微软在 Build 2024 上发布 Azure AI 语音升级

该公司宣布了 Azure AI 服务的一系列改进功能，支持使用生成式 AI 进行构建。

在周二的年度 Build 开发者大会上，微软宣布了其 Azure AI 语音服务的新功能，该服务可增强语音支持、生成式 AI 应用的开发。

Azure AI Speech 已被用于“各种用例，包括呼叫分析（音频、文本）、医疗转录（音频、视觉、文本）、字幕（音频/视频、转录、翻译）和聊天机器人（音频、GPT） ，”微软在新闻稿中说道。迄今为止，该服务拥有众多功能，包括将音频转换为广播文本字幕或提取电话中提到的地址。

OpenAI 上周发布的 GPT-4o 的一大亮点是改进的语音模式，其重点是提高程序响应的语音质量。为了跟上步伐，微软宣布将普遍提供个人语音服务。

该新闻稿解释说，该功能允许用户“为各种应用程序创建和使用自己的人工智能语音，例如语音助手、语音翻译和视频内容创建”。

另一项新功能是语音分析，现已提供预览版。它可以在 Adobe 的开发环境 Azure AI Studio 中访问，旨在解决该公司所谓的电话或其他音频源的“软”分析问题。呼叫的软元素可能是语义内容，或者呼叫者的感受，这可能比呼叫本身的内容更微妙。

该新闻稿解释说，情绪分析可以检测诸如“所表现出的同理心程度、参与者的承诺以及所提出的论点的强度等细节，甚至可以预测可能的对话流程”。

例如，在通话记录中，可以将每个发言者的短语的评级标记为“积极”、“消极”或“中立”。您可以在此处查看交互式演示。

为了实现快速分析，微软还推出了 Fast Transcription，该公司声称这是“整个转录的游戏规则改变者”，因为“它现在的转录速度比实时快 40 倍（实时因子 <1）”。

据该公司称，Fast Transcription 无需手动记录通话记录，可以为呼叫中心座席节省“数千个小时”，医生和护士可以在几秒钟内分析与患者的对话。 “媒体和内容创作者可以在播客或采访完成后立即分析并提取见解，”该新闻稿继续说道。

微软表示该功能将于下个月推出。

与客户进行通话后分析的示例。

为了满足在全球范围内传播内容的需求，微软还推出了自动视频配音，它可以翻译内容，合成目标语言的语音，并将其同步到讲话者的视频中。

此外，该公司还宣布对其多语言翻译功能进行更新，例如在观看广播时切换字幕语言的能力。