
n
App Service の場合

Another one to memorise. A quick trick:
Q sounds like a C, for Cognitive
n
A for App Service

正解: 作成時に、Azure Search と Azure Web App の詳細を正確に指定する必要があります。
「QnAMaker リソースを作成するときは、独自の Azure サブスクリプションでデータをホストします。データのインデックス付けには Azure Search が使用されます。」 & "QnAMaker リソースを作成するときは、独自の Azure サブスクリプションでランタイムをホストします。App Service は、QnA Maker クエリを実行するコンピューティング エンジンです。"

Right answer : at the creation, we have to precise Azure Search an Azure Web App details.
"When you create a QnAMaker resource, you host the data in your own Azure subscription. Azure Search is used to index your data." & "When you create a QnAMaker resource, you host the runtime in your own Azure subscription. App Service is the compute engine that runs the QnA Maker queries for you."

正解は C と D です。

C. Azure Storage - ナレッジベースのデータ、構成、ログを保存するために必要です
D. Azure Cognitive Search - ナレッジ ベース コンテンツのインデックス作成と検索に必要です
これら 2 つのサービスは、ナレッジ ベースの保存 (ストレージ) と高速な質問一致の有効化 (コグニティブ検索) というコア機能をサポートするために QnA Maker が自動的にプロビジョニングする基本的な依存関係です。

The correct answers are C and D:

C. Azure Storage - Required for storing knowledge base data, configurations, and logs
D. Azure Cognitive Search - Required for indexing and searching through the knowledge base content
These two services are fundamental dependencies that QnA Maker automatically provisions to support its core functionality: storing knowledge bases (Storage) and enabling fast question matching (Cognitive Search).

Azure AI 言語 - 質問応答機能 (QnA Maker の後継) をプロビジョニングすると、指定したリソース グループに次のリソースが自動的に作成されます。
Azure Cognitive Search - ナレッジ ベース ドキュメントのインデックス作成とクエリに使用されます。
セマンティック検索と検索ベースの質問応答を有効にするために不可欠です。

Azure Storage - ナレッジ ベースに取り込まれたソース ドキュメント (PDF、Word ファイル、Web ページなど) を保存します。

When you provision the Azure AI Language – Question Answering feature (the successor to QnA Maker), the following resources are automatically created in the specified resource group:
Azure Cognitive Search - Used to index and query your knowledge base documents.
Essential for enabling semantic search and retrieval-based question answering.

Azure Storage - Stores the source documents (e.g., PDFs, Word files, web pages) that are ingested into your knowledge base.

Azure SQL Database は、ナレッジ ベース データを保存するために QnA Maker によって使用されます。
Azure Cognitive Search は、QnA ペアのインデックス付けと検索を効率的に行うために使用されます。

The Azure SQL Database is used by QnA Maker to store the knowledge base data.
Azure Cognitive Search is used to index and search the QnA pairs efficiently.

DEが正解です

DE are correct answer

QnAMaker が終了しました

QnAMaker was terminated

Q&A Maker を作成すると、azure.portal で直接確認できます。ここで、D と E のほかに App Insights サービスが作成されますが、これは質問オプションには含まれていません。

You can check directly in azure.portal by creating a Q&A Maker. Now besides D and E it creates an App Insights service but this is not in the quiestion options.

上記の料金とは別に、以下で説明するように、消費されたリソースに対しても料金がかかります。 QnA Maker リソースを作成するときは、独自の Azure サブスクリプションでデータとランタイムをホストします。これらは Azure AI Search と App Service によって強化されています。

https://azure.microsoft.com/en-us/pricing/details/cognitive-services/qna-maker/

Apart from the above pricing, you also pay for resources consumed as described below. When you create a QnA Maker resource, you host the data and the runtime in your own Azure subscription. These are powered by Azure AI Search and App Service.

https://azure.microsoft.com/en-us/pricing/details/cognitive-services/qna-maker/

Azure AI Search サービスのみが提供されており、唯一の正解が表示されます。

I see only Azure AI Search service being provided and the only correct answer.

参照: https://azure.microsoft.com/en-us/pricing/details/cognitive-services/qna-maker/

「QnA Maker リソースを作成すると、独自の Azure サブスクリプションでデータとランタイムをホストします。これらは Azure AI Search と App Service によって強化されます。」

REF: https://azure.microsoft.com/en-us/pricing/details/cognitive-services/qna-maker/

"When you create a QnA Maker resource, you host the data and the runtime in your own Azure subscription. These are powered by Azure AI Search and App Service."

