連結：https://speech.microsoft.com
Azure 認知服務語音是微軟推出的一款語音辨識與合成服務，支援超過100種語言和方言的語音轉文本和文本轉語音功能。它透過建立可處理特定術語、背景噪音和重音的自訂語音模型，提高聽錄的準確度。此外，該服務還支援實時語音轉文本、語音翻譯、文本轉語音等功能，適用於多種商業場景，如字幕生成、通話後聽錄分析、影片翻譯等。
需求人群：
- 目標受眾包括希望提升客戶互動體驗的企業、需要自動生成字幕的媒體製作公司、需要分析通話內容以提取資訊的呼叫中心等。此技術能夠幫助他們提高效率，增強使用者體驗，並開拓新的服務模式。
使用場景示例：
- 生成電視廣播、網播的字幕，使觀眾更輕鬆地訪問內容。
- 轉錄呼叫中心的通話記錄，提取有價值的資訊和情緒。
- 為多語言影片提供AI語音配音，增強影片的國際化傳播。
產品特色：
- 語音轉文本：快速準確地聽錄超過100種語言和方言。
- 實時語音轉文本：無需編寫程式碼即可測試實時聽錄功能。
- Azure OpenAI 服務中的 Whisper 模型：使用此模型快速測試實時聽錄。
- 批處理語音轉文本：快速轉錄儲存中的大量音訊並非同步接收結果。
- 自訂語音辨識：使用自訂資料適應特定說話風格、詞彙等。
- 語音翻譯：將語音翻譯為選擇的其他語言，具有低延遲。
- 文本轉語音：構建可使用400種以上聲音的自然說話應用和服務。
使用教學：
1. 註冊並登入Azure門戶，建立一個Azure認知服務語音的實例。
2. 選擇所需的語言和方言，配置語音轉文本或文本轉語音服務。
3. 上傳音訊檔案或輸入文本內容，根據需要選擇實時或批處理模式。
4. 使用自訂功能，根據特定需求調整語音模型的引數。
5. 測試並最佳化服務，確保語音辨識和合成的準確性和自然度。
6. 將服務整合到應用程式或工作流程中，實作自動化的語音互動。