Azure AI Foundry 操场

重要

本文中标记了“（预览版）”的项目目前为公共预览版。 此预览版未提供服务级别协议，不建议将其用于生产工作负载。 某些功能可能不受支持或者受限。 有关详细信息，请参阅 Microsoft Azure 预览版补充使用条款。

在使用最先进的模型构建代理和应用时，Azure AI Foundry 操作台提供一个按需无须配置的环境，设计用于在投入生产代码库之前进行快速原型制作、API 探索和技术验证，然后再将一行代码提交到你的生产代码库。

Azure AI Foundry游乐场体验的亮点

Azure AI Foundry实验平台体验的一些亮点包括：

• 代理操场中对评估和跟踪的 AgentOps 支持。
• 适用于聊天和代理操场的“在 VS Code 中打开”功能。 此功能通过自动将终结点和密钥从 Azure AI Foundry 导入 VS Code 来节省时间，以便使用多语言代码示例。
• 适用于 gpt-image-1、Stable Diffusion 3.5 Large 和 Bria 2.3 Fast 模型的图像操场 2.0。
• 音频乐园支持gpt-4o-audio、gpt-4o-transcribe和gpt-4o-mini-tts模型。
• 适用于 Azure OpenAI Sora 的视频操场。

小窍门

在操场登录页面的屏幕截图中，门户的左窗格已被自定义以显示“操场”选项卡。若要了解如何查看左窗格中的其他项目，请参阅自定义左窗格。

作为生产前奏的操场

现代开发涉及在多个系统（API、服务、SDK 和数据模型）之间进行协作，通常是在您准备好完全投入框架、编写测试或启动基础设施之前。 随着软件生态系统的复杂性的增加，需要安全、轻型的环境来验证想法变得至关重要。 场是为了满足这一需求而建造的。

Azure AI Foundry场提供随时可用的环境，并预先安装了所有必要的工具和功能，无需设置项目、管理依赖项或解决兼容性问题。 这些平台可以通过验证 API 行为、更快编写代码、降低试验成本和交付时间、加速集成、优化提示等方式来提升开发人员的开发速度。

游乐场还可以在你有疑问时快速提供清晰的答案，方法是在几秒钟内（而不是几个小时）给予回答，并允许你在承诺进行大规模构建之前测试和验证想法。 例如，操场非常适合快速回答这样的问题：

• 获取所需输出所需的最小提示是什么？
• 在编写完整集成之前，此逻辑是否正常工作？
• 延迟或令牌使用情况如何随不同的配置而变化？
• 在将模型演变为代理之前，哪种模型提供最佳的性价比？

“在 VS Code 中打开”功能

聊天沙盒和代理沙盒允许您在 VS Code 中工作，您可以通过 VS Code 中的 Azure AI Foundry 扩展使用“在 VS Code 中打开”按钮。

在多语言示例代码示例中可用，“在 VS Code 中打开”可自动导入代码示例、API 终结点以及环境中 VS Code 工作区 /azure 的密钥。 借助此功能，可以轻松地从 Azure AI Foundry 门户在 VS Code IDE 中工作。

按照以下步骤使用聊天和代理操场中的“在 VS Code 中打开”功能：

1. 选择“试用聊天操场”将其打开。 或者，可以通过在代理操场卡上选择“开始吧”，在代理操场中执行这些步骤。

2. 如果还没有部署，请选择“ 创建新部署 ”并部署模型，例如 gpt-4o-mini。

3. 请确保在“部署”框中选中您的部署。

4. 选择 “查看代码 ”以查看代码示例。

5. 选择“ 在 VS Code 中打开 ”，在浏览器窗口的新选项卡中打开 VS Code。

   

6. 您已被重定向到 /azure VS Code 的环境，在那里代码示例、API 终结点和密钥已从 Azure AI Foundry 实验环境导入。

   

7. 请浏览READ.ME文件以获取运行模型的说明。

8. 在run_model.py中查看代码示例。

9. 查看文件中的相关依赖项 requirements.txt 。

代理人的乐园

使用代理场可以浏览、原型和测试代理，而无需运行任何代码。 在此页中，可以快速迭代并试验新的想法。 若要开始使用代理操作区，请参阅 快速入门：创建新的代理。

聊天操场

聊天场是测试 Azure OpenAI、DeepSeek 和 Meta 的最新推理模型的位置。 若要了解有关聊天场的详细信息，请参阅 快速入门：在 Azure AI Foundry 门户中使用聊天场。

