این دوره جامع که توسط Pluralsight ارائه می‌شود، به بررسی Microsoft Cognitive Services و به‌ویژه سرویس Azure Custom Text to Speech می‌پردازد. در نسخه ۲۰۲۴-۱۰، جدیدترین قابلیت‌های تبدیل متن به گفتار سفارشی تشریح شده و یاد می‌گیرید چگونه صدای مصنوعی خود را بر اساس نیازهای پروژه‌تان خلق کنید. با این آموزش، از توانمندی‌های هوش مصنوعی مایکروسافت بهره‌مند شده و می‌توانید راهکارهای صوتی تعاملی و طبیعی برای کاربران طراحی کنید.

• آشنایی با مفاهیم پایه Text to Speech و چگونگی عملکرد موتورهای صوتی در Azure.
• نحوه ایجاد و مدیریت منابع Cognitive Services در پرتال Azure.
• چگونگی بارگذاری مدل‌های صدای سفارشی و آموزش آن‌ها با نمونه‌های صوتی اختصاصی.
• کار با APIهای REST و SDKهای ارائه‌شده برای تولید گفتار از متن با تنظیمات پیشرفته.
• پیکربندی ویژگی‌های prosody مانند تاکید، سرعت و لحن برای تولید صدای طبیعی‌تر.
• یکپارچه‌سازی خروجی صوت با برنامه‌های تحت وب، موبایل و دسکتاپ.

• آشنایی ابتدایی با مفاهیم Azure و اشتراک کاربری فعال.
• مهارت پایه در زبان‌های برنامه‌نویسی نظیر C# یا Python برای استفاده از SDKها.
• درک اولیه از REST API و مفاهیم HTTP مانند متدها و هدرها.
• نصب ابزارهای خط فرمان Azure CLI (اختیاری اما توصیه‌شده).

• بخش ۱: مقدمه و معرفی معماری خدمات شناختی مایکروسافت
• بخش ۲: راه‌اندازی محیط توسعه و ثبت نام سرویس Text to Speech
• بخش ۳: تنظیمات پیشرفته Prosody و کنترل لحن، تاکید و ریتم
• بخش ۴: بارگذاری و آموزش مدل‌های صوتی سفارشی با داده‌های کاربر
• بخش ۵: استفاده از SDK و API – نمونه کدهای واقعی در C# و Python
• بخش ۶: یکپارچه‌سازی در اپلیکیشن‌های وب و موبایل
• بخش ۷: بهینه‌سازی هزینه و نظارت بر مصرف منابع
• بخش ۸: نکات پیشرفته و بهترین روش‌ها برای تولید صوت طبیعی

در این دوره چندین پروژه عملی ارائه شده است. برای مثال:

• ساخت یک بات چت صوتی که سوالات کاربران را می‌خواند و پاسخ صوتی می‌دهد.
• تولید یک راهنمای صوتی پویا برای اپلیکیشن موبایل با استفاده از Azure Functions.
• تبدیل دسته‌ای از متون خبری به فایل‌های صوتی MP3 با کیفیت بالا و ارسال خودکار به یک مخزن ابری.

نمونه کد زیر در Python نشان می‌دهد چگونه متن را به صدای wav تبدیل کنیم:

from azure.cognitiveservices.speech import SpeechConfig, SpeechSynthesizer  
speech_config = SpeechConfig(subscription="YOUR_KEY", region="YOUR_REGION")  
synthesizