Azure OpenAI 服务中的三款高级语音模型 —— GPT-4o-Transcribe, GPT-4o-Mini-Transcribe （语音转文字）和 GPT-4o-Mini-TTS （文字转语音）正式进入预览阶段！
用户可在 Azure OpenAI 服务（国际版），选择美东2区域部署使用。
新模型具备极高的性能与效率，无论是针对语音助手、音频转录，还是自然语音合成，都可帮助企业快速构建高质量语音 AI 应用。
GPT-4o-Transcribe 和 GPT-4o-Mini-Transcribe：全新语音转文本模型，精度远超以往基准。
GPT-4o-Mini-TTS：支持自定义语音风格的文字转语音模型，可控制语速、语调、停顿等细节。
企业如何合规使用？
作为微软的合作伙伴，全云在线可为企业开通绿色申请通道！包括最新版本DeepSeek、GPT-4o、o1、o3、Sora、实时语音接口等，只要企业有需求，全云在线都能协助快速开通！
参考链接：https://www.invcloud.cn/azureyuyin/?p=sh&a=zxw&u=121719412&t=2025024&r=177 免费试用、申请微软 Azure OpenAI 企业账户接口
作为微软的合作伙伴，全云在线可为企业开通绿色申请通道！包括最新版本GPT-4.1、o3、o4-mini、实时语音接口等，只要企业有需求，全云在线都能协助快速开通！
而且也达成了 DeepSeek 大模型在多云端的部署能力，全面覆盖了阿里云、腾讯云、华为云等主流云服务平台。可以为规模各异的企业量身打造定制化解决方案。无论是大型集团，还是中小企业，都能依托 DeepSeek 大模型的弹性架构，迅速搭建智能中枢。还能通过跨云协同计算，提升了智能服务的稳定性，同时降低了运营成本。
01
模型对比
02
核心技术亮点
专注语音预训练
这些模型在特定音频数据集上进行了深度预训练，显著提升了模型对语音细节、口音和语速变化的理解能力。
模型蒸馏优化
借助先进的蒸馏技术，将大模型的能力“迁移”到轻量模型中，在保证性能的同时，实现更快的响应速度与更低的计算成本。
03
开发者上手指南
通过 Azure OpenAI TTS Demo 库，您可以轻松体验 GPT-4o 系列语音模型的强大功能，快速完成从语音转文字到语音合成的全流程开发。
第一步：克隆资料库
git clone https://github.com/Azure-Samples/azure-openai-tts-demo.git
cd azure-openai-tts-demo
第二步：配置开发环境
创建虚拟环境并安装必要项：
python -m venv .venv
source .venv/bin/activate # macOS/Linux
.venv\Scripts\activate # Windows
pip install -r requirements.txt
通过创建 .env 文件设置 Azure 凭据：
cp .env.example .env
# Edit .env with your Azure OpenAI endpoint and API key
Example .env:
AZURE_OPENAI_ENDPOINT="https://<;your-resource-name>.openai.azure.com/"
AZURE_OPENAI_API_KEY="your-azure-openai-api-key"
AZURE_OPENAI_API_VERSION="2025-04-14"
第三步：运行交互式 Gradio 声音板
启动演示，进行互动实验：
python soundboard.py
选择不同的声音和音调，体验语音合成效果。
第四步：探索更多示例脚本
为特定音频任务运行示例脚本：
- 将音频流传输到文件
python streaming-tts-to-file-sample.py
- 异步流媒体传输和回放
python async-streaming-tts-sample.py
