产品简介
Foundry Tools 中的 Azure 语音是微软 Azure 平台下的核心语音服务能力，旨在为开发者和企业提供全面的语音交互解决方案。该服务已整合进 Microsoft Foundry 生态系统，前称为 Azure AI 语音。它提供语音识别、文本合成、语音翻译及说话人辨识等功能，帮助构建支持语音的多模态生成式 AI 应用和智能体。
核心功能
Azure 语音服务涵盖以下主要功能模块：
- 语音转文本：将音频流或录音文件转换为可编辑的文本，支持超过 100 种语言，适用于会议记录、呼叫中心对话转录等场景。
- 文本转语音：利用神经网络技术生成自然、流畅的语音输出，支持定制声音和说话风格，助力品牌差异化。
- 语音翻译：实现实时的多语言语音互译，打破语言障碍，促进全球沟通。
- 说话人辨识：识别音频中不同的说话人，提升对话分析的准确性。
特色能力与工作方式
该服务通过端到端的语音处理能力，支持构建复杂的 AI 智能体。其特色能力包括：
- 自定义语音模型：用户可以使用神经网络定制专属声音，使机器人或虚拟助手具备独特的品牌音色。
- 虚拟形象生成：结合预构建或自定义的虚拟形象，配合自然声音，使数字人交互更加生动逼真。
- 嵌入式语音支持：针对云连接不稳定的场景，提供设备端的语音转文本和文本转语音能力，确保离线或弱网环境下的可用性。
- 实时 API 集成：语音实时 API 已集成到 Foundry 智能体服务中，支持低延迟的音频流处理和多语言实时听录。
适用人群与场景
Azure 语音服务适用于多种行业和开发需求：
| 应用场景 | 具体用途 |
|---|---|
| 客户服务 | 呼叫中心通话后分析，自动转录对话并提取见解。 |
| 内容创作 | 为视频添加多语言字幕，或使用文本转语音生成旁白。 |
| 智能助手 | 构建具备自然语音交互能力的 AI 智能体和聊天机器人。 |
| 无障碍访问 | 为视障用户提供屏幕阅读语音，或为听障用户提供实时字幕。 |
使用流程与建议
开发者可以通过 Azure 门户快速启动项目。建议首先探索 Azure 语音文档，了解 API 参考和 SDK 支持的语言（如 C#、C++、Java）。利用 Microsoft Foundry 平台，可以更方便地编排模型、管理内容安全并进行基准检验。对于需要高合规性的企业，可利用 Azure 提供的超过 100 项合规认证，确保数据处理符合全球区域标准。
安全与合规
微软在安全性方面投入巨大，拥有数万名专职安全工程师和合作伙伴。Azure 语音服务遵循负责任的 AI 原则，内置内容安全工具，帮助开发者评估和管理有害内容。数据驻留选项允许用户在特定地理位置运行 AI 模型，满足数据主权要求。
常见问题
Azure 语音与 Foundry Tools 是什么关系？
Foundry Tools 中的 Azure 语音是原 Azure AI 语音服务的演进版本。随着微软将多项 AI 服务统一至 Foundry 平台，该服务现在被定位为构建智能体 AI 应用程序的核心工具包的一部分，旨在简化发现、编排和集成过程。
支持哪些编程语言和开发资源？
Azure 语音提供多种编程语言的 SDK，包括 C#、C++ 和 Java 等。开发者可以访问 GitHub 浏览示例代码，或利用 Azure 语音学习路径掌握自然语言处理解决方案的开发技巧。
如何计费？
Azure 语音采用灵活的即用即付定价模式，无前期成本。费用基于实际使用量计算：语音转文本和翻译按音频小时数计费，文本转语音按转换的字符数计费，说话人辨识按事务数计费。
数据统计
相关导航
