使用场景

生成电视广播、网播的字幕，使观众更轻松地访问内容。

转录呼叫中心的通话记录，提取有价值的信息和情绪。

为多语言视频提供AI语音配音，增强视频的国际化传播。

产品特色

语音转文本：快速准确地听录超过100种语言和方言。

实时语音转文本：无需编写代码即可测试实时听录功能。

Azure OpenAI 服务中的 Whisper 模型：使用此模型快速测试实时听录。

批处理语音转文本：快速转录存储中的大量音频并异步接收结果。

自定义语音识别：使用自定义数据适应特定说话风格、词汇等。

语音翻译：将语音翻译为选择的其他语言，具有低延迟。

文本转语音：构建可使用400种以上声音的自然说话应用和服务。

使用教程

1. 注册并登录Azure门户，创建一个Azure认知服务语音的实例。

2. 选择所需的语言和方言，配置语音转文本或文本转语音服务。

3. 上传音频文件或输入文本内容，根据需要选择实时或批处理模式。

4. 使用自定义功能，根据特定需求调整语音模型的参数。

5. 测试并优化服务，确保语音识别和合成的准确性和自然度。

6. 将服务集成到应用程序或工作流程中，实现自动化的语音交互。