Compatibilidad con idiomas y voces en el servicio de voz

La compatibilidad con los idiomas varía según la funcionalidad del servicio de voz. En las tablas siguientes se resume la compatibilidad con idiomas para las ofertas de servicio conversión de voz en texto, texto a voz, traducción de voz y reconocimiento del hablante (Speaker Recognition).

Voz a texto

El SDK de Voz de Microsoft y la API REST admiten los siguientes idiomas (configuraciones regionales).

Para mejorar la precisión, se ofrece la posibilidad de personalizar un subconjunto de idiomas mediante la carga de audio y transcripciones etiquetadas por humanos o texto relacionado: oraciones. La compatibilidad con la personalización del modelo acústico con audio + transcripciones etiquetadas por usuarios se limita a los modelos base específicos que se enumeran a continuación. Otros modelos e idiomas base solo usarán el texto de las transcripciones para entrenar modelos personalizados como con Texto relacionado: oraciones. Para más información sobre la personalización, consulte Introducción a Custom Speech.

Texto a voz

Tanto el SDK de Voz de Microsoft como las API REST admiten estas voces, y cada una de ellas admite un idioma y un dialecto específicos, que se identifican mediante la configuración regional. También puede obtener una lista completa de los idiomas y las voces que se admiten para cada región o punto de conexión específico a través de la API de la lista de voces.

Voces neuronales

Texto a voz neuronal es un nuevo tipo de síntesis de voz con tecnología de redes neuronales profundas. Cuando se usa una voz neuronal, es prácticamente imposible distinguir la voz sintetizada de las grabaciones humanas.

Las voces neuronales se pueden usar para que las interacciones con los bots de chat y los asistentes de voz sean más naturales y atractivas, para convertir textos digitales (por ejemplo, los libros electrónicos) en audiolibros y para mejorar los sistemas de navegación de los automóviles. Con su prosodia natural similar a la humana y la clara articulación de las palabras, las voces neuronales reducen considerablemente la fatiga de la escucha que aparece cuando los usuarios interactúan con sistemas de inteligencia artificial.

Voces neuronales en versión preliminar

Las siguientes voces neuronales se encuentran en versión preliminar pública.

Para más información acerca de la disponibilidad regional, consulte las regiones.

Para más información sobre cómo configurar y ajustar las voces neuronales, por ejemplo, los estilos de habla, consulte Lenguaje de marcado de síntesis de voz.

Voces estándar

Hay más de 75 voces estándar disponibles en más de 45 idiomas y configuraciones regionales, lo que le permite convertir texto en voz sintetizada. Para más información acerca de la disponibilidad regional, consulte las regiones.

Personalización

Voz personalizada está disponible en el nivel neuronal (conocido también como Voz neuronal personalizada). En función de la tecnología TTS neuronal y el modelo universal multilingüe de varios hablantes, Voz neuronal personalizada permite crear voces sintéticas ricas en estilos de habla o en idiomas cruzados adaptables. Compruebe a continuación los idiomas admitidos.

Seleccione la configuración regional adecuada que coincida con los datos de entrenamiento que tiene para entrenar un modelo de voz personalizado. Por ejemplo, si los datos de grabación que tienen que hablar en inglés con acento británico, seleccione en-GB.

Traducción de voz

Speech Translation API admite varios idiomas para la traducción de voz a voz y de texto a voz. El idioma de origen debe incluirse siempre en la siguiente tabla de conversión de voz en texto. Los idiomas de destino admitidos dependen de si el destino de traducción es voz o texto. Puede traducir la voz entrante a cualquiera de los idiomas admitidos. Un subconjunto de estos idiomas está disponible para la síntesis de voz.

Idiomas de texto

Speaker Recognition

El reconocimiento del hablante es principalmente independiente del lenguaje. Hemos creado un modelo universal para el reconocimiento del hablante independiente del texto mediante la combinación de varios orígenes de datos de diversos idiomas. Hemos optimizado y evaluado el modelo en los idiomas y configuraciones regionales que aparecen en la tabla siguiente. Consulte la introducción para obtener información adicional sobre Speaker Recognition.

Palabra clave personalizada y verificación de palabras clave

En la tabla siguiente se detallan los idiomas admitidos para la palabra clave personalizada y la verificación de palabras clave.

Pasos siguientes

• Creación de una cuenta de Azure gratuita
• Vea cómo funciona el reconocimiento de voz en C#