什么是Microsoft的文本轉(zhuǎn)語(yǔ)音?

微軟Azure的文本轉(zhuǎn)語(yǔ)音服務(wù)提供了一種逼真、可定制的語(yǔ)音生成解決方案，支持細(xì)粒度控制和靈活部署。用戶(hù)可以根據(jù)自己的需求定制語(yǔ)音輸出。此外，Azure還提供了豐富的資源和工具來(lái)幫助用戶(hù)快速開(kāi)始使用和構(gòu)建語(yǔ)音服務(wù)。

什么是Microsoft的文本轉(zhuǎn)語(yǔ)音接口？

Microsoft的文本轉(zhuǎn)語(yǔ)音有哪些核心功能？

逼真的合成語(yǔ)音 實(shí)現(xiàn)流暢、自然的文本轉(zhuǎn)語(yǔ)音，與人聲的語(yǔ)調(diào)和情感相匹配。	可定制的文本說(shuō)話者聲音 創(chuàng)建一個(gè)獨(dú)特的人工智能語(yǔ)音生成器來(lái)反映您的品牌形象。
細(xì)粒度的文本對(duì)話音頻控制 通過(guò)輕松調(diào)整速率、音高、發(fā)音、停頓等，根據(jù)您的場(chǎng)景調(diào)整語(yǔ)音輸出。	靈活部署 在云端、本地或容器邊緣的任何地方運(yùn)行文本轉(zhuǎn)語(yǔ)音。
定制您的語(yǔ)音輸出 微調(diào)合成語(yǔ)音以適合您的場(chǎng)景。 使用語(yǔ)音合成標(biāo)記語(yǔ)言 (SSML) 或 音頻內(nèi)容創(chuàng)建工具定義詞典 并控制語(yǔ)音參數(shù)，例如發(fā)音、音高、速率、停頓和語(yǔ)調(diào) 。	從云端到邊緣的任何地方部署文本轉(zhuǎn)語(yǔ)音 無(wú)論您的數(shù)據(jù)位于何處，都可以運(yùn)行文本轉(zhuǎn)語(yǔ)音。使用容器將逼真的語(yǔ)音合成構(gòu)建到針對(duì)強(qiáng)大的云功能和邊緣位置進(jìn)行優(yōu)化的應(yīng)用程序中 。

Microsoft的文本轉(zhuǎn)語(yǔ)音的核心優(yōu)勢(shì)是什么？

在哪些場(chǎng)景會(huì)用到Microsoft的文本轉(zhuǎn)語(yǔ)音？

客戶(hù)服務(wù) 在呼叫中心或自動(dòng)客服系統(tǒng)中，提供自然流暢的語(yǔ)音交互，提升客戶(hù)體驗(yàn)。
	語(yǔ)言學(xué)習(xí) 提供語(yǔ)言學(xué)習(xí)應(yīng)用中的發(fā)音指導(dǎo)和聽(tīng)力練習(xí)材料。
會(huì)議錄聽(tīng) 可以幫助提升會(huì)議錄聽(tīng)的效率和質(zhì)量，無(wú)論是在企業(yè)內(nèi)部會(huì)議、遠(yuǎn)程教育、在線研討會(huì)還是其他需要語(yǔ)音輸出的場(chǎng)合。
	多設(shè)備對(duì)話 Azure 文字轉(zhuǎn)語(yǔ)音服務(wù)可以幫助開(kāi)發(fā)者構(gòu)建跨設(shè)備、無(wú)縫且一致的對(duì)話體驗(yàn)。
語(yǔ)音助手 Azure 文字轉(zhuǎn)語(yǔ)音服務(wù)提供了強(qiáng)大的功能和靈活性，非常適合用于構(gòu)建和增強(qiáng)語(yǔ)音助手的語(yǔ)音交互能力

 

免費(fèi)版

即用即付：僅按使用量付費(fèi)

其他價(jià)格信息請(qǐng)查看：https://azure.microsoft.com/en-us/pricing/details/cognitive-services/speech-services/

語(yǔ)音 SDK 以 NuGet 包的形式提供，實(shí)現(xiàn)了 .NET Standard 2.0。 稍后在本指南中安裝語(yǔ)音 SDK。 有關(guān)任何要求，請(qǐng)參閱安裝語(yǔ)音 SDK。

必須對(duì)應(yīng)用程序進(jìn)行身份驗(yàn)證才能訪問(wèn) Azure AI 服務(wù)資源。 對(duì)于生產(chǎn)，請(qǐng)使用安全的方式存儲(chǔ)和訪問(wèn)憑據(jù)。 例如，獲取語(yǔ)音資源的密鑰后，請(qǐng)將其寫(xiě)入運(yùn)行應(yīng)用程序的本地計(jì)算機(jī)上的新環(huán)境變量。

若要為語(yǔ)音資源密鑰設(shè)置環(huán)境變量，請(qǐng)打開(kāi)控制臺(tái)窗口，并按照操作系統(tǒng)和開(kāi)發(fā)環(huán)境的說(shuō)明進(jìn)行操作。