QnA Maker は廃止されました

QnA Maker is now retired

Perplexity AI とクロードの D と E。残念ながら、ポータルからはこのリソースをプロビジョニングできなくなりました

D and E for Perplexity AI and Claude. Sadly from portal this resource cannot be provisioned anymore

ChatGPT の C と D

C and D for ChatGPT

DEが正解です。

DE are right answer.

DEはパワーです。

DE is power.

DとEは正しいです。

D and E are right.

Bが答えです
Language Understanding (LUIS) クラシックには、2 つの個別のリソースがあります。

オーサリング リソース – 言語モデルの作成、編集、トレーニング、公開に使用されます。

予測リソース – 公開されたモデルをクエリするために実行時にのみ使用されます

言語モデルを構築または変更できる共同作成者をさらに追加するには、オーサリング リソースに対するアクセス許可を付与する必要があります。

B is the answer
In Language Understanding (LUIS) classic, there are two separate resources:

Authoring resource – used to create, edit, train, and publish the language model

Prediction resource – used only at runtime to query the published model

To add more contributors who can build or modify the language model, you must grant permissions on the authoring resource.

Bです。AIでチェック

It's B. Check with AI

Bを選択しましたが、意味がありません。恋人との別れほど悲しいことはないと思います。

I selected B, but it does not make sense. It is like there is nothing sadder than having a breakup with a lover.

B が正しいです。

B is right.

最良の答えは B. Azure portal のオーサリング リソースのアクセス制御 (IAM) ページです。Language Understanding (クラシック) リソースにさらに投稿者を追加するには、Azure portal のオーサリング リソースのアクセス制御 (IAM) ページを使用する必要があります。これにより、新しい投稿者の追加など、リソースへのアクセスと権限を詳細なレベルで管理できるようになります。

The best answer is B. the Access control (IAM) page for the authoring resources in the Azure portal., to add more contributors to a Language Understanding (classic) resource, we should use the Access control (IAM) page for the authoring resources in the Azure portal. This allows we to manage access and permissions for the resource at a granular level, including adding new contributors.

Azure の Language Understanding (LUIS) サービスでは、投稿者の追加やアクセス許可の管理は通常、Azure portal のアクセス制御 (IAM) ページを通じて行われます。これは、LUIS サービスの管理と開発、特に言語モデルの設計と構築のプロセスにおいて、必要なアクセス許可の管理は主にリソースのオーサリングに焦点を当てているためです。 [アクセス制御 (IAM)] ページを通じて、さまざまなユーザーまたはユーザー グループ (「共同作成者」や「閲覧者」など) にさまざまなロールを割り当てて、リソースへのアクセスおよび操作権限を制御できます。

In Azure's Language Understanding (LUIS) service, adding more contributors or managing permissions is usually done through the Access Control (IAM) page in the Azure portal. This is because, for the management and development of LUIS services, especially in the process of designing and building language models, the required permission management mainly focuses on authoring resources. Through the "Access Control (IAM)" page, you can assign different roles to different users or user groups, such as "Contributor" or "Reader", to control their access and operation permissions to resources.

B. Azure portal のオーサリング リソースのアクセス制御 (IAM) ページは、Language Understanding (クラシック) リソースにさらに投稿者を追加するための正しいオプションです。 Azure の IAM (Identity and Access Management) を使用すると、ユーザー、グループ、アプリケーションにロールを割り当てることで、Azure リソースへのアクセスを管理できます。 Azure portal のオーサリング リソースのアクセス制御 (IAM) ページを使用すると、新しいユーザーまたはグループを Language Understanding (クラシック) リソースに追加し、言語モデルの編集と公開に必要なアクセス許可を付与できます。

B. the Access control (IAM) page for the authoring resources in the Azure portal is the correct option to add more contributors to a Language Understanding (classic) resource. IAM (Identity and Access Management) in Azure allows you to manage access to your Azure resources by assigning roles to users, groups, and applications. By using the Access control (IAM) page for the authoring resources in the Azure portal, you can add new users or groups to your Language Understanding (classic) resource and grant them the necessary permissions to edit and publish your language model.

私の試験について (2023-01-16 合格)

私の答え:B

on my exam (2023-01-16 Passed)

My Answer:B

正解です、確かに！

Correct Answer, indeed!

