共用方式為

自訂神經語音精簡版 (預覽)

  • 發行項

Azure AI 語音提供兩種自訂神經語音 (CNV) 專案類型：CNV 精簡版與 CNV 專業版。

  • 自訂神經語音 (CNV) 專業版可讓您上傳透過專業錄製工作室收集的訓練資料，並建立與人類樣本幾乎無異的高品質語音。 CNV 專業版存取受限於資格和使用準則。 要求輸入表單的存取權。
  • 自訂神經語音 (CNV) 精簡版是公開預覽中的專案類型。 您可以先示範及評估自訂神經語音，再投資專業錄製，以建立高品質的語音。 用於示範和評估目的並不需要任何應用程式。 然而 Microsoft 會限制並選取錄製內容和測試樣本，以便與 CNV 精簡版搭配使用。 您必須申請 CNV 專業版的完整存取權，才能部署及使用 CNV 精簡版模型以供商業用途使用。 在那樣的情況下，請透過填寫表單要求存取權。

使用 CNV 精簡版專案，您可以閱讀 Microsoft 提供的 20-50 個預先定義的腳本，在線上錄製語音。 記錄至少 20 個樣本之後，您就可以開始定型模型。 成功定型模型之後，您可以檢閱模型，並查看使用另一組預先定義的腳本所產生的 20 個輸出樣本。

請參閱自訂神經語音的支援語言。

比較專案類型

下表摘要說明 CNV 精簡版與 CNV 專業版專案類型之間的主要差異。

項目 精簡 (預覽版) Pro
目標案例 示範或評估 聊天機器人的品牌和角色聲音，或音訊內容閱讀等專業案例。
訓練資料 使用 Speech Studio 線上錄製 使用自己的資料。 建議在專業工作室中錄製。
用於錄製的腳本 於 Speech Studio 中提供 使用符合使用案例的自備腳本。 Microsoft 提供參考的腳本範例 (英文)。
必要的資料大小 20-50 個語句 300-2,000 個語句
定型時間 計算時數少於一小時 大約 20-40 個計算時數
語音品質 中等品質 高品質
可用性 任何人都可以線上錄製樣本，並定型模型以供示範和評估使用。 如果您想部署 CNV 精簡版模型以供商務使用，則需要自訂神經語音的完整存取權。 資料上傳不受限制，但您只能在核准存取之後訓練和部署 CNV 專業版模型。 CNV 專業版存取受限於資格和使用準則。 要求輸入表單的存取權。
定價 CNV 精簡版和 CNV 專業版專案的每單位價格都相同。 請參閱此處的定價詳細資料 (英文)。 CNV 精簡版和 CNV 專業版專案的每單位價格都相同。 請參閱此處的定價詳細資料 (英文)。

建立自訂神經語音精簡版專案

若要建立自訂神經語音精簡版專案，請執行下列步驟：

  1. 登入 Speech Studio。

  2. 選取要處理的訂用帳戶和語音資源。

  3. 選取自訂語音>建立專案。

  4. 選取 [自訂神經語音精簡版] > [下一步]。 若想要改為建立自訂神經語音專業版專案，請參閱建立自訂神經語音的專案。

  5. 依照精靈提供的指示建立您的專案。

    重要

    CNV 精簡版專案會在 90 天後到期，除非提交語音配音員錄製的口頭聲明。

  6. 依名稱選取新專案，或選取 [移至專案]。 您會在左側面板看到這些功能表項目：[錄製和建置]、[檢閱模型] 和 [部署模型]。

    螢幕擷取畫面：CNV 精簡版錄製、訓練、測試和部署工作流程概觀。

錄製和建置 CNV 精簡版模型

使用線上提供的腳本錄製至少 20 個 (最多 50 個) 語音樣本。 在此錄製的語音樣本將用來建立合成語音版本。

注意

自訂神經語音訓練目前僅在部分區域提供使用。 如需詳細資訊，請參閱區域資料表中的註腳。

以下是協助您錄製語音樣本的一些提示：

  • 使用良好的麥克風。 使用高品質麥克風提高樣本的清晰度。 說話距離麥克風約 8 英吋，以避免嘴巴發出的雜音。
  • 避免背景雜音。 在無背景雜音或回音的安靜房間中錄製。
  • 放鬆並自然說話。 在朗讀句子時，讓自己表達情緒。
  • 一次錄製。 為了保持一致的能量，請以一個工作階段錄製所有句子。
  • 正確發音每個字，並清楚說出。

