Microsoft Azure 人工智能认知服务首席技术官黄学东表示，该公司基于“自定义神经语音”技术的文本转语音（TTS）功能已经正式推出。据悉，自 2019 年 9 月开放预览以来，这项技术已被 AT&T、多邻国、Progressive 和瑞士电信等组织用于开发让客户感到满意的品牌语音解决方案。
（来自：Microsoft）
黄学东表示，开发者可使用其音频数据和深度神经网络（DNN）打造个性化的语音体验。不过这项技术的切实突破，体现在能够高效利用深度学习技术来处理文本，以确保 TTS 发音和韵律的准确无误。
所谓韵律，特指每个音素的音调和持续时间。微软 AI 技术研究人员将之无缝地结合到了一起，以尽可能地再现类似真人的语音。此外，自定义神经语音技术能够带来较传统 TTS 语音转换更自然的效果。
具体说来是，微软借助了“语音字库”（Voice Fonts）和多种神经网络，来确保持续时间和每个因素音调的准确性，让机器学习模型推导出听起来更自然的合成语音。
Getting started with Custom Neural Voice（via）
对此感兴趣的客户，只需将其录制的基础语音库上传到 Custom Neural Voice 平台展开模型训练，然后就能产出自然的合成语音，且期间无需开发者的更多干预。
微软详细介绍了包括华纳兄弟和 AT&T 在内的多家公司的实际用例，比如你可以在达拉斯的 AT&T 体验店与 Bugs Bunny 展开互动。
对于语音助手、客服聊天机器人、有声书朗读、以及在线学习等应用场景来说，这项技术显得特别实用。不过为了防止被恶意利用，微软还是决定对其开放有限的访问。
除了需要预先获得批准，微软还计划在合成语音中加入数字水印，以便人们可据此分辨听到的是由 Custom Neural Voice 技术创建的合成语音内容。