Foundry Tools 中的 Azure 语音

产品概述

据官网介绍，Foundry Tools 中的 Azure 语音（前称 Azure AI 语音）是 Microsoft Azure 提供的一项语音服务，旨在帮助开发者构建支持语音的多语言生成式 AI 应用。该服务提供语音转文本、文本转语音、语音翻译和说话人识别等 API，并支持通过多种编程语言（包括 C#、C++ 和 Java）的 SDK 进行集成。

主要功能

语音转文本

Azure 语音支持将音频转录为文本，可用于呼叫中心或会议对话的转录。官网称，该功能支持超过 100 种语言的音频字幕，帮助用户实现全球覆盖。

文本转语音

该服务支持将文本转换为自然流畅的语音，可用于构建能自然说话的机器人。用户可以使用定制的、真实的声音和说话风格来区分品牌。

语音翻译

Azure 语音提供实时多语言语音转语音翻译和语音转文本听录功能，支持音频流的实时翻译。官网称，支持的语言列表在不断扩大，并允许用户自定义特定行业的翻译。

自定义语音和虚拟形象

用户可以使用神经网络定制声音，生成自然的声音。此外，还可以使用预构建或自定义的带有自然声音的虚拟形象，使品牌更加生动。

通话后分析

借助 Foundry Tools 中 Azure 内容理解中的基础模型，用户可以分析音频或视频通话录制内容，获取深入见解。

OpenAI Whisper 集成

官网提到，用户可以使用 Azure AI 语音或 Foundry 模型中的 Azure OpenAI 中最新 OpenAI Whisper 模型实现呼叫中心转型。

嵌入式语音

在云连接时断时续或不可用的情况下，用户可以使用嵌入式语音支持设备上的语音转文本和文本转语音应用场景。

部署选项

Azure 语音支持在数据驻留的任何位置运行 AI 模型，用户可以使用容器在云中或边缘部署应用。

安全与合规

官网称，Azure 拥有超过 34,000 名专职从事安全项目的全职等效工程师，以及超过 15,000 名具备专业安全专长的合作伙伴。此外，Azure 提供超过 100 项合规认证，包括超过 50 项针对全球区域和国家/地区的认证。

定价模式

官网介绍，Azure 语音采用即用即付定价，无前期成本。定价基于以下因素：使用语音转文本或语音翻译时，要听录或翻译的音频小时数；使用文本转语音时，要转换为音频的字符数；使用说话人辨识的事务数。

相关产品

Azure 语音可与其他 Azure AI 产品协同工作，包括 Azure OpenAI、Microsoft Foundry、内容安全、Azure 内容理解、Azure 翻译工具和 Azure 语言等。这些产品共同帮助用户构建全面的解决方案。

常见问题解答

根据官网的常见问题解答，Azure 语音是 Foundry Tools（以前称为 Azure AI 服务）的一部分，提供用于语音转文本、文本转语音、翻译和说话人识别的 API。此次品牌重塑反映了 Foundry 下更广泛的平台统一，并表明这些服务现已定位为用于构建智能体 AI 应用程序的核心工具。