若要錄製和建置 CNV 精簡版模型，請執行下列步驟：

  1. 選取 [自訂語音] > 您的專案名稱 > [記錄和建置]。
  2. 選取開始使用。
  3. 仔細閱讀語音配音員使用規定。 選取核取方塊以確認使用規定。
  4. 選取 [接受]
  5. 按下麥克風圖示以啟動雜音檢查。 此噪音檢查只需要幾秒鐘的時間，而且您不需要在這段期間說話。
  6. 如果偵測到雜音，您可以選取 [再檢查一次] 來重複雜音檢查。 如果未偵測到任何雜音，您可以選取 [完成] 以繼續進行下一個步驟。 螢幕擷取畫面：偵測到噪音時的噪音檢查結果。
  7. 檢閱錄製提示，然後選取 [了解]。 為獲得最佳結果，請前往無背景雜音的安靜區域，再錄製語音樣本。
  8. 按下麥克風圖示以開始錄製。 螢幕擷取畫面：錄製樣本儀表板。
  9. 按下停止圖示以停止錄製。
  10. 檢閱品質計量。 錄製每個樣本之後，請先檢查其品質計量，再繼續進行下一個錄製。
  11. 錄製更多樣本。 雖然您可以只使用 20 個樣本建立模型，但建議您錄製高達 50 個，以獲得更好的品質。
  12. 選取 [訓練模型] 以開始訓練程序。

訓練程序大約需要一個計算時數。 您可以在 [檢閱模型] 頁面中檢查訓練程序的進度。

檢閱模型

若要檢閱 CNV 精簡版模型，並聆聽您自己的合成語音，請執行下列步驟：

  1. 選取 [自訂語音] > 專案名稱 > [檢閱模型]。 您可以在這裡檢閱語音模型名稱、模型語言、樣本資料大小和訓練進度。 語音名稱是由您的專案名稱後面接著 "Neural" 一字所組成。
  2. 選取語音模型名稱以檢閱模型詳細資料，並聆聽樣本文字轉換語音結果。
  3. 選取播放圖示以聆聽您讀每個腳本的語音。 螢幕擷取畫面：檢閱樣本輸出儀表板。

提交口頭聲明

需要語音配音員錄製的口頭聲明，才能為商務用途部署模型。

若要提交語音配音員的口頭聲明，請執行下列步驟：

  1. 選取 [自訂語音] > 專案名稱 > [部署模型] > [管理語音配音員]。 螢幕擷取畫面：錄製語音配音員同意儀表板。
  2. 選取該模型。
  3. 輸入語音配音員姓名和公司名稱。
  4. 閱讀並錄製聲明。 選取麥克風圖示以開始錄製。 選取停止圖示以停止錄製。
  5. 選取 [提交] 以提交聲明。
  6. 在儀表板底部的腳本資料表中檢查處理狀態。 一旦狀態為 [成功]，您就可以部署模型。

部署模型

若要部署語音模型並在應用程式中使用，您必須取得自訂神經語音的完整存取權。 要求輸入表單的存取權。 在大約 10 個工作天內，您會收到電子郵件，信中會告知核准狀態。 也需要語音配音員錄製的口頭聲明，才能為商務用途部署模型。

若要部署 CNV 精簡版模型，請執行下列步驟：

  1. 選取 [自訂語音] > 您的專案名稱 > [部署模型] > [部署模型]。
  2. 選取語音模型名稱，然後選取 [下一步]。
  3. 輸入您的端點名稱和描述，然後選取 [下一步]。
  4. 選取核取方塊以同意使用規定，然後選取 [下一步]。
  5. 選取 [部署] 以部署模型。

之後，您將可以使用 CNV 精簡版語音模型，就像使用 CNV 專業版語音模型一樣。 例如，您可以在建立端點之後暫止或繼續端點，限制支出並節省未使用的資源。 您也可以在 Speech Studio 的音訊內容建立工具中存取語音。

下一步