微软公布 Text To Speech Avatar AI 工具：可 *** 虚拟 3D 数字人、基于 Azure 平台

微软表示，用户使用 Azure AI Speech text to speech (TTS) avatar，可以建立基于“输入文字说出内容”的虚拟化身，并结合现实人物照片训练，建立以真实人物为基础的“互动式聊天机器人”，可用于企业的营销、业务或客户服务等场景。

IT之家11 月 16 日消息，微软在 Ignite 大会中，为 Azure AI Speech 推出了一项名为“Azure AI Speech text to speech (TTS) avatar”的 AI 工具，号称可以生成人类逼真虚拟化身（数字人），目前这款工具已经开放给大众预览试用。

微软表示，用户使用 Azure AI Speech text to speech (TTS) avatar，可以建立基于“输入文字说出内容”的虚拟化身，并结合现实人物照片训练，建立以真实人物为基础的“互动式聊天机器人”，可用于企业的营销、业务或客户服务等场景。

据悉，这项 Azure AI Speech text to speech (TTS) avatar 主要包含三个模块，分别是文字分析器、TTS 声音合成器及 TTS 虚拟化身合成器：

文字分析器会先分析用户输入的文字内容，产生音素序列（phoneme sequence）。接着 TTS 声音合成器中的 TTS 语音模型会预测用户输入文字的声学特征，再合成声音。最后，由神经 *** 声音合成模型 Avatar，根据上述声学特征预测人物的唇形影像，最终形成虚拟化身影像。

微软解释，传统虚拟化身 *** 费时耗工，需要建立专用拍摄环境、而拍摄剪辑后期过程也相当花成本。而当下运用微软最新的 Azure AI Speech text to speech (TTS) avatar 服务，在初次建立模型后，用户只要输入文字就可以 *** 各种产品介绍、互动视频等。配合微软 Azure OpenAI Service 及神经 *** TTS 功能，还能呈现更自然的互动体验。

IT之家发现，微软举例声称，用户可利用 Azure AI Speech TTS avatar 批量 *** 各种视频内容，例如企业文化影片、产品介绍或 CEO 在大会上的数字分身。也可以 *** 虚拟直播数字人、聊天机器人、业务机器人、或线上教学的 AI 老师等。

微软表示，Azure AI Speech text to speech (TTS) avatar 目前已经向 Azure 订阅用户推出，支持各种语言，用户可以从预设的虚拟化身选项中挑选想要的角色，也可以自行定制虚拟化身。

如果用户想要自行定制虚拟化身，则需要上传一批人物视频片段，Azure平台就会在线上处理这些视频，从而生成虚拟化身。角色本身与音源分开，用户可以选择官方提供的默认音源，也可以自行上传训练音源。