それは次のようになります:
- AutoDetectSourceLanguageConfig を使用した音声からテキストへの変換。入力は発信者の音声であるため、Text Analytics であることはできません。
- Text to Speech: 出力は音声です。

It should be:
- Speech to Text with AutoDetectSourceLanguageConfig. It can't be Text Analytics because the input is callers' voice.
- Text to Speech: the output is voice.

Speech-to-Text : https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/speech-to-text

テキスト読み上げ: https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/text-to-speech

どちらもフランス語を含む共通言語をサポートしています。

https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/ language-support?tabs=speechtotext

Speech-to-Text : https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/speech-to-text

Text-to-Speech : https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/text-to-speech

Both support common languages, including French.

https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/language-support?tabs=speechtotext

✔ 受信言語を検出します。
翻訳者

Translator には、テキストの言語検出が組み込まれています。
入力は音声ですが、一般的なフローは次のとおりです: Speech‑to-Text → 翻訳者 (言語の検出 + 翻訳)。
リストされているサービスの中で、言語を検出できるのは Translator だけです。

✔ Detect the incoming language:
Translator

Translator includes built‑in language detection for text.
Even though the input is voice, the typical flow is: Speech‑to‑Text → Translator (detect language + translate).
Among the listed services, Translator is the only one capable of detecting language.

1. 音声をテキストに変換
2. テキスト読み上げ

1. Speech to Text
2. Text to Speech

1. 音声をテキストに変換
2. テキスト読み上げ

1. Speech to Text
2. Text to Speech

1. 音声をテキストに変換
2. テキスト読み上げ

1. Speech to Text
2. Text to Speech

ChatGPT: 音声からテキストへ + テキストから音声へ

ChatGPT: speech to text + text to speech

答えは Text Analytics と TTS です。

The answer should be Text Analytics and TTS.

1. 音声をテキストに変換
2. スピーチのテスト

武田塾の観点から言えば、4日間勉強して2日間復習すれば合格の可能性は高くなります。

1. Speech to Text
2. Test to Speech

From Takedajuku perspective, if you study for 4 days and spend 2 days reviewing, you will have a better chance of passing the exam.

最終的な答え:
1. 音声をテキストに変換
2. テキスト読み上げ

Final Answer:
1. Speech to Text
2. Text to Speech

言語識別 (LID) の使用例は次のとおりです。
音声ソース内の言語を識別し、それをテキストに書き写す必要がある場合の音声テキスト認識。
音声ソース内の言語を識別して別の言語に翻訳する必要がある場合の音声翻訳。
https://learn.microsoft.com/en-us/azure/ai-services/speech-service/ language-identification?tabs=once&pivots=programming- language-python

Language identification (LID) use cases include:
Speech to text recognition when you need to identify the language in an audio source and then transcribe it to text.
Speech translation when you need to identify the language in an audio source and then translate it to another language.
https://learn.microsoft.com/en-us/azure/ai-services/speech-service/language-identification?tabs=once&pivots=programming-language-python

皆さん、説明を読んでください。これはプロセスの一部のみを説明したものであり、プロセス全体を説明したものではありません。
1) 入ってくる言語の検出は、音声からテキストへの変換ではなく、テキスト分析と関係があります。はい、音声からテキストへの変換はプロセス全体の一部ですが、これは文字起こしを行うものであり、言語検出は行いません。
2) 発信者の言語への応答はテキスト読み上げである必要があります。

People, read the descriptions, these are describing only parts of the process, not the whole process.
1) DETECT incoming language has got not to do with speech to text, but with text analytics. Yes, speech to text is a part of the whole process but this services TRANSCRIBES and does not do language detection.
2) Respond to caller's language should be Text to speech

Text Analytics であることはできません。着信です。 Speech to Text である必要があります
https://learn.microsoft.com/en-us/azure/ai-services/speech-service/ language-identification?tabs=once&pivots=programming- language-csharp

そして、応答用のテキスト読み上げ

It can't be Text Analytics. It is an incoming call. It should be Speech to Text
https://learn.microsoft.com/en-us/azure/ai-services/speech-service/language-identification?tabs=once&pivots=programming-language-csharp

And then Text to Speech for the response

Speech to Text - 音声通話に基づいているため
テキスト読み上げ - ここでは翻訳者ではありません。重要なことは、プログラムは単に翻訳するだけでなく応答する必要があることです。

Speech to text - as it's based on a voice call
Text to speech - it's not translator here, as the key thing is that the program needs to respond, not just translate

現時点では、この質問は最新ではありません。 https://learn.microsoft.com/en-us/azure/ai-services/ language-service/ language-detection/overview を参照してください。昔は Text Analytics が正しかったのです。

At this time, this question is out of date. See https://learn.microsoft.com/en-us/azure/ai-services/language-service/language-detection/overview . In old time, Text Analytics is correct.

