导读 Azure AI Speech 服务允许开发人员构建支持语音、多语言、生成式 AI 应用，并支持自然声音。Azure AI Speech 服务中新的文本转语音...
Azure AI Speech 服务允许开发人员构建支持语音、多语言、生成式 AI 应用，并支持自然声音。Azure AI Speech 服务中新的“文本转语音头像”功能可以将简单的文本转换为具有自然声音的逼真人类说话视频。开发人员可以使用此服务中提供的任何预建头像，也可以创建自己的自定义头像。
今天，微软宣布全面推出 Text to Speech Avatar。这项新功能使开发人员能够为用户创建个性化且引人入胜的内容。该服务的输出视频分辨率为 1920 x 1080，每秒 25 帧 (FPS)。
Azure Speech 文本转语音头像具有以下功能：
将文本转换为逼真的人声数字视频，并通过 Azure AI 文本转语音技术发出自然声音。
提供一组预建的头像。
头像的声音由 Azure AI 文本转语音生成。
使用批量合成 API 异步或实时地将文本合成为语音头像视频。
在 Speech Studio 中提供内容创建工具，无需编码即可创建视频内容。
通过语音工作室中的实时聊天头像工具实现实时头像对话。
文本转语音头像服务的定价有点复杂。正如预期的那样，费用将基于视频输出的长度，并按秒计费。此外，文本转语音、语音转文本、Azure OpenAI 或作为文本转语音头像服务解决方案一部分使用的其他 Azure 服务将单独收费。此外，此服务现已在以下 Azure 区域推出：东南亚、北欧、西欧、瑞典中部、美国中南部和美国西部 2。