我们很高兴与大家分享，Azure OpenAI 服务（国际版）中的三款高级语音模型 —— GPT-4o-Transcribe, GPT-4o-Mini-Transcribe （语音转文字）和 GPT-4o-Mini-TTS （文字转语音）正式进入预览阶段！用户可在 Azure OpenAI 服务（国际版），选择美东2区域部署使用。
新模型具备极高的性能与效率，无论是针对语音助手、音频转录，还是自然语音合成，都可帮助开发者快速构建高质量语音 AI 应用。
🔵 GPT-4o-Transcribe 和 GPT-4o-Mini-Transcribe：全新语音转文本模型，精度远超以往基准。
🔵 GPT-4o-Mini-TTS：支持自定义语音风格的文字转语音模型，可控制语速、语调、停顿等细节。
01
02
专注语音预训练
这些模型在特定音频数据集上进行了深度预训练，显著提升了模型对语音细节、口音和语速变化的理解能力。
模型蒸馏优化
借助先进的蒸馏技术，将大模型的能力“迁移”到轻量模型中，在保证性能的同时，实现更快的响应速度与更低的计算成本。
强化学习提升效果
引入强化学习方法，有效提升语音转文字的准确率，尤其是在复杂场景下的语音识别表现已达到业界领先水平。
03
通过 Azure OpenAI TTS Demo 库，您可以轻松体验 GPT-4o 系列语音模型的强大功能，快速完成从语音转文字到语音合成的全流程开发。
第一步：克隆资料库
第二步：配置开发环境
创建虚拟环境并安装必要项：
通过创建 .env 文件设置 Azure 凭据：
Example .env:
第三步：运行交互式 Gradio 声音板
启动演示，进行互动实验：
选择不同的声音和音调，体验语音合成效果。
第四步：探索更多示例脚本
为特定音频任务运行示例脚本：
将音频流传输到文件
异步流媒体传输和回放
04
集成 Azure OpenAI 高级音频模型，开发者可以：
快速接入先进的语音转录与语音合成功能
构建更智能、直观的语音交互式应用
通过定制语音风格，打造更具表现力和个性化的用户体验
05
左右滑动，查看更多
我们欢迎开发者深入体验这些创新音频模型，并分享您的项目实践与反馈！一起来解锁语音模型的更多可能！