受信言語を検出するにはテキスト分析が必要ですが、Speech to Text には言語を検出するオプションがありません

to detect the incoming language you need Text analytics, Speech to text does not have an option to detect language

Direct Line Speech ではボットが大声で話すことができるため、私は JTWang の意見に同意しません。これは、障害を持つ人々を含めることができるため、Microsoft の AI 包括性という目標をサポートします。

I disagree with JTWang because Direct Line Speech lets the bot speak outloud. This supports Microsoft's goal of AI Inclusiveness because you can include people with disabilities.

答えは B: ユーザーは QnA ナレッジ ベースのコンテンツに参加できます
https://docs.microsoft.com/en-us/azure/cognitive-services/qnamaker/how-to/use-active-learning
アクティブ ラーニングの提案機能を使用すると、ユーザーの投稿に基づいて質問と回答のペアに代替の質問を提案することで、ナレッジ ベースの品質を向上させることができます。これらの提案を確認して、既存の質問に追加するか、拒否します。

Answer is B: user can participate the content of QnA knowledge base
https://docs.microsoft.com/en-us/azure/cognitive-services/qnamaker/how-to/use-active-learning
The Active learning suggestions feature allows you to improve the quality of your knowledge base by suggesting alternative questions, based on user-submissions, to your question and answer pair. You review those suggestions, either adding them to existing questions or rejecting them.

Dが正解です

D is correct

https://azure.microsoft.com/en-us/blog/direct-line-with-speech-now-available-in-preview/ - これにより、エンドユーザーは入力することなくボットと会話できるようになります。

https://azure.microsoft.com/en-us/blog/direct-line-with-speech-now-available-in-preview/ - This will enable endusers to converse with bots without having to type.

ダイレクトラインスピーチを追加

Add Direct Line Speech

B. lu1 のアクティブ ラーニングを有効にします。

説明：

アクティブ ラーニングは、ユーザーからのフィードバックを積極的に求めることで、言語理解 (LU) サービスを時間の経過とともに改善できるメカニズムです。
lu1 のアクティブ ラーニングを有効にすることで、ボットはユーザーとのやり取りから継続的に学習し、時間の経過とともに理解力と包括性が向上します。
認証の実装、コンテナーでの lu1 のホスト、Direct Line Speech の追加などのオプションはボットの機能の他の側面に関連する可能性がありますが、アクティブ ラーニングを有効にすることは、継続的な学習と適応を通じて包括性を向上させるという目標に直接取り組みます。

B. Enable active learning for lu1.

Explanation:

Active learning is a mechanism that allows the Language Understanding (LU) service to improve over time by actively seeking feedback from users.
By enabling active learning for lu1, the bot can continuously learn from interactions with users, improving its understanding and inclusiveness over time.
While options like implementing authentication, hosting lu1 in a container, or adding Direct Line Speech may be relevant for other aspects of the bot's functionality, enabling active learning directly addresses the goal of improving inclusiveness through continuous learning and adaptation.

D. bot1 に Direct Line Speech を追加します。
A、B、C は他の目的に役立つ可能性がありますが、包括性の原則には直接寄与しません。認証 (A) はセキュリティに重点を置き、アクティブ ラーニング (B) は時間の経過とともにボットの理解を向上させ、コンテナーでホストすることに重点を置いています。 (C) は展開の柔軟性に関するものです。これらはいずれも、ボットの包括性を直接強化するものではありません。

D. Add Direct Line Speech to bot1.
A, B, and C might be useful for other purposes, they do not directly contribute to the principle of inclusiveness. Authentication (A) is more about security, active learning (B) is about improving the bot’s understanding over time, and hosting in a container. (C) is about deployment flexibility. None of these directly enhance the inclusiveness of the bot.

