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
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。