Språk- och röststöd för taltjänsten

Tabellen i det här avsnittet sammanfattar de nationella inställningar som stöds för tal till text. Mer information finns i tabellens fotnoter.

Fler kommentarer för tal till textspråk ingår i avsnittet anpassat tal i den här artikeln.

¹ Modellen är tvåspråkig och stöder även engelska.

Anpassat tal

För att förbättra noggrannheten för tal till textigenkänning är anpassning tillgänglig för vissa språk och basmodeller. Beroende på nationella inställningar kan du ladda upp ljud - och mänskligt märkta transkriptioner, oformaterad text, strukturerad text och uttalsdata. Som standard stöds anpassning av oformaterad text för alla tillgängliga basmodeller. Mer information om anpassning finns i anpassat tal.

Det här är de nationella inställningar som stöder funktionen för visningstextformat: da-DK, de-DE, en-AU, en-CA, en-GB, en-HK, en-IE, en-IN, en-NG, en-NZ, en-PH, en-SG, en-US, es-ES, es-MX, fi-FI, fr-CA, fr-FR, hi-IN, it-IT, ja-JP, ko-KR, nb-NO, nl-NL, pl-PL, pt-BR, pt-PT, sv-SE, tr-TR, zh-CN, zh-HK.

Tabellen i det här avsnittet sammanfattar de nationella inställningar och röster som stöds för text till tal. Mer information finns i tabellens fotnoter.

Fler kommentarer för text till tal-språk ingår i röstformat och roller, fördefinierade neurala röster, anpassad neural röst och personliga röstavsnitt i den här artikeln.

¹ Den neurala rösten är tillgänglig i offentlig förhandsversion. Röster och formatmallar i den offentliga förhandsversionen är endast tillgängliga i dessa tjänstregioner: USA, östra, Sydostasien och Europa, västra.

² Neural röst är tillgänglig i offentlig förhandsversion i dessa tjänstregioner: Indien, centrala, Asien, östra, USA, sydöstra Asien och USA, västra.

³ Phonemes, anpassat lexikon och visemes stöds inte. Mer information om visemes som stöds finns i nationella inställningar för viseme.

⁴ Neural röst är en flerspråkig röst i Azure AI Speech. Turbo-versionen av Azure OpenAI-röster har liknande röstpersona som Azure OpenAI-röster, men har stöd för extra funktioner. Turbo-röster stöder hela uppsättningen SSML-element och fler funktioner som ordgräns, precis som andra Azure AI Speech-röster.

⁵ OpenAI-texten till talröster i Azure AI Speech är i offentlig förhandsversion och är endast tillgänglig i USA, norra centrala (northcentralus) och Sweden Central (swedencentral). Nationella inställningar som inte anges för OpenAI-röster stöds inte. Information om ytterligare skillnader mellan OpenAI-text till talröster och Azure AI Speech-text till talröster finns i OpenAI-text till talröster.

Flerspråkiga röster

Flerspråkiga röster kan stödja fler språk. Den här expansionen förbättrar din förmåga att uttrycka innehåll på olika språk, att övervinna språkbarriärer och främja en mer inkluderande global kommunikationsmiljö.

Använd den här tabellen för att förstå alla språk som stöds för varje flerspråkig neural röst. Om rösten inte talar indatatextens språk matar taltjänsten inte ut syntetiserat ljud. Tabellen sorteras efter antalet språk som stöds i fallande ordning. Det primära språket för varje röst anges med prefixet i dess namn, till exempel rösten en-US-AndrewMultilingualNeural, dess primära språk är en-US.

¹ Den neurala rösten är tillgänglig i offentlig förhandsversion. Röster och formatmallar i den offentliga förhandsversionen är endast tillgängliga i dessa tjänstregioner: USA, östra, Europa, västra och Asien, sydöstra.

