微軟宣布Azure AI Speech"Avatar"智能語(yǔ)音服務(wù)全面上線，該服務(wù)允許開(kāi)發(fā)人員構(gòu)建支持自然語(yǔ)音的語(yǔ)音功能、多語(yǔ)種、生成式 AI 應(yīng)用程序。Azure AI Speech服務(wù)中新的文本到語(yǔ)音頭像功能可以將簡(jiǎn)單的文本轉(zhuǎn)換為逼真的人以自然的聲音說(shuō)話的視頻。開(kāi)發(fā)人員可以使用作為該服務(wù)一部分的任何預(yù)建替身，也可以創(chuàng)建自己的自定義替身。

新功能使開(kāi)發(fā)人員能夠?yàn)槠溆脩魟?chuàng)建個(gè)性化和引人入勝的內(nèi)容。這項(xiàng)服務(wù)的輸出視頻分辨率為 1920 x 1080，每秒 25 幀（FPS）。

下面是文字轉(zhuǎn)語(yǔ)音"頭像"服務(wù)的演示：

Azure Speech 文本轉(zhuǎn)語(yǔ)音"Avatar"具有以下功能：

通過(guò) Azure AI 文本轉(zhuǎn)語(yǔ)音技術(shù)，將文本轉(zhuǎn)換成逼真的人聲數(shù)字視頻，并配以自然的聲音。

提供一系列預(yù)制頭像。

化身的聲音由 Azure AI 文本轉(zhuǎn)語(yǔ)音技術(shù)生成。

通過(guò)批量合成 API 異步或?qū)崟r(shí)將文字合成為語(yǔ)音化身視頻。

在 Speech Studio 中提供內(nèi)容創(chuàng)建工具，無(wú)需編碼即可創(chuàng)建視頻內(nèi)容。

通過(guò) Speech Studio 中的即時(shí)聊天頭像工具實(shí)現(xiàn)實(shí)時(shí)頭像對(duì)話。

文字轉(zhuǎn)語(yǔ)音"Avatar"服務(wù)的定價(jià)有點(diǎn)復(fù)雜。不出所料，收費(fèi)將基于視頻輸出的長(zhǎng)度，并按秒計(jì)費(fèi)。此外，作為文本到語(yǔ)音頭像服務(wù)解決方案一部分的文本到語(yǔ)音、語(yǔ)音到文本、Azure OpenAI 或其他 Azure 服務(wù)將單獨(dú)收費(fèi)。此外，該服務(wù)現(xiàn)在可在以下 Azure 地區(qū)使用：東南亞、北歐、西歐、瑞典中部、美國(guó)中南部和美國(guó)西部