Co to jest osobisty głos dla zamiany tekstu na mowę?

Dzięki osobistemu głosowi możesz uzyskać replikację głosu wygenerowanego przez sztuczną inteligencję (lub użytkowników aplikacji) w ciągu kilku sekund. Jako monit dźwiękowy podasz jednominutowy przykład mowy, a następnie użyjesz go do wygenerowania mowy w dowolnym z ponad 90 języków obsługiwanych w ponad 100 ustawieniach regionalnych.

Uwaga

Osobisty głos jest dostępny w następujących regionach: Europa Zachodnia, Wschodnie stany USA i Azja Południowo-Wschodnia. Aby uzyskać informacje o obsługiwanych ustawieniach regionalnych, zobacz Obsługa języka głosu osobistego.

W poniższej tabeli przedstawiono podsumowanie różnic między osobistym głosem a profesjonalnym niestandardowym neuronowym głosem.

Porównanie	Osobisty głos	Profesjonalny głos
Scenariusze docelowego	Klienci biznesowi mogą utworzyć aplikację, aby umożliwić swoim użytkownikom tworzenie i używanie własnego osobistego głosu w aplikacji.	Profesjonalne scenariusze, takie jak głosy marki i znaków dla czatbotów lub odczytywanie zawartości audio.
Przypadki użycia	Ograniczone do ograniczonych przypadków użycia. Zobacz notatkę o przezroczystości. Zatwierdzoni klienci powinni mieć plan obsługi ponad 1000 osobistych głosów.	Ograniczone do ograniczonych przypadków użycia. Zobacz notatkę o przezroczystości.
Dane szkoleniowe	Upewnij się, że przestrzegasz kodeksu postępowania.	Przynieś własne dane. Nagrywanie w profesjonalnym studio jest zalecane.
Wymagany rozmiar danych	Jedna minuta ludzkiej mowy.	300–2000 wypowiedzi (około 30 minut do 3 godzin mowy ludzkiej).
Czas trenowania	Mniej niż 5 sekund	Około 20–40 godzin obliczeniowych.
Jakość głosu	Naturalne	Wysoce naturalne
Obsługa wielu języków	Tak. Głos jest w stanie mówić o 100 językach z włączonym automatycznym wykrywaniem języka.	Tak. Musisz wybrać funkcję "Neuronowa — krzyżowa", aby wytrenować model, który mówi innym językiem od danych treningowych.
Dostępność	Pokaz w usłudze Speech Studio jest dostępny podczas rejestracji. Dostęp do interfejsu API jest ograniczony do uprawnionych klientów i zatwierdzonych przypadków użycia. Zażądaj dostępu za pośrednictwem formularza do wprowadzania.	Po zatwierdzeniu dostępu można trenować i wdrażać tylko model CNV Pro. Dostęp CNV Pro jest ograniczony na podstawie kryteriów uprawnień i użycia. Zażądaj dostępu za pośrednictwem formularza do wprowadzania.
Cennik	Sprawdź szczegóły cennika tutaj1.	Sprawdź szczegóły cennika tutaj.
Wymagania dotyczące odpowiedzialnej sztucznej inteligencji	Wymagane jest ustne oświadczenie osoby mówiącej. Nie jest dozwolony niezatwierdzony przypadek użycia.	Wymagane jest ustne oświadczenie osoby mówiącej. Nie jest dozwolony niezatwierdzony przypadek użycia.

¹ Należy pamiętać, że ceny głosu osobistego będą widoczne tylko dla regionów usług, w których funkcja jest dostępna, w tym Europa Zachodnia, Wschodnie stany USA i Azja Południowo-Wschodnia.

Wypróbuj wersję demonstracyjną

Jeśli masz zasób S0, możesz uzyskać dostęp do pokazu osobistego głosu w usłudze Speech Studio. Aby użyć osobistego interfejsu API głosu, możesz ubiegać się o dostęp tutaj.

1. Przejdź do usługi Speech Studio

2. Wybierz kartę Osobisty głos .

3. Możesz zarejestrować własny głos i wypróbować próbki danych wyjściowych głosu w różnych językach. Pokaz zawiera podzbiór języków obsługiwanych przez osobisty głos.

   

Jak utworzyć osobisty głos

Aby rozpocząć, poniżej przedstawiono podsumowanie kroków tworzenia osobistego głosu:

1. Utwórz projekt.
2. Przekaż plik zgody. Funkcja głosu osobistego wymaga, aby każdy głos był tworzony z jawną zgodą użytkownika. Zarejestrowana instrukcja od użytkownika jest wymagana z potwierdzeniem, że klient (właściciel zasobu usługi Azure AI Speech) utworzy i użyje swojego głosu.
3. Uzyskaj identyfikator profilu osoby mówiącej dla osobistego głosu. Otrzymasz identyfikator profilu osoby mówiącej na podstawie ustnego oświadczenia zgody osoby mówiącej i monitu audio. Cechy głosu użytkownika są kodowane we właściwości używanej speakerProfileId do zamiany tekstu na mowę.

Gdy masz osobisty głos, możesz użyć go do syntezowania mowy w dowolnym z 91 języków obsługiwanych w 100+ ustawieniach regionalnych. Tag ustawień regionalnych nie jest wymagany. Osobisty głos używa automatycznego wykrywania języka na poziomie zdania. Aby uzyskać więcej informacji, zobacz Używanie głosu osobistego w aplikacji.

Napiwek

Zapoznaj się z przykładami kodu w repozytorium zestawu Speech SDK w usłudze GitHub , aby zobaczyć, jak używać osobistego głosu w aplikacji.

Dokumentacja referencyjna

Dokumentacja interfejsu API REST niestandardowego interfejsu API REST

Odpowiedzialne AI

Zależy nam na osobach korzystających ze sztucznej inteligencji i ludzi, którzy będą na nią wpływać tak samo, jak zależy nam na technologii. Aby uzyskać więcej informacji, zobacz Informacje o przejrzystości odpowiedzialnej sztucznej inteligencji.

Następne kroki

• Utwórz projekt.
• Dowiedz się więcej o niestandardowym neuronowym głosie w omówieniu.
• Dowiedz się więcej o usłudze Speech Studio w omówieniu.