微软更新AI文本转语音TTS：再也分不清AI声音！附企业免费通道

最近，微软发表了一篇博客，宣布其TTS（Text to Speech，即文本转语音）语音库更新了9个AI语音角色，比起以往的AI语音要更加真实，可以适用于各种会话场景。其中包含了一种更新的中文女性角色：“晓晓”，试听效果非常炸裂：

以后，人耳再也分辨不出是真人还是机器人的声音了。

为了让你有更好的体验，让我们先听一下以前（现在）“晓晓”的声音：

是不是还有很明显的机械感，跟我们现在平常接到的机器人营销电话类似，一些老人可能分辨不出来，但年轻人仔细听还是能分辨出来不是真人。但新的“晓晓”已经完全让你无法分辨是不是真人了：

不要怀疑，你听到的就是AI合成的语音。视频中“晓晓”主要演示了两种场景下的声音效果，线下聊天场景和播客场景，两种场景的语气、停顿都非常逼真。

基于大语言模型据微软官方介绍，这些语音借助了大语言模型的强大能力，比如OpenAI搭建在Azure云上的GPT服务。在口头对话场景中，声音的表现力至关重要。通过GPT，可以生成比以往更加自然、流畅且高质量的人声效果。除了使用“晓晓”的默认语音，还可以使用您自己的音频样本作为训练数据，创建独一无二的自定义语音。现在基于OpenAI的新的语音效果暂未全面开放，仅适用于美国等部分地区。

待全面开放后，可以使用Azure AI的Speech Studio来构建如此自然流畅的应用和服务。

微软AzureAI TTS，微软出品的一种语音服务功能，可将文本转换为逼真的语音。是目前最好用的文字转语音工具。注意，没有之一。

通过微软官方合作伙伴获取服务，可以合规、稳定地提供企业用户使用微软tts的可能，满足国内发票需求，同时也能解决连接不稳定/响应速度慢/并发配额低等问题。

微软 Azure OpenAI 申请https://azureopenai.cloudallonline.com/?zxwwy50

对于企业来说，目前，Azure AI 推出9种新的真实语音，为企业使用对话的业务场景提供更好的选择和多样性。新的逼真声音非常适合任何需要逼真语音交互的应用程序，包括聊天机器人、语音助手、游戏、电子学习、娱乐等。

具有神经网络真人发音、支持在线体验和本地部署（通过Docker等方式）。该项目是开源的，后端依赖于微软的Azure语音模型。

有免费版和付费版，免费版有额度上限，企业也可以先免费试用

随着高质量、类人人工智能语音的出现，行业和应用程序正在发生转变，使与设备和服务的交互变得更加容易和自然。现在，在人机对话交互中，借助Azure OpenAI GPT等大型语言模型 (LLM) 的强大功能，AI 可以产生比以往更自然、流畅和高质量的响应，价格也更加低廉。因此，在进行口头对话时，对文本转语音 (TTS)声音的自然性和表现力的要求比以往任何时候都更高。目前，Azure AI 推出9种新的真实语音，为企业使用对话的业务场景提供更好的选择和多样性。新的逼真声音非常适合任何需要逼真语音交互的应用程序，包括聊天机器人、语音助手、游戏、电子学习、娱乐等。

例如，对于语音代理场景，Yellow.AI 使用 Ava 语音进行客户支持。

目前，所有新的多语言声音，包括最近的公共预览更新， 都具有更加对话式的风格，源于不同的主要语言。这一扩展增强了企业表达 91 种语言及其变体内容的能力。

新推出GA 语音包括：en-US-AvaMultilingualNeural、en-US-AndrewMultilingualNeural、en-US-EmmaMultilingualNeural、en-US-BrianMultilingualNeural、De-DE-FlorianMultilingualNeural、De-DE-SeraphinaMultilingualNeural、Fr-FR-RemyMultilingualNeural、Fr -FR-VivienneMultilingualNeural 和 zh-CN-XiaoxiaoMultilingualNeural。