如何自訂 Voice Live 的輸入與輸出

Voice Live 提供多種選項，透過自訂模型優化效能與品質。目前提供以下自訂選項：

語音輸入自訂：
- 短語清單：基於工作階段設定中提供的單字或片語清單進行輕量級即時自訂，以提升辨識品質。欲了解更多，請參閱「透過短語清單提升識別準確度」。
- 客製化語音：透過客製化語音，您可以評估並提升應用程式與產品的語音辨識準確度，並根據企業需求微調辨識品質。請參閱什麼是客製化語音？以了解更多。
語音輸出自訂：
- 自訂詞彙：自訂詞彙表讓您輕鬆自訂標準 Azure 文字轉語音和自訂語音的發音，以提升語音合成的準確度。欲了解更多，請參閱自訂詞彙表的文字轉語音。
- 自訂語音：客製化語音有兩種類型。專業客製化聲音能讓你打造出高度自然的品牌或角色聲音，透過提供人類語音樣本作為微調數據。個人版語音可讓使用者透過簡短語音樣本，取得其自身聲音的 AI 生成複寫。請參閱什麼是自訂聲音？以及什麼是個人聲音？以了解更多資訊。
- 自訂化身：自訂文字轉語音化身讓你能為你的應用程式創造一個客製化、獨一無二的合成語音化身。自訂文字轉語音虛擬化身，您可以提供所選演員的影片錄製資料，打造一個獨特且自然外觀的虛擬化身，用於您的產品或品牌。請參閱什麼是自訂文字轉語音頭像？以了解更多。

語音輸入自訂

短語列表

使用詞彙清單，方便即時自訂音訊輸入。要設定詞組清單，可以在 session.update 訊息中設定phrase_list。

{
    "session": {
        "input_audio_transcription": {
            "model": "azure-speech",
            "phrase_list": ["Neo QLED TV", "TUF Gaming", "AutoQuote Explorer"]
        }
    }
}

註

片語清單目前不支援 whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe 和 gpt-4o-transcribe-diarize。想了解更多關於短語清單的資訊，請參閱語音轉文字的短語清單。

自訂語音配置

你可以用custom_speech欄位來指定自訂語音模型。此欄位定義為字典，每個鍵代表一個區域代碼，每個值對應自訂語音模型的。Model ID 欲了解更多自訂語音資訊，請參閱「什麼是自訂語音？」。

Voice Live 支援使用基礎模型與自訂模型的組合，只要每種類型在特定地點都是獨一無二的，且最多指定 10 種語言即可。

範例會話配置與自訂語音模型。在此範例中，當偵測到的語言是英語時，會使用基礎模型;當偵測到的語言是中文時，則使用自訂語音模型。

{
  "session": {
    "input_audio_transcription": {
      "model": "azure-speech",
      "language": "en",
      "custom_speech": {
        "zh-CN": "847cb03d-7f22-4b11-444-e1be1d77bf17"
      }
    }
  }
}

註

若要在 Voice Live API 中使用自訂語音模型，該模型必須在你用來呼叫 Voice Live API 的同一 Microsoft Foundry 資源中提供。如果你在不同的 Microsoft Foundry 或 Azure Speech 資源下使用 Foundry Tools 訓練了模型，那麼你必須將該模型複製到你用來呼叫 Voice Live API 的資源中。自訂語音訓練和模型託管則需另外付費。自訂語音僅支援 azure-speech 模型。

語音輸出自訂

自訂詞彙表

使用 custom_lexicon_url 字串屬性來自訂標準Azure文字轉語音和自訂語音的發音。欲了解更多如何格式化自訂詞彙表（與語音合成標記語言（SSML）同），請參閱文字轉語音的自訂詞彙表。

{
  "voice": {
    "name": "en-US-Ava:DragonHDLatestNeural",
    "type": "azure-standard",
    "temperature": 0.8, // optional
    "custom_lexicon_url": "<custom lexicon url>"
  }
}

