月明的文档中心 分享AI实践与思考
入门
上手
教程
基础
概念解释
Microsoft Foundry
开发工具
操作指南
参考
治理与网络
工具与知识
概念解释
操作指南
Agent Service
总览
概念解释
Azure OpenAI
API 与开发
总览
Azure AI Search
权限与安全
参考
检索概念
概念解释
快速上手
教程
Foundry Tools
其他与已退役
总览
概念解释
RAG 与知识工程
智能体与工具
MCP 与 Skills
操作指南
基础
评测、观测与安全
安全
评测
概念解释
参考
企业架构与成本
解决方案场景
样例与学习资源
附录
语音服务概览
Azure Speech 通过 Microsoft Foundry 资源提供语音转文本、文本转语音和语音翻译，并支持实时语音对话。应用可以用它做字幕、客服转写、语音合成和发音评估等。
为什么需要
- 需要把会议、电话或视频中的语音转成文字，并支持实时结果。
- 需要生成自然的语音播报、有声内容或数字人视频。
- 需要把一种语言的口语实时译成另一种语言。
- 需要做语言学习中的发音反馈。
核心能力
能力 | 说明 | 选项（官方列出，状态待核实） |
语音转文本 | 把音频转成文字 | 实时转写（流式）、快速转写（预先录制的文件）、批量转写（异步处理大量音频） |
文本转语音 | 把文本合成为自然语音，可用 SSML 调整音调、语速、音量等 | 标准语音、MAI-Voice、自定义语音 |
文字转语音头像 | 把文本合成为数字人视频，可异步或实时生成 | 标准语音头像 |
语音翻译 | 实时语音到语音或语音到文本的翻译 | 适用于应用与设备 |
语言识别 | 识别音频中说的是哪种语言 | 可单独使用，或与转写、翻译组合 |
发音评估 | 评估发音的准确度与流利度 | 用于语言学习反馈 |
Voice Live | 人与智能体之间的实时语音交互 | 面向对话式界面 |
官方还提到基于大语言模型的 Azure LLM Speech，通过快速转写的增强模式提供，以及 MAI-Transcribe 系列。它们的可用范围与预览状态待核实。
常见场景
场景 | 说明 |
字幕 | 同步字幕，支持过滤与多语言识别 |
音频内容创作 | 用神经语音做语音助手、有声书、车载导航 |
呼叫中心 | 实时或批量转写，并可脱敏、做情绪分析 |
语言学习 | 发音评估、实时转写、朗读教材 |
语音翻译 | 实时语音翻译或生成译制视频 |
使用方式
方式 | 说明 |
Speech Studio | 图形界面，无代码创建项目，再把资产用于应用 |
Speech SDK | 多种语言与平台，覆盖大部分功能 |
Speech CLI | 命令行工具，无需写代码即可调用多数功能 |
REST API | SDK 不适用时使用，例如批量转写 |
部署位置
位置 | 说明 |
云端 | 默认部署方式 |
容器 | 可部署在本地或边缘，便于满足合规与数据靠近需求 |
主权云 | 官方提到 Azure Government 与 Azure operated by 21Vianet 等环境，适用范围待核实 |
限制与待核实
- 支持的语言、区域与价格以语言支持页、区域页和定价页为准，待核实（2026-11-05 获取）。
- 自定义语音与自定义语音模型为私有资源，可用条件与审核要求待核实。
- LLM Speech、MAI 系列和 Voice Live 等较新能力的状态（GA 或预览）待核实。
- 负责任 AI 相关的透明度说明与使用限制分布在多个子页面，本页未逐一核对。
来源与核对
- 来源：What Is Azure Speech? 页面，https://learn.microsoft.com/en-us/azure/ai-services/speech-service/overview
- 核对范围：正文已读，覆盖场景、能力、交付与部署、集成方式和负责任 AI 章节列表。
- 各子能力的详细参数、语言与价格未在本页核对，已标注待核实。
上一篇
语音服务快速开始
下一篇
语言服务快速开始
Loading...