总结
在本模块中，你了解了语音技术的两个关键方面：语音识别和合成。 语音识别涉及使用声学模型和语言模型将口语字词转换为数据（通常转录为文本）。 该文本可用于各种目的，如隐藏式字幕、脚本、自动笔记听写和用户输入处理。 另一方面，语音合成是关于数据发声的，通常通过将文本转换为语音的方式进行。 合成语音可用于生成口头响应、创建语音菜单、大声朗读电子邮件或文本，以及广播公告。 你还了解了 Microsoft Azure 的 AI 语音服务，该服务通过语音转文本 API 和文本转语音 API 等功能提供语音识别和合成功能。
本模块的要点是 Azure AI 语音服务的功能。 语音转文本 API 允许使用一个基于 Microsoft 训练的通用语言模型的模型将音频实时或批量转录为文本。 它可用于演示期间的实时转录，或用于存储的音频文件的批量转录。 文本转语音 API 将文本输入转换为可听见的语音，后者可以使用不同的语音、语言和区域发音进行自定义。Azure AI 语音是一种多功能工具，允许用户通过各种平台进行访问，这些平台包括：Azure AI Speech Studio、Azure AI Studio、命令行界面 (CLI)、REST API 和软件开发工具包 (SDK)。
你可以在服务文档中找到 Azure AI 语音的相关详细信息。