AZURE AI SPEECH | Capability Map

Azure AI Speech：会议系统的语音能力地图

Speech 负责把会议音频变成可实时消费、可长期复用、可跨语言流转的结构化数据层。

会议语音能力的四类落点

从实时字幕到会后纪要，从跨语言沟通到行业术语优化，Speech 提供会议智能化的语音底座。

会议进行中低延迟转写、实时字幕、语言识别和同传输出，支撑会议现场交互。
会议结束后快速转写、批量处理、说话人分离和时间戳，进入纪要与检索链路。
跨语言协作标准 Speech Translation 按源语言配置；Live Interpreter 支持省略输入语言与会话中语言切换。
垂直行业优化术语、品牌词、产品名、噪声环境和专有场景，提升识别准确率。
Speech Playground免代码体验实时转写、TTS、语音翻译和参数调优。
SDK Samples覆盖麦克风、文件流、连续识别、翻译和自定义模型。
Voice Live Sample浏览器语音助手样例，可展示实时问答和语音播报。

6 Azure AI Speech capabilities for meetings

先把产品能力名称对齐到 Azure 官方口径，后续再按实时体验、会后处理、跨语言协作和语音交互展开。

Real-time STT

面向会议过程中的字幕、记录和语音输入。
  • 中间结果和最终结果连续返回
  • Post-stream refinement 面向实时识别后处理
  • 适配会议字幕、语音指令和实时记录
Realtimepost-stream refinement · Preview

Fast Transcription

面向录音文件、长音频和批量会议资产。
  • Fast transcription 适合快速生成会后文本
  • 支持长音频、说话人分离、时间戳和热词
  • 可与 Batch transcription 形成规模化处理链路
FastBatch

Speech Translation

面向双语会议、跨国协作和实时同传。
  • Speech-to-text 与 speech-to-speech 翻译
  • 标准 API：指定源语言，返回目标文本和/或语音
  • Live Interpreter：省略输入语言、连续识别与会话内语言切换
TranslationInterpreter

LLM Speech

面向更强上下文理解、翻译和格式控制。
  • LLM 增强转写、翻译和可读性
  • Prompt 引导输出格式、关键术语和语境
  • 适合高价值会议和跨语言内容精修
PromptLLM

Custom Speech

面向会议室噪声、行业词和品牌专有词。
  • Phrase list 增强常见专有词识别
  • Custom Speech 沉淀行业和客户专属模型
  • 用真实会议录音验证准确率收益
Phrase listCustom

Voice Live API

面向会议助手、语音播报和实时语音代理。
  • 当前原生实时模型含 gpt-realtime-2.1 / mini
  • Voice Live 统一模型、Speech I/O 与工具链
  • 连接会议助手、设备助手和客户服务
TTSVoice Live