Azure에서 음성 시작
Microsoft Azure는 다음을 포함한 다양한 기능을 지원하는 Azure AI 음성 서비스를 통해 음성 인식 및 합성 기능을 제공합니다.
- 음성 텍스트 변환
- 텍스트 음성 변환
참고 항목
이 모듈에서는 음성을 텍스트로 변환하고 텍스트를 음성으로 변환하는 기능을 다룹니다. 별도의 모듈에서는 Azure AI 서비스의 음성 번역을 다룹니다.
음성 텍스트 변환
Azure AI 음성 텍스트 변환 API를 사용하여 오디오의 대화 내용을 텍스트 형식으로 실시간 또는 일괄 기록할 수 있습니다. 전사용 오디오 소스는 마이크 또는 오디오 파일에서 나오는 실시간 오디오 스트림일 수 있습니다.
음성 텍스트 변환 API에서 사용하는 모델은 Microsoft에서 학습한 범용 언어 모델을 기반으로 합니다. 모델에 사용하는 데이터는 Microsoft 소유이며 Microsoft Azure에 배포됩니다. 이 모델은 대화 및 받아쓰기라는 두 가지 시나리오에 최적화되어 있습니다. Microsoft에서 미리 빌드된 모델이 필요한 항목을 제공하지 않는 경우 음향, 언어 및 발음을 포함한 사용자 지정 모델을 만들고 학습할 수도 있습니다.
실시간 대화 내용 기록: 실시간 음성 텍스트 변환를 이용하여 오디오 스트림에서 텍스트를 전사할 수 있습니다. 프레젠테이션, 데모 또는 사람이 말하는 다른 모든 시나리오에 실시간 전사를 사용할 수 있습니다.
실시간 대화 내용 기록이 작동하려면 마이크에서 수신 오디오 또는 오디오 파일과 같은 다른 오디오 입력 원본을 애플리케이션에서 수신 대기할 수 있어야 합니다. 애플리케이션 코드는 오디오를 서비스로 스트리밍하여 전사된 텍스트를 반환합니다.
일괄 대화 내용 기록: 모든 음성 텍스트 변환 시나리오가 실시간인 것은 아닙니다. 파일 공유, 원격 서버 또는 Azure Storage에 오디오 녹음이 저장되어 있을 수 있습니다. SAS(공유 액세스 서명) URI가 있는 오디오 파일을 가리키고 비동기적으로 전사 결과를 받을 수 있습니다.
일괄 작업이 ‘최선의 노력 기준’으로 예약되므로 전사 일괄 처리는 비동기 방식으로 실행해야 합니다. 일반적으로 작업은 요청 후 몇 분 이내에 실행을 시작하지만 작업이 실행 상태로 전환되는 시점에 대한 예상은 없습니다.
텍스트 음성 변환
텍스트 음성 변환 API를 사용하면 텍스트 입력을 가청 음성으로 변환할 수 있으며, 이를 컴퓨터 스피커를 통해 직접 재생하거나 오디오 파일에 쓸 수 있습니다.
음성 합성 목소리: 텍스트 음성 변환 API를 사용하는 경우 텍스트를 발음하는 데 사용할 음성을 지정할 수 있습니다. 이 기능을 통해 유연하게 음성 합성 솔루션을 개인화하고 개성을 부여할 수 있습니다.
이 서비스에는 ‘표준’ 음성뿐만 아니라 신경망을 활용하여 억양과 관련된 음성 합성의 일반적인 한계를 극복하는 신경 음성을 포함하여 여러 언어 및 지역 발음을 지원하는 여러 미리 정의된 음성이 포함되어 있어 보다 자연스러운 음성이 생성됩니다. 사용자 지정 음성을 개발하고 텍스트 음성 변환 API와 함께 사용할 수도 있습니다.
지원되는 언어
음성 텍스트 변환 및 텍스트 음성 변환 API는 다양한 언어를 지원합니다. 아래 링크를 사용하여 지원되는 언어에 대한 세부 정보를 찾습니다.