² Neural röst är en flerspråkig röst i Azure AI Speech. Turbo-versionen av Azure OpenAI-röster har liknande röstpersona som Azure OpenAI-röster, men har stöd för extra funktioner. Turbo-röster stöder hela uppsättningen SSML-element och fler funktioner som ordgräns, precis som andra Azure AI Speech-röster. Alla flerspråkiga röster kan tala på det automatiskt identifierade språket för indatatexten i standardspråket utan att använda SSML. Du kan dock fortfarande använda elementet <lang xml:lang> för att justera talande accent för varje språk för att ange önskad accent, till exempel brittisk accent (en-GB) för engelska.

³ OpenAI-texten till talröster i Azure AI Speech är i offentlig förhandsversion och är endast tillgänglig i USA, norra centrala (northcentralus) och Sweden Central (swedencentral). Nationella inställningar som inte anges för OpenAI-röster stöds inte. Information om ytterligare skillnader mellan OpenAI-text till talröster och Azure AI Speech-text till talröster finns i OpenAI-text till talröster.

Röstformat och roller

I vissa fall kan du justera talarstilen för att uttrycka olika känslor som glädje, empati och lugn. Alla fördefinierade röster med talstilar och anpassade röster i flera format stöder stiljustering. Du kan optimera rösten för olika scenarier som kundtjänst, nyhetssändning och röstassistent. Med roller kan samma röst fungera som en annan ålder och kön.

Information om hur du kan konfigurera och justera neurala röstformat och roller finns i Talsyntesmarkeringsspråk.

Använd följande tabell för att fastställa format och roller som stöds för varje neural röst.

¹ Den neurala rösten är tillgänglig i offentlig förhandsversion. Röster och formatmallar i den offentliga förhandsversionen är endast tillgängliga i tre tjänstregioner: USA, östra, Europa, västra och Asien, sydöstra.

² Stilen advertisement-upbeat för den här rösten är i förhandsversion och är endast tillgänglig i tre tjänstregioner: USA, östra, Europa, västra och Sydostasien.

³ Stilen sports-commentary för den här rösten är i förhandsversion och är endast tillgänglig i tre tjänstregioner: USA, östra, Europa, västra och Sydostasien.

⁴ Stilen sports-commentary-excited för den här rösten är i förhandsversion och är endast tillgänglig i tre tjänstregioner: USA, östra, Europa, västra och Sydostasien.

Viseme

I den här tabellen visas alla nationella inställningar som stöds för Viseme. Mer information om Viseme finns i Hämta ansiktsposition med viseme - och Viseme-elementet.

Fördefinierade neurala röster

Varje fördefinierad neural röst stöder ett specifikt språk och en specifik dialekt som identifieras med nationella inställningar. Du kan prova demonstrationen och höra rösterna i röstgalleriet.

Varje fördefinierad neural röstmodell är tillgänglig på 24kHz och high-fidelity 48kHz. Andra exempelfrekvenser kan erhållas genom uppsampling eller nedsampling vid syntetiserande.

Observera att följande neurala röster dras tillbaka.

• Den engelska rösten en-GB-MiaNeural (Storbritannien) går i pension den 30 oktober 2021. Alla tjänstbegäranden till en-GB-MiaNeural omdirigeras till en-GB-SoniaNeural automatiskt från och med den 30 oktober 2021. Om du använder containrar för text till tal laddar du ned och distribuerar den senaste versionen. Alla begäranden med tidigare versioner lyckas inte från och med den 30 oktober 2021.
• Rösten en-US-JessaNeural dras tillbaka och ersätts av en-US-AriaNeural. Om du använde "Jessa" tidigare konverterar du till "Aria".
• Den kinesiska rösten zh-CN-XiaoxuanNeural (Mandarin, Simplified) går i pension den 29 februari 2024. Alla tjänstbegäranden till zh-CN-XiaoxuanNeural omdirigeras till zh-CN-XiaoyiNeural automatiskt från och med den 29 februari 2024. Om du använder containrar för text till tal laddar du ned och distribuerar den senaste versionen. Alla begäranden med tidigare versioner lyckas inte från och med den 29 februari 2024.

