导语:全世界有数千种语言,最具语言天赋的人也只能说数十种,普通人能够学会两三种语言已属不易。然而,在科技日新月异的今天,具备自然语言对话能力的AI已经能够掌握上百种语言,扩展人类自身能力,为不同场景的跨境语言服务打开了更多可能性。
近期,微软宣布Azure Neural TTS(神经网络版文本转语音)新增160个声音模型。更新后,微软语音支持全球129个国家和地区的语言,提供334个声音模型供用户选择。随着Azure 认知服务功能从支持语音转文本、OCR,扩展到对超百种语言的翻译,Azure AI距离消除全球语言障碍的目标又迈进了一大步。

图:微软Azure Neural TTS支持语言和声音列表
同时,语言数量、声音风格的不断增加,也让Azure Neural TTS能更好地满足企业跨区域、多语言业务发展的需求。无论是电话营销、客服支持、导航播报、语音助手、游戏语音等业务场景,还是在旅游、教育、长音频等更广泛的行业领域中,企业利用这项服务即可将文本转换成更多样、极具本土特色且媲美人类的AI声音。
Azure Neural TTS此次更新的64种语言和口音中,既有2亿人使用的孟加拉语、1亿人使用的波斯语、6000万人使用的爪哇语等语言,也有少数人使用的语言,如高棉语、祖鲁语、普什图语、冰岛语等。
微软Azure认知服务不断扩展自身能力,借助低资源TTS技术,以领先于行业的速度持续扩展所支持的语言数量,对于缺乏平行语料的小语种也有更好的支持,并且还能用更少的数据训练出高质量和多元化的语音模型,让AI语音更加声入人心。
点击声音示例,声临其境地感受新语言。

示例:am-ET Ameha 阿姆哈拉语 (埃塞俄比亚)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/amET-Ameha.wav
示例:bn-BD Nabanita孟加拉语(孟加拉国)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/bnBD-Nabanita.wav
示例:fa-IR Dilara波斯语(伊朗)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/faIR-Dilara.wav
示例:km-KH Piseth高棉语(柬埔寨)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/kmKH-Piseth.wav
示例:my-MM Nilar 缅甸语(缅甸)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/myMM-Nilar.wav
示例:zu-ZA Themba 祖鲁语(南非)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/zuZA-Themba.wav
不同国家和地区的人们在说同一种语言时会产生不同的口音和使用习惯,有着不同的风格。点此链接了解此次口音数量更新的更多信息。
点击口音示例,感受更接地气的英语口音。

示例:en-KE Asilia 肯尼亚口音英语 (肯尼亚)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/enKE-Asilia.wav
示例:en-NG Abeo 尼日利亚口音英语(尼日利亚)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/enNG-Abeo.wav
示例:en-TZ Imani 坦桑尼亚口音英语(坦桑尼亚)
链接:https://tts.blob.core.windows.net/garhe/202110%20release/enTZ-Imani.wav
活泼、甜美、深厚,更多声音风格任你选
在最新版本中,Azure发布了包括英语(英国)、法语(法国)和德语(德国)在内的36个新声音模型(预览版),涵盖多种音色和风格,为不同场景带来多样化选择。(注:这些声音处于公开预览阶段,目前在美国东部、西欧和东南亚地区使用。)
点击声音风格示例,感受丰富多彩的个性化声音。

示例:en-GB Alfie 英国口音英语 – 英语
示例:en-GB Hollie 英国口音英语 – 英语
示例:en-GB Maisie 英国口音英语 – 英语
在XYZ-Code底层AI框架的支持下, Azure认知服务正在为更多人提供逼真、自然、接地气的语音体验。同时,微软的所有技术进步都接受微软负责任的AI流程的指导,并遵循公平、包容、可靠性与安全性、透明、隐私与保障、负责的原则。
截止目前,Azure认知服务的文本转语音模块提供了344个声音,支持129个国家和地区的语言,可为全球用户提供多样化语言、语音服务。值得一提的是,Azure神经网络版声音定制服务还可以让企业以多种语言和风格打造专属的品牌声音。
现在就通过Azure认知服务官网来体验极具特色的文本转语音服务,或定制你的专属声音吧。
好文章,需要你的鼓励
Rivian分拆公司Also与亚马逊达成多年合作协议,将为这家电商巨头提供数千辆新型踏板助力四轮货运车TM-Q。该车辆载重超过400磅,体积小巧可使用自行车道。双方将合作定制车辆以满足亚马逊在欧美的配送需求,预计2026年春季投入使用。Also从Rivian内部项目发展而来,今年独立融资1.05亿美元,将利用可拆卸电池技术和专业物流软件为密集城区提供最后一公里配送解决方案。
Character AI联合耶鲁大学开发的OVI系统实现了音视频的统一生成,通过"孪生塔"架构让音频和视频从生成之初就完美同步。该系统在5秒高清内容生成上显著超越现有方法,为多模态AI和内容创作领域带来突破性进展。
知名投资机构Accel和Prosus宣布建立新的投资合作伙伴关系,专门支持印度初创企业从零开始发展,重点关注那些能够为南亚地区大众提供大规模解决方案的创始人。这是Prosus首次在企业成立阶段进行投资。双方将从创业公司最早期开始共同投资,专注于解决自动化、能源转型、互联网服务和制造业等领域的系统性挑战,初始投资金额从10万到100万美元不等。
这项由南洋理工大学研究团队开发的DragFlow技术,首次实现了在先进AI模型FLUX上的高质量区域级图像编辑。通过创新的区域监督、硬约束背景保护和适配器增强等技术,将传统点对点编辑升级为更自然的区域编辑模式,在多项基准测试中显著超越现有方法,为图像编辑技术带来革命性突破。