AI语音技术的发展和应用,让中国用户在外语学习和对外沟通交流中获得了诸多便利。但对于国内的小语种学习者,或是正在小语种国家或地区开展业务的机构,目前还需要支持更多小语种的语音工具。
然而,由于缺乏训练数据,那些较少使用的口语,几乎没有任何可用的TTS工具。现在,在低资源TTS技术的支持下,微软Azure认知服务正在持续不断扩展对不同国家及地区语言的支持,满足更多海内外合作伙伴的场景需求——例如小语种教育教学的有声读物、电子辞典等学习工具;面向相应国家和地区市场的AI语音助手、AI语音客服;或是将TTS作为视频、音频等素材的生产工具,产出面向以上语种使用者的媒体产品等。
近期,微软Azure Neural TTS新增了对9个“小语种”语言及其不同口音的支持,包括:阿拉伯语(黎巴嫩)、阿拉伯语(阿曼)、阿塞拜疆语(阿塞拜疆)、波斯尼亚语(波黑)、格鲁吉亚语(格鲁吉亚)、蒙古语(蒙古)、尼泊尔语(尼泊尔)、阿尔巴尼亚语(阿尔巴尼亚)、泰米尔语(马来西亚)。以上几种语言均已公开发布,供合作伙伴及开发者使用。
点击以下声音示例,感受这些不同风格的“小语种”语言。
如上示例依次为:阿塞拜疆语(阿塞拜疆)、阿拉伯语(黎巴嫩)、尼泊尔语(尼泊尔)、
波斯尼亚语(波黑)、泰米尔语(马来西亚)。
全球人类正在使用的语言有数千种,其中使用最多的前1%(约70种语言)覆盖了全球80%以上的人口,并且基本都得到了TTS技术的支持。然而,那些小语种的使用者,也应当享受TTS技术带来的便利。微软Azure AI一直秉持为世界上每一人、每一组织消除语言障碍的愿景。随着逐步攻克小语种的技术挑战,Azure AI又一次扩充了所覆盖的语言数量,距离消除全球语言障碍的目标迈进了一大步。
图:微软Azure Neural TTS支持语言和声音列表
截止目前,Azure 认知服务的文本转语音模块支持全球140个国家和地区的语言,提供400个声音模型,为全球用户提供声音自然、富有情感,支持编辑和个性化选项的语言、语音服务。企业能够利用Azure神经网络版声音定制服务,以多种语言和风格打造独特的品牌声音。
微软Azure AI还提供语音转文本、OCR、翻译等一系列与语言相关的认知服务,所支持的语言已达100多种,帮助全球更多机构及个人跨越语言障碍,使沟通通畅无阻。
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。
伊尔德兹技术大学团队通过词典手术和离线蒸馏,以不足20美元成本打造出专为土耳其语优化的200M参数句子嵌入模型,在语义相似度任务上超越了参数量更大的原版教师模型。
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。
LongLive-RAG由英伟达、USC与MIT联合提出,通过让AI检索自身生成的历史视频片段作为参考,解决长视频生成中的角色漂移和画面不一致问题。