Anpassad neural röst

Med anpassad neural röst kan du skapa syntetiska röster som är rika på talstilar. Du kan skapa en unik varumärkesröst på flera språk och format med hjälp av en liten uppsättning inspelningsdata. Anpassade neurala röster i flera format stöder stiljustering. Det finns två anpassade cnv-projekttyper (neural röst): CNV Pro och CNV Lite (förhandsversion).

Välj rätt språk som matchar dina träningsdata för att träna en anpassad neural röstmodell. Om inspelningsdata till exempel talas på engelska med brittisk accent väljer du en-GB.

Med den flerspråkiga funktionen kan du överföra din anpassade neurala röstmodell för att tala ett andra språk. Med data kan du till exempel zh-CN skapa en röst som talar en-AU eller något av språken med stöd för flera språk. För den flerspråkiga funktionen kategoriserar vi nationella inställningar i två nivåer: den ena innehåller källspråk som stöder den korsspråkiga funktionen, och den andra nivån består av nationella inställningar som är avsedda som målspråk för korslinguell överföring. I följande tabell särskiljer du nationella inställningar som fungerar som både korslinguella källor och mål och nationella inställningar som endast är berättigade som målspråk för överföring mellan språk.

Personlig röst

Personlig röst är en funktion som låter dig skapa en röst som låter som du eller dina användare. I följande tabell sammanfattas de nationella inställningar som stöds för personlig röst.

Tabellen i det här avsnittet sammanfattar de 33 språk som stöds för uttalsutvärdering och varje språk är tillgängligt i alla tal till textregioner. Den senaste uppdateringen utökar stödet från engelska till ytterligare 32 språk och kvalitetsförbättringar till befintliga funktioner, inklusive noggrannhet, flyt och felbedömning. Du bör ange det språk som du lär dig eller övar på att förbättra uttalet. Standardspråket anges som en-US. Om du känner till målinlärningsspråket anger du nationella inställningar i enlighet med detta. Om du till exempel lär dig brittisk engelska bör du ange språket som en-GB. Om du undervisar i ett bredare språk, till exempel spanska, och är osäker på vilket språk du ska välja, kan du köra olika accentmodeller (es-ES, es-MX) för att fastställa den som uppnår den högsta poängen som passar ditt specifika scenario. Om du är intresserad av språk som inte finns med i följande tabell fyller du i det här intagsformuläret för ytterligare hjälp.

Översätt tal i realtid

Tabellen i det här avsnittet sammanfattar de nationella inställningar som stöds för talöversättning. Talöversättning stöder olika språk för tal till tal och tal till textöversättning. Vilka målspråk som är tillgängliga beror på om översättningsmålet är tal eller text.

Översätta från språk

Om du vill ange språket för taligenkänning för indata anger du det fullständiga språket med en bindestrecksavgränsare (-). Se tabellen tal till textspråk. Alla språk stöds förutom jv-ID och wuu-CN. Standardspråket är en-US om du inte anger något språk.

Översätta till textspråk

Om du vill ange översättningsmålspråket, med få undantag, anger du bara språkkoden som föregår språkstrecksavgränsaren (-). Använd till exempel es för spanska (Spanien) i stället es-ESför . Se målspråktabellen för talöversättning nedan. Standardspråket är en om du inte anger något språk.

Videoöversättning

I följande tabell visas den fasta mappningsrelationen mellan käll- och målspråk, tillsammans med de fullständiga nationella inställningar som är associerade med varje språk.

Tabellen i det här avsnittet sammanfattar de nationella inställningar som stöds för språkidentifiering.

Tabellen i det här avsnittet sammanfattar de nationella inställningar som stöds för talarigenkänning. Talarigenkänning är mestadels språkagnostisk. Den universella modellen för textoberoende talarigenkänning kombinerar olika datakällor från flera språk. Vi finjusterade och utvärderade modellen på dessa språk och nationella inställningar. Mer information om talarigenkänning finns i översikten.

Tabellen i det här avsnittet sammanfattar de nationella inställningar som stöds för anpassad nyckelords- och nyckelordsverifiering.

Tabellen i det här avsnittet sammanfattar de nationella inställningar som stöds för Intent Recognizer Pattern Matcher.