Azure 自訂語音

你可以用自訂語音來輸出音訊。客製化語音有兩種類型：專業客製化語音，透過品牌或角色的錄音室錄音訓練，以及個人語音，透過短語音樣本複製使用者的聲音。

重要

自訂語音存取權限會根據資格與使用標準受到限制。請在入職表格申請存取權限。

註

若要使用自訂語音模型搭配 Voice Live API，該模型必須在你用來呼叫 Voice Live API 的 Microsoft Foundry 資源中提供。如果你是在其他 Microsoft Foundry 或 Azure Speech 資源上訓練模型，你必須將模型複製到你使用的資源中，才能呼叫 Voice Live API。你要分開支付客製化語音訓練和模型託管費用。欲了解更多支援區域資訊，請參閱語音服務支援區域。

專業訂製聲音

專業客製化語音能讓你為應用打造獨一無二、客製化的合成語音，提供人類語音樣本作為微調資料。關於如何建立自訂語音的資訊，請參閱「什麼是自訂語音」。

{
  "voice": {
    "type": "azure-custom",
    "name": "en-US-CustomNeural",
    "endpoint_id": "your-endpoint-id", // a guid string
    "temperature": 0.8 // optional, value range 0.0-1.0, only take effect when using HD voices
  }
}

個人聲音

個人版語音可讓使用者透過簡短語音樣本，取得其自身聲音的 AI 生成複寫。關於如何創造個人聲音的資訊，請參閱「什麼是個人聲音」。

{
  "voice": {
    "type": "azure-personal",
    "model": "DragonLatestNeural",  // required, specify the base model for personal voice
    "name": "your-personal-voice-name", // the name of the personal voice
    "temperature": 0.8  // optional, value range 0.0-1.0
  }
}

該 model 屬性指定了基礎型號的語音名稱。支援的基本型號名稱包括 DragonLatestNeural、以及 DragonHDOmniLatestNeuralMAI-Voice-1。欲了解更多基礎模型差異，請參閱「在申請中使用個人語音」。完整架構請參見 RealtimeAzurePersonalVoice。

Azure 自訂虛擬形象

文字轉語音化身將文字轉換成包含寫真人類形象的數位影片（無論是標準化身還是自訂文字轉語音化身），以自然的語音進行說話。

自訂頭像的配置與標準頭像的配置並無差異。詳細範例請參考如何使用 Voice Live API - Azure文字轉語音化身 avatar。

重要

自訂文字轉語音虛擬化身的存取受限於資格與使用標準。請在入職表格申請存取權限。

註

若要使用自訂語音模型搭配 Voice Live API，該模型必須在你用來呼叫 Voice Live API 的 Microsoft Foundry 資源中提供。如果你是在其他 Microsoft Foundry 或 Azure Speech 資源上訓練模型，你必須將模型複製到你使用的資源中，才能呼叫 Voice Live API。自訂頭像訓練和模型主機費用是另外付費的。欲了解更多支援區域資訊，請參閱語音服務支援區域。

自訂虛擬化身的語音同步

如果你已訓練自訂影片頭像，並同時搭配頭像語音同步，即可將該語音用作合成語音。設定 voice.type to avatar-voice-sync 和 voice.model 為基礎模型來同步語音。支援的基礎型號名稱包括 DragonLatestNeural、 DragonHDOmniLatestNeural、 MAI-Voice-1和。欲了解更多基礎模型差異，請參閱「在申請中使用個人語音」。想了解更多關於透過語音同步訓練的自訂化身，請參考「什麼是自訂文字轉語音化身？」。

{
  "voice": {
    "type": "avatar-voice-sync",
    "model": "DragonHDOmniLatestNeural",
    "temperature": 0.8  // optional, value range 0.0-1.0
  }
}

使用時 avatar-voice-sync ，聲音會綁定到自訂頭像; name 這個屬性並非必需。請使用avatar參數分別設定自訂頭像，如Azure文字轉語音avatar所示。

試試 Voice Live API 快速入門功能
了解更多如何使用 Voice Live API

意見反應

此頁面對您有幫助嗎？

Last updated on 2026-07-01