微软 Azure AI 语音服务新推出的 Text to Speech Avatar 功能，可将文本转换为具有自然声音的人类说话视频。该功能提供个性化虚拟人创建，支持不同人物预设形象，并使用 Azure AI 文本转语音生成声音。开发者可通过批量合成 API 异步或实时合成文本到语音人像视频，使用 Speech Studio 中的内容创建工具和实时聊天头像工具进行视频内容制作和实时对话。该服务现已在多个地区推出，并按视频输出长度计算收费。