微软在Ignite 2023活动上推出了Azure AI Speech新功能，支持创建逼真的数字人形象并实现自然语音表达。
该功能现已作为通用预览版上线。用户只需上传人物图像并编写剧本，即可生成由该形象说话的视频。
在此过程中，微软Azure AI Speech动画模型会结合独立的文本转语音（TTS）AI模型朗读剧本；该TTS模型既可使用预置声音，也可基于个人声音训练而成。
使用 Azure AI Speech 制作虚拟形象
微软在其博客文章中指出，借助Azure AI Speech新功能，仅需文本输入即可生成培训视频、产品介绍或客户推荐等内容，生成的数字人还可用于构建虚拟助手或聊天机器人。
虚拟形象支持多语言对话。若将其用作聊天机器人，可集成OpenAI GPT-3.5模型以回答剧本之外的提问。
大多数Azure用户可直接使用预置虚拟形象。自定义虚拟形象目前处于初期阶段，仅针对特定场景开放有限访问权限，需申请注册后方可使用。
另一方面，企业可利用演员形象通过Azure AI Speech创建数字人。此前我们在分析The Likeness产品时曾介绍过美国关于数字分身相似性及使用的法律程序；尽管SAG-AFTRA罢工期间工作室已同意支付费用，但目前仍有未经授权或未付费使用演员肖像的情况，且公司态度尚不明朗，微软对此亦保持沉默。
个人声音功能
微软同步推出了“个人声音”（Personal Voice）功能。作为定制化神经语音服务的一部分，该功能仅需采集用户一分钟的语音指令，即可复制其音色。
据微软公布的信息，该功能可用于生成个性化语音助手、为多语言内容配音，以及为故事、有声书和播客创建基于提示的叙述内容。
使用“个人声音”合成语音需提供“明确同意”，并阅读保存相关条款。用户需填写申请表单申请使用，且须遵守以下条件：声音必须由本人录制，不得朗读开放式或不受限制的内容；声音模型仅限应用内部使用，生成内容不得在应用外发布或分享。