微软 Azure 智能语音合成全面升级到 48kHz 高保真模型

11 月 17 日消息，微软 Azure 神经网络文本转语音服务 (又称“Neural TTS”，“智能语音合成”) 能帮助用户将文本转换为逼真的人工智能声音，它适用于多种应用场景，包括智能语音助手、客服对话机器人、有声内容朗读、游戏角色语音等。在过去的几个月中，微软 Azure 智能语音合成技术在语音自然度、声音丰富度和多语言支持等方面取得了快速进展。

今天微软官方为大家带来了最新的神经网络语音合成声码器 HiFiNet2 。

声码器是 TTS 中的关键组件之一，它基于输入的文本或声学特征来合成音频样本。目前，通过 HiFiNet2 声码器技术，微软已经将微软 Azure 智能语音合成产品全面升级到 48kHz 声音模型，进一步为用户带来更高保真、高效率和可扩展的 AI 语音音质体验。这项更新包括 400 多个音色，覆盖全球超过 140 个国家和地区的语言。

48kHz 语音模型

在文本转语音技术中，音频的保真度是用来衡量音质的一项重要标准。高保真声音不但可以给用户传达更丰富、更细腻的音质，同时还可以将音色的失真和变形降至最低。随着采样率的提升，听众可以听到更精准的细节和更真实的音色。在视频配音、游戏和唱歌等需要更精细、更沉浸的声音体验的复杂场景中，更高保真度的输出（如 48kHz 采样率）将给用户带去前所未有的全新感官体验。

现在，随着 Azure 深度神经网络语音合成服务将全平台 AI 声音升级到 48kHz 采样率，微软率先在业界为 AI 声音用户带来真正高保真度的声音体验。

微软 Azure 智能语音合成技术更多信息介绍，点此查看。