簡介

AI 語音 功能讓我們能透過語音指令管理系統，從電腦獲取語音問題的答案，從音頻生成字幕，還有更多功能。 基於語音的介面提供了更自然的方式來與 AI 軟體互動。 透過口語互動的能力能提升應用程式與代理人的可及性與包容性。

若要啟動這種互動，AI 系統必須支援至少兩種功能：

• 語音辨識：偵測並解讀語音輸入的能力
• 語音合成：產生語音輸出的能力

這些能力的範例包括：

• 醫療中的臨床口述與筆記：醫生可以在預約時或看診後大聲說出病人的筆記。 AI 語音應用程式將音訊轉換成準確的醫療文字，減少手動輸入並節省時間。

• 客戶支援中的通話文字轉錄：聯絡中心即時轉錄客戶來電，方便檢視對話、偵測問題並分析情緒。

• 媒體與娛樂中的自動字幕：影片平台為節目和串流產生即時或錄製的字幕，提升可及性並支援多語言觀眾。

• 語言學習與發音回饋於教育：學習應用程式利用 AI 語音功能聆聽學生發音並提供發音回饋，幫助學習者練習並提升口語能力。

• 零售與電子商務中的語音助理：虛擬購物助理利用語音辨識理解顧客的語音需求，並透過文字轉語音回應產品資訊或訂單狀態。

Microsoft Foundry Tools 中的 Azure 語音 透過語音辨識與合成，提供語音轉文字、文字轉語音及語音翻譯功能。 您可以針對各種工作使用預先建置和自訂語音服務模型，從將音訊轉譯為具有高精確度的文字，到識別交談中的說話者、建立自訂語音等等。 接著學習如何將語音辨識整合到 Azure Speech 的應用程式中。