对于所有推理模型，聊天场提供了一个思想链摘要下拉列表，使你能够查看模型在共享输出之前如何思考其响应。

音频乐园

音频场（预览版）允许将文本转语音和听录功能与 Azure OpenAI 中的最新音频模型配合使用。

按照以下步骤尝试文本转语音功能：

1. 选择 试用音频试验场 来打开它。

2. 如果还没有部署，请选择“ 创建新部署 ”并部署模型，例如 gpt-4o-mini-tts。

3. 确保在“部署”框中选择您的部署项目。

4. 输入文本提示。

5. 调整模型参数，如语音和响应格式。

6. 选择“ 生成 ”以接收包含播放、回退、向前、调整速度和音量的播放控件的语音输出。

7. 将音频文件下载到本地计算机。

   

按照以下步骤尝试听录功能：

1. 如果还没有部署，请选择“ 创建新部署 ”并部署模型，例如 gpt-4o-transcribe。

2. （可选）将短语列表作为文本机制包含在一起，以指导音频输入。

3. 通过上传一个音频文件或从提示栏中录制音频来输入音频文件。

4. 选择 “生成听录 ”以将音频输入发送到模型，并接收文本和 JSON 格式的转录输出。

   

视频游乐场

视频游乐场（预览版）是一个快速迭代的环境，旨在探索、优化和验证生成视频工作流，专为需要将想法转化为具有精确控制和速度的原型的开发人员设计。 该操场提供了一个低摩擦接口，用于测试提示结构、评估运动精准度、跨帧评估模型一致性，以及跨模型比较输出，而无需编写模板代码或浪费计算周期。 这也是首席产品官和工程副总裁的出色演示界面。

所有模型终结点都与 Azure AI 内容安全集成。 因此，在视频平台上展示之前，会筛选掉有害和不安全的图像。 如果文本提示和视频生成由内容审查策略标记，则会收到警告通知。

可以使用视频互动区与 Azure OpenAI Sora 模型配合。

小窍门

请参阅 Azure OpenAI Sora 视频操场 60 秒短视频和 DevBlog，了解如何转换企业就绪用例（按行业）。

按照以下步骤使用视频游乐场：

谨慎

由于数据隐私，生成的视频将保留 24 小时。 将视频下载到本地计算机以延长保留期。

1. 选择“试用视频操场”将其打开。

2. 如果还没有部署，请从主页右上角选择“ 立即部署 ”并部署 sora 模型。

3. 在视频操场的主页上，受到按“行业”筛选整理的预建提示的启发。 在此处，你可以全屏观看视频，并复制提示以据此构建。

   

4. 复制提示会将它粘贴到提示栏中。 调整关键控件（例如纵横比或分辨率），以深入了解特定的模型响应能力和约束。

5. 选择“ 生成 ”以基于复制的提示生成视频。

6. 通过“使用 AI 改写”功能，用 gpt-4o 改写文本提示语法。

7. 打开“ 开始使用行业系统提示 ”功能，选择行业，并指定原始提示所需的更改。

8. 选择 “更新 ”以更新提示，然后选择“ 生成 ”以创建新视频。

   

9. 转到“生成历史记录”选项卡，以网格或列表视图的形式查看生成。 选择视频时，请以全屏模式打开它们以完全沉浸。 直观地观察提示调整或参数更改前后的输出。

10. 在全屏模式下，编辑提示并提交以重新生成。

11. 在全屏模式下或通过悬停在视频上时显示的选项按钮，将视频下载到本地计算机、查看视频生成信息标记、查看代码或删除视频。

    