他のオプションは明らかに「包括性」とは関係がありません

Other options apparently have nothing to do with "inclusiveness"

それは今日の試験でした - 2023 年 2 月 4 日

It was in today's exam - Feb-04-2023

bot1 の Direct Line Speech を有効にすると、ユーザーが自然言語と音声を使用してボットと対話できるようになり、アクセシビリティが向上します。したがって、D は、bot1 が Microsoft の責任ある AI の包括性原則に準拠していることを確認するための有効なオプションです。

Enabling Direct Line Speech for bot1 would improve accessibility by providing users with the ability to interact with the bot using natural language and speech. Therefore, D is a valid option to ensure that bot1 adheres to the Microsoft responsible AI principle of inclusiveness.

ダイレクトラインスピーチによりボットが話すことが可能になります

Direct line speech enables the bots to speak

Bが正解です。

B is correct answer.

JTWangさんのコメントより

from JTWang's comment

答えは間違っています。
正しい答えは次のようになります。
ボックス 1:
https://eastus.api.cognitive.microsoft.com

ボックス 2:
/text/analytics/v3.1/言語

参照:
https://learn.microsoft.com/en-us/rest/api/cognitiveservices-textanalytics/3.0/言語/言語?タブ=HTTP。

注記：
提供されるサンプル リクエストには特に注意してください。 API へのリクエストは次の形式にする必要があります。

POST {エンドポイント}/text/analytics/v3.0/messages

「URI パラメータ」という小見出しで説明されている {Endpoint} は、ここで引用されているように説明されています (表の「説明」列を参照)。

「サポートされている Cognitive Services エンドポイント (プロトコルとホスト名、例: https://westus.api.cognitive.microsoft.com)」

したがって、指定されたサンプルは、*エンドポイント* の正しい形式を https://{location}.api.cognitive.microsoft.com として示しています。

The answer is wrong.
Correct answer should be:
Box1:
https://eastus.api.cognitive.microsoft.com

Box2:
/text/analytics/v3.1/languages

REF:
https://learn.microsoft.com/en-us/rest/api/cognitiveservices-textanalytics/3.0/languages/languages?tabs=HTTP.

NOTE:
Pay special attention to the Sample Request provided. Request to the API should be of the form:

POST {Endpoint}/text/analytics/v3.0/languages

Where the {Endpoint} as stated under the sub-heading "URI Parameters" was described as quoted here (see "Description" column of the table):

"Supported Cognitive Services endpoints (protocol and hostname, for example: https://westus.api.cognitive.microsoft.com)."

So the sample given shows the correct format of the *endpoint* as https://{location}.api.cognitive.microsoft.com

言語を検出する必要があるだけなので、Language Cognitive Service を使用できます。つまり、次のようになります。
POST {エンドポイント}/text/analytics/v3.0/messages
ここで、エンドポイントはたとえば「westus」になります。
https://docs.microsoft.com/en-us/rest/api/cognitiveservices-textanalytics/3.0/言語/言語?tabs=HTTP

We only need to detect the language, so the Language Cognitive Service could be used, i.e.:
POST {Endpoint}/text/analytics/v3.0/languages
where Endpoint could be for example "westus"
https://docs.microsoft.com/en-us/rest/api/cognitiveservices-textanalytics/3.0/languages/languages?tabs=HTTP

マイクロソフトの副操縦士はこう語った。

✅ 正しい解決策
あなたは、受信した電子メール/ダイレクト メッセージを処理し、英語またはフランス語のサポート チームにルーティングするアプリを構築しています。
つまり、アプリは次のことを行う必要があります。

言語を検出 → メッセージが英語かフランス語かを知る
英語またはフランス語に翻訳 → ルーティングのニーズに応じて

したがって、次のものを使用する必要があります。
ベースURL
✔ api.cognitive.microsofttranslator.com
これは、Translator Service の正しいエンドポイントです。
*****(EastUS Cognitive ではなく、portal.azure.com ではありません)*****

Microsoft Co-Pilot said,

✅ Correct Solution
You are building an app that will process incoming email/direct messages and route them to English or French support teams.
That means the app must:

Detect language → to know if the message is EN or FR
Translate to English or French → depending on routing needs

So you must use:
Base URL
✔ api.cognitive.microsofttranslator.com
This is the correct endpoint for Translator Service.
*****(Not EastUS Cognitive, not portal.azure.com)*****

