微软发布DragonV2.1模型：AI转录语音更自然，单词错误率平均下降12.8%、支持合成超100种语言

文章来源：万象ai发布时间：2025-08-01 14:57:07

7月31日消息，科技媒体NeoWin今天（7月31日）发布博文，报道称微软推出了DragonV2.1Neural零次学习（Zero-ShotLearning）模型，仅凭少量数据就能创建更加自然、表现力强的声音，并支持超过100种语言。

援引博文介绍，这是一种零次学习的文本到语音（TTS）模型，承诺提供更加自然和富有表现力的声音，并提高了发音的准确性以及增强了可控性。

新模型仅需几秒钟的语音样本即可合成超过100种语言的语音。相比之下，之前的DragonV1模型在处理专有名词时存在发音问题。DragonV2.1模型可以应用于多种不同场景，包括定制聊天机器人声音和为视频内容跨多语言配音。

微软表示，DragonV2.1提高发音准确性，与DragonV1相比，该模型单词错误率（WER）平均降低了12.8%。

该模型还提升了声音的自然度，用户使用此模型时，可以利用SSML音素标签和自定义词典对发音和口音进行细致控制。为了帮助用户入门，微软构建了Andrew、Ava和Brian等多个声音档案，供用户测试。

上一篇: 对话阿里巴巴智能终端业务负责人宋刚：AI眼镜进化论，一场生态、续航的攻坚战

WAIC2025阿里推夸克AI眼镜，强调用户粘性及生态技术整合。