你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
什么是 Azure AI 语言？
Azure AI 语言是基于云的服务，它提供自然语言处理 (NLP) 功能，可用于理解和分析文本。 使用此服务可帮助使用基于 Web 的 Language Studio、REST API 和客户端库生成智能应用程序。
可用功能
此语言服务统一了以前提供的以下 Azure AI 服务：文本分析、QnA Maker 和 LUIS。 如果你需要从这些服务进行迁移，请参阅下面的迁移部分。
此语言服务还提供了几个新功能，这些功能可能包括：
- 预配置的，这意味着该功能使用的 AI 模型不可自定义。 你只需要发送数据，并在应用程序中使用该功能的输出即可。
- 可自定义的，这意味着你将使用我们的工具训练一个 AI 模型，使其特别适合你的数据。
提示
不确定要使用哪种功能？ 请参阅我应使用哪种语言服务功能？以帮助做出决定。
可以使用 Language Studio 来使用以下服务功能，而无需编写代码。
命名实体识别 (NER)
个人身份 (PII) 和健康 (PHI) 信息检测
语言检测
语言检测是一项预配置的功能，可以检测文档是用哪种语言编写的，并返回各种语言、变体、方言和一些区域/文化语言的语言代码。
情绪分析和观点挖掘
情绪分析和观点挖掘是一项预配置的功能，可帮助你通过挖掘文本中有关积极情绪或消极情绪的线索，来了解用户对品牌或主题的看法，并可以将它们与文本的特定方面相关联。
汇总
汇总是一项预配置的功能，它使用提取文本汇总来生成文档和对话听录的汇总。 它会提取共同表示原始内容中最重要或相关信息的句子。
关键短语提取
关键短语提取是预配置的功能，用于评估和返回非结构化文本中的主要概念，并将它们作为列表返回。
实体链接
实体链接是一项预配置的功能，用于在识别非结构化文本中发现的实体（字词或短语）时消除歧义，并返回维基百科链接。
运行状况文本分析
健康状况文本分析是一项预配置的功能，它从非结构化文本（如医生的备注、出院摘要、临床文档和电子健康状况记录）中提取和标记相关医疗信息。
自定义文本分类
自定义文本分类，可用来构建自定义 AI 模型，以将非结构化文本文档归类为你定义的各种自定义类。
自定义命名实体识别（自定义 NER）
自定义 NER，可用来使用你提供的非结构化文本构建自定义 AI 模型，以提取自定义实体类别（字词或短语的标签）。
对话语言理解
使用对话语言理解 (CLU)，你可以生成自定义自然语言理解模型，以预测传入语句的总体意图并从中提取重要信息。
业务流程工作流
业务流程工作流是一项自定义功能，可用于连接对话语言理解 (CLU)、问答和 LUIS 应用程序。
问答
问答是一项自定义功能，可查找用户输入的最合适答案，通常用于生成对话客户端应用程序，例如社交媒体应用程序、聊天机器人和支持语音的桌面应用程序。
健康状况自定义文本分析
健康状况自定义文本分析是一项自定义功能，它使用你创建的模型从非结构化文本中提取特定于医疗保健的实体。
我应使用哪种语言服务功能？
本部分将帮助你确定应将哪种语言服务功能用于你的应用程序：
| 你希望做什么？ | 文档格式 | 最佳解决方案 | 此解决方案是否可自定义？* |
|---|---|---|---|
| 检测和/或编修敏感信息，例如 PII 和 PHI。 | 非结构化的数据， 转录的对话 |
PII 检测 | |
| 在不创建自定义模型的情况下提取信息类别。 | 非结构化文本 | 预配置的 NER 功能 | |
| 使用特定于数据的模型提取信息类别。 | 非结构化文本 | 自定义 NER | ✓ |
| 提取主要主题和重要短语。 | 非结构化文本 | 关键短语提取 | |
| 确定文本中表达的情绪和观点。 | 非结构化文本 | 情绪分析和观点挖掘 | ✓ |
| 汇总较长的文本或对话块。 | 非结构化的数据， 转录的对话。 |
汇总 | |
| 消除实体歧义并获取指向维基百科的链接。 | 非结构化文本 | 实体链接 | |
| 将文档划分为一个或多个类别。 | 非结构化文本 | 自定义文本分类 | ✓ |
| 从临床/医疗文档中提取医疗信息，无需构建实体。 | 非结构化文本 | 运行状况文本分析 | |
| 使用基于数据进行训练的模型从临床/医疗文档中提取医疗信息。 | 非结构化文本 | 健康状况自定义文本分析 | |
| 生成响应用户输入的对话应用程序。 | 非结构化用户输入 | 问答 | ✓ |
| 检测编写文本时使用的语言。 | 非结构化文本 | 语言检测 | |
| 预测用户输入的意图并从中提取信息。 | 非结构化用户输入 | 对话语言理解 | ✓ |
| 通过对话语言理解、LUIS 和问题解答连接应用。 | 非结构化用户输入 | 业务流程工作流 | ✓ |
* 如果某种功能是可自定义的，你可以使用我们的工具来训练 AI 模型，以专门适应你的数据。 否则，功能是预先配置的，这意味着它使用的 AI 模型无法更改。 你只需要发送数据，并在应用程序中使用该功能的输出即可。
从文本分析、QnA Maker 或语言理解 (LUIS) 迁移
Azure 语言认知服务统一了 Azure AI 服务中的三项单独语言服务：文本分析、QnA Maker 和语言理解 (LUIS)。 如果一直在使用这三个服务，则可以轻松地迁移到新的 Azure AI 语言。 有关说明，请参阅迁移到Azure AI 语言。
教程
在你有机会开始使用语言服务后，请尝试一下我们的教程，了解如何处理各种情况。
- 从存储在 Power BI 中的文本中提取关键短语
- 使用 Power Automate 对 Microsoft Excel 中的信息进行排序
- 使用 Flask 翻译文本、分析情绪以及合成语音
- 在画布应用中使用 Azure AI 服务
- 创建常见问题解答机器人
其他代码示例
可以在 GitHub 上找到以下语言的更多代码示例：
使用 Docker 容器进行本地部署
使用语言服务容器在本地部署 API 功能。 借助这些 Docker 容器，你能够将服务进一步引入数据，以满足合规性、安全性或其他操作性目的。 语言服务提供以下容器：
负责任的 AI
AI 系统不仅包括技术，还包括使用它的人员、受其影响的人员以及部署它的环境。 阅读以下文章，了解负责任的 AI 在系统中使用和部署：