1. eastus.api.cognitive.microsoft.com
2. /text/analytics/v3.1/langages

1. eastus.api.cognitive.microsoft.com
2. /text/analytics/v3.1/languages

1. eastus.api.cognitive.microsoft.com
2. テキスト/アナリティクス/v3.1/言語

1. eastus.api.cognitive.microsoft.com
2. text/analytics/v3.1/languages

今日の試験、2024 年 5 月 24 日、Adedoyin_Simeon の回答も私が選択したものです。

on exam today 24/05/2024, Adedoyin_Simeon's response is the one I selected as well.

eastus.api.cognitive.microsoft.com および /text/analytics/v3.1/langages

eastus.api.cognitive.microsoft.com and /text/analytics/v3.1/languages

最終的な答え:
ボックス 1:
https://eastus.api.cognitive.microsoft.com
ボックス 2:
/text/analytics/v3.1/言語

Final Answer:
Box1:
https://eastus.api.cognitive.microsoft.com
Box2:
/text/analytics/v3.1/languages

これは 2024 年 3 月 2 日の試験でのものです

This was in 2-Mar-24 exam

これは 2023 年 6 月 28 日の試験で出題されました

This came in exam 28/06/2023

シナリオには言語サービスが必要です。具体的には、英語かフランス語かを知る方法です。翻訳は必要ありません。したがって、次のようになります。
ボックス 1:
https://eastus.api.cognitive.microsoft.com
ボックス 2:
/text/analytics/v3.1/言語

出典: https://learn.microsoft.com/en-us/rest/api/cognitiveservices-textanalytics/3.1preview4/lungs/langages?tabs=HTTP

The scenario needs a Language service. Specifically just a way to know if its in english or french. No translation is needed. Hence:
Box1:
https://eastus.api.cognitive.microsoft.com
Box2:
/text/analytics/v3.1/languages

Source: https://learn.microsoft.com/en-us/rest/api/cognitiveservices-textanalytics/3.1preview4/languages/languages?tabs=HTTP

api.cogitive.microsofttranslator.com
eastus.api.cognitive.microsoft.com
portal.azure.com
これら 3 つのオプションのうち、有効な Azure Cognitive Services エンドポイントはオプション 2 のみです。 eastus.api.cognitive.microsoft.com エンドポイントは、Text Analytics サービスや Translator サービスなど、さまざまな Azure Cognitive Services に使用されます。

オプション 1、api.cogitive.microsofttranslator.com は、Azure Cognitive Services の有効なエンドポイントではありません。 「cogitive」のスペルが間違っているため、タイプミスのようです。

オプション 3、portal.azure.com は、Azure サービスの Web ベースの管理インターフェイスである Azure portal の URL です。これは、Azure Cognitive Services API のエンドポイントではありません。

-./text/analytics/v3.1/言語
受信メールを処理し、フランス語または英語のサポート チームにメッセージをダイレクトするために使用できる API の 1 つが Text Analytics API です。使用できる具体的な API エンドポイントは /text/analytics/v3.1/langages です。この API は、指定されたテキストの言語を検出し、ISO 639-1 言語コードを返すことができます。この情報を使用して、メッセージを適切な言語サポート チームにルーティングできます。

api.cogitive.microsofttranslator.com
eastus.api.cognitive.microsoft.com
portal.azure.com
Out of these three options, only option 2 is a valid Azure Cognitive Services endpoint. The eastus.api.cognitive.microsoft.com endpoint is used for various Azure Cognitive Services, including the Text Analytics and Translator services.

Option 1, api.cogitive.microsofttranslator.com, is not a valid endpoint for Azure Cognitive Services. It appears to be a typo, as "cogitive" is misspelled.

Option 3, portal.azure.com, is the URL for the Azure portal, which is a web-based management interface for Azure services. It is not an endpoint for Azure Cognitive Services APIs.

-./text/analytics/v3.1/languages
One of the APIs that you can use to process incoming email and direct messages to either French or English language support teams is the Text Analytics API. The specific API endpoint you can use is /text/analytics/v3.1/languages. This API can detect the language of a given text and return the ISO 639-1 language code. You can then use this information to route the message to the appropriate language support team.

mk1967 と Adedoyin_Simeon は正しいです
正しい答えは次のようになります。
ボックス 1:
https://eastus.api.cognitive.microsoft.com

ボックス 2:
/text/analytics/v3.1/言語

mk1967 and Adedoyin_Simeon are correct
The correct answer should be:
Box1:
https://eastus.api.cognitive.microsoft.com

Box2:
/text/analytics/v3.1/languages