微软认知语音服务新功能概述

微软最近为其认知语音服务推出了新功能，旨在加速语言学习，包括发音评估、新的语音转文本（STT）语言以及预构建和自定义神经语音增强功能。

微软Azure认知语音服务

微软Azure认知语音服务是一套全面的技术和服务集合，包括语音转文本、文本转语音、自定义神经语音（CNV）、对话转录服务、说话人识别、语音翻译、语音SDK和语音设备开发工具包（DDK），旨在加速将语音功能集成到应用程序中。

发音评估功能

发音评估是Azure认知语音服务中的一项功能，目前已公开支持10多种语言及其变体，包括美式英语、英式英语、澳式英语、法语、西班牙语和中文，并有多余语言处于预览阶段。该功能利用Azure神经文本转语音技术、Transformer模型、序数回归和分层结构来提高单词级别评估的准确性，帮助不同背景的语言学习者提升技能。

语音转文本（STT）新语言支持

Azure语音转文本服务支持实时语言识别，适用于多语言学习场景，并帮助人类之间的互动更好地理解和可读的上下文。该服务的新语言基于大量数据，利用最新的多语言建模技术和迁移学习技术，提供包括逆向文本规范化（ITN）、大写字母（适当时）和自动标点符号的输出，以增强可读性。

预构建神经语音和自定义神经语音（CNV）

微软Azure AI提供了一系列预构建神经语音，用于AI教师、内容朗读等功能。自定义神经语音（CNV）使用户能够为其应用程序创建独特的、定制的合成语音，使用人类语音样本作为训练数据。CNV基于神经文本转语音技术，非常适合品牌代表和机器拟人化进行对话交互。教育公司如Duolingo和Pearson正在使用该技术来个性化语言学习。

微软高管的观点

微软首席项目经理Qinying Liao在Azure技术社区博客中表示，微软提供了超过400种神经语音，涵盖140多种语言和地区。这些文本转语音的语音可以快速为应用程序添加朗读功能，或为聊天机器人提供更丰富的对话体验。

Azure AI高级产品营销经理Andy Beatman在Azure AI博客中表示，将AI特别是语音服务集成到教育领域变得越来越重要，因为它可以极大地增强学习体验并提高教学效果。语音服务如Azure发音评估和自定义神经语音为教育平台提供了个性化、自动化和分析功能，可以提高学生的参与度和成就。

更多信息和资源

更多关于Azure认知语音服务的详细信息可以在文档页面上找到。客户还可以使用语音工作室测试自定义语音功能如何帮助提高音频识别效果。