微软最新推出的DragonV2.1Neural零次学习文本到语音（TTS）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，并能生成更自然、富有表现力的声音。该模型显著提高了发音准确性，单词错误率（WER）相比上一代平均降低12.8%，有效解决了专有名词的发音问题。DragonV2.1支持通过SSML音素标签和自定义词典进行精细的语音控制，适用于定制聊天机器人声音、多语言视频配音等多种场景，为语音合成技术带来重大突破。

🚀 **零次学习与多语言支持：** DragonV2.1模型的核心优势在于其“零次学习”能力，仅需极少量（几秒钟）的语音数据，就能合成超过100种语言的语音。这极大地降低了语音合成的门槛，使得跨语言应用更加便捷高效。

🗣️ **显著提升的声音表现力：** 新模型在声音的自然度和表现力上有了大幅提升，能够生成更具情感和语气的语音。相比DragonV1，其单词错误率（WER）平均降低了12.8%，尤其在处理专有名词时，发音准确性得到了显著改善。

🔧 **精细的语音控制能力：** 用户可以通过SSML（Speech Synthesis Markup Language）音素标签以及自定义词典，对语音的发音、语调和口音进行精细化的控制和调整，满足不同场景下的个性化需求。

💡 **广泛的应用场景：** DragonV2.1模型可广泛应用于多种领域，例如为定制聊天机器人提供更具人情味的声音，为视频内容进行多语言配音，以及其他需要高质量语音合成的场景，为内容创作和人机交互带来更多可能性。

IT之家 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-Shot Learning）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。

IT之家援引博文介绍，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。