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
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。