12. 从选项菜单中选择“ 查看代码 ”，以多种语言查看视频代系的上下文示例代码，包括 Python、JavaScript、C#、JSON、Curl 和 Go。

13. 通过将代码示例复制到 VS Code，将代码示例移植到生产环境。

在视频游乐场中进行试验时需要验证的内容

如果在计划生产工作负载时使用视频操场，可以探索并验证以下属性：

• 提示到运动的转换

  • 视频模型是否以逻辑和时态意义的方式解释我的提示？
  • 动作是否与描述的行动或场景一致？

• 帧一致性

  • 字符、对象和样式是否在帧之间保持一致？
  • 是否存在视觉伪影、抖动或不自然的切换？

• 场景控件

  • 我如何控制场景构图、主体行为或相机角度？
  • 是否可以控制场景转换或背景环境？

• 长度和计时

  • 不同的提示结构如何影响视频长度和节奏？
  • 视频感觉太快、太慢还是太短？

• 多模式输入集成

  • 提供引用图像、姿势数据或音频输入时会发生什么情况？
  • 是否可以生成与给定画外音口型同步的视频？

• 处理后需求

  • 在需要编辑工具之前，我可以期望哪种级别的原始保真度？
  • 在投入生产使用视频之前，是否需要对其进行升级、稳定或润色？

• 延迟和性能

  • 为不同的提示类型或分辨率生成视频需要多长时间？
  • 生成 5 秒与生成 15 秒剪辑的成本效益权衡是什么？

图像操场

图像操场非常适合那些构建图像生成流程的开发人员。 此实验平台是一个功能齐全的受控环境，旨在开展高保真试验，并专为特定模型的 API 生成和编辑图像而设计。

小窍门

请参阅 gpt-image-1 图像操场 60 秒短视频和我们的 DevBlog，以了解如何转换企业就绪用例（按行业）

可以将图像操场用于以下模型：

• 来自 Azure OpenAI 的 gpt-image-1。
• 来自 Stability AI 的 Stable Diffusion 3.5 Large、Stable Image Core、Stable Image Ultra。
• 来自 Bria AI 的 Bria 2.3 Fast。

按照以下步骤使用图像操场：

1. 选择 “试用图像游乐场” 以打开它。
2. 如果还没有部署，请选择“ 创建新部署 ”并部署模型，例如 gpt-image-1。
3. 从预生成的文本提示开始：选择一个选项以开始使用自动填充提示栏的预生成文本提示。
4. 在模型部署后浏览模型 API 特定的生成控件： 调整关键控件（例如变体数、质量、强度），以深刻理解特定的模型响应能力和约束。
5. 网格视图中的并排观察：以直观方式观察提示调整或参数更改前后的输出。
6. 使用 API 工具进行转换：使用文本转换进行图像修复可用于 gpt-image-1。 使用图像修复选择来更改原始图像的各个部分。 使用文本提示指定更改。
7. 使用多语言代码示例移植到生产： 通过“查看代码”使用 Python、Java、JavaScript、C# 代码示例。 图像沙盒是您在 VS Code 中进行开发工作的起点。

在图像操场中进行试验时要验证的内容

通过使用图像沙盒，可以在计划生产工作负荷时浏览并验证以下内容：

• 提示有效性

  • 此提示为企业用例生成哪种类型的视觉输出？
  • 我的语言可以有多具体或抽象，从而取得好的结果？
  • 模型是否准确理解“超现实主义”或“网络朋克”等样式引用？

• 风格一致性

  • 如何在多个图像中维护相同的字符、样式或主题？
  • 是否可以使用最小偏移循环访问同一基本提示的变体？

• 参数优化

  • 更改模型参数（例如指导因子、种子、步数等）会带来什么影响？
  • 如何平衡创造力与提示保真度？

• 模型比较

  • 结果在模型之间有何差异（例如，SDXL 与 DALL？E)?
  • 哪个模型在处理现实人脸与艺术创作时表现更好？

• 合成控件

  • 如果使用空间约束（如边界框或修补蒙版），将会发生什么情况？
  • 能否引导模型走向特定布局或焦点？

• 输入变体

  • 提示措辞或结构中的细微变化如何影响结果？
  • 提示对称性、特定相机角度或情感的最佳方法是什么？

• 集成就绪情况

  • 此图像是否满足产品 UI 的约束（纵横比、分辨率、内容安全）？
  • 输出是否符合品牌准则或客户期望？

相关内容

• 在 Azure AI Foundry 门户中使用聊天操场
• 快速入门：创建新代理（预览版）