微软最近为其认知语音服务推出了新功能，通过发音评估、新的语音转文本 （STT） 语言以及预构建和自定义神经语音增强功能来加速语言学习。
Microsoft Azure 认知语音服务是技术和服务的综合集合，例如语音转文本、文本转语音、自定义神经语音 （CNV） 对话听录服务、说话人识别、语音翻译、语音 SDK 和语音设备开发工具包 （DDK），可加速语音合并到应用程序中。
发音评估是 Azure 认知服务组合中语音服务的一项功能，以 10+ 种语言和差异公开提供，包括美式英语、英式英语、澳大利亚英语、法语、西班牙语和中文，其他语言以预览版提供。它利用 Azure 神经文本到语音转换和转换器模型、顺序回归和分层结构来提高单词级别评估的准确性，从而为各种背景的语言学习者提供提高技能的能力。
此外，Azure 语音转文本支持多语言学习方案的实时语言识别，并通过更好的理解和可读上下文帮助人与人交互。该服务的新语音转文本 （STT） 语言基于大量数据，利用最新的多语言建模技术和提供输出的迁移学习技术，其中包括反向文本规范化 （ITN）、大写（如果适用）和自动标点符号，以提高可读性。
最后，Microsoft Azure AI 为 AI 教师提供了一系列预构建的神经语音、内容朗读功能等。自定义神经语音 （CNV） 还使用户能够使用人类语音样本作为训练数据，为其应用程序创建独特的自定义合成语音。CNV 基于神经文本转语音技术，非常适合代表品牌和拟人化机器进行对话交互。教育公司正在使用这项技术来个性化语言学习，例如Duolingo和Pearson。
