本站 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。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
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：
首先，文字分析器将对用户输入的文字内容进行分析，生成音素序列。然后，tts语音合成器中的tts语音模型将会预测用户输入文字的声学特征，并合成声音。最后，神经网络声音合成模型avatar将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，传统的虚拟化角色制作费时费力，需要搭建专用的拍摄环境，并且后期剪辑的过程也需要花费相当多的成本。而现在使用微软最新的Azure AI Speech文本转语音（TTS）角色服务，一旦建立了模型，用户只需要输入文本就可以制作各种产品介绍和互动视频。结合微软Azure OpenAI服务和神经网络TTS功能，还可以呈现更加自然的互动体验
本站发现，微软举例声称，用户可利用 Azure AI Speech TTS avatar 批量制作各种视频内容，例如企业文化影片、产品介绍或 CEO 在大会上的数字分身。也可以制作虚拟直播数字人、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语音转文字（TTS）虚拟化身已经向Azure订阅用户推出，支持多种语言。用户可以从预设的虚拟化身选项中选择所需角色，也可以自定义虚拟化身
如果用户想要自定义虚拟化身，需要上传一系列人物视频片段。Azure平台会在线上处理这些视频，生成虚拟化身。角色本身与音源是分开的，用户可以选择官方提供的默认音源，也可以上传自己训练的音源