• 要設(shè)置 SPEECH_KEY 環(huán)境變量，請(qǐng)將“your-key”替換為你的資源的某一個(gè)密鑰。
• 要設(shè)置 SPEECH_REGION 環(huán)境變量，請(qǐng)將 “your-region”替換為你的資源的某一個(gè)地區(qū)。

Windows:

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

添加環(huán)境變量后，你可能需要重啟任何需要讀取環(huán)境變量的程序（包括控制臺(tái)窗口）。 例如，如果使用 Visual Studio 作為編輯器，請(qǐng)?jiān)谶\(yùn)行示例之前重啟 Visual Studio。

按照以下步驟創(chuàng)建控制臺(tái)應(yīng)用程序并安裝語(yǔ)音 SDK。

1. 在需要新項(xiàng)目的文件夾中打開(kāi)命令提示符窗口。 運(yùn)行以下命令，使用 .NET CLI 創(chuàng)建控制臺(tái)應(yīng)用程序。

   dotnet new console

   該命令會(huì)在項(xiàng)目目錄中創(chuàng)建 Program.cs 文件。

2. 使用 .NET CLI 在新項(xiàng)目中安裝語(yǔ)音 SDK。

   dotnet add package Microsoft.CognitiveServices.Speech

3. 將 Program.cs 的內(nèi)容替換為以下代碼。

   using System;
   using System.IO;
   using System.Threading.Tasks;
   using Microsoft.CognitiveServices.Speech;
   using Microsoft.CognitiveServices.Speech.Audio;
   
   class Program 
   {
       // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
       static string speechKey = Environment.GetEnvironmentVariable("SPEECH_KEY");
       static string speechRegion = Environment.GetEnvironmentVariable("SPEECH_REGION");
   
       static void OutputSpeechSynthesisResult(SpeechSynthesisResult speechSynthesisResult, string text)
       {
           switch (speechSynthesisResult.Reason)
           {
               case ResultReason.SynthesizingAudioCompleted:
                   Console.WriteLine($"Speech synthesized for text: [{text}]");
                   break;
               case ResultReason.Canceled:
                   var cancellation = SpeechSynthesisCancellationDetails.FromResult(speechSynthesisResult);
                   Console.WriteLine($"CANCELED: Reason={cancellation.Reason}");
   
                   if (cancellation.Reason == CancellationReason.Error)
                   {
                       Console.WriteLine($"CANCELED: ErrorCode={cancellation.ErrorCode}");
                       Console.WriteLine($"CANCELED: ErrorDetails=[{cancellation.ErrorDetails}]");
                       Console.WriteLine($"CANCELED: Did you set the speech resource key and region values?");
                   }
                   break;
               default:
                   break;
           }
       }
   
       async static Task Main(string[] args)
       {
           var speechConfig = SpeechConfig.FromSubscription(speechKey, speechRegion);      
   
           // The neural multilingual voice can speak different languages based on the input text.
           speechConfig.SpeechSynthesisVoiceName = "en-US-AvaMultilingualNeural"; 
   
           using (var speechSynthesizer = new SpeechSynthesizer(speechConfig))
           {
               // Get text from the console and synthesize to the default speaker.
               Console.WriteLine("Enter some text that you want to speak >");
               string text = Console.ReadLine();
   
               var speechSynthesisResult = await speechSynthesizer.SpeakTextAsync(text);
               OutputSpeechSynthesisResult(speechSynthesisResult, text);
           }
   
           Console.WriteLine("Press any key to exit...");
           Console.ReadKey();
       }
   }

4. 若要更改語(yǔ)音合成語(yǔ)言，請(qǐng)將 en-US-AvaMultilingualNeural 替換為另一種受支持的語(yǔ)音。

   所有神經(jīng)網(wǎng)絡(luò)聲音都是多語(yǔ)言的，并且能夠流利地使用自己的語(yǔ)言和英語(yǔ)。 例如，如果英語(yǔ)的輸入文本為“I'm excited to try text to speech”并且你設(shè)置了 es-ES-ElviraNeural，則該文本將用帶西班牙口音的英語(yǔ)講出。 如果語(yǔ)音使用的不是輸入文本的語(yǔ)言，則語(yǔ)音服務(wù)不會(huì)輸出合成的音頻。

5. 運(yùn)行新的控制臺(tái)應(yīng)用程序，開(kāi)始將語(yǔ)音合成到默認(rèn)揚(yáng)聲器。

   dotnet run

6. 輸入要朗讀的一些文本。 例如，鍵入“我對(duì)嘗試文本轉(zhuǎn)語(yǔ)音非常興奮”。 選擇 Enter 鍵可聽(tīng)到合成的語(yǔ)音。

   Enter some text that you want to speak >
   I'm excited to try text to speech

詳細(xì)指南請(qǐng)查看：https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/get-started-text-to-speech?tabs=windows%2Cterminal&pivots=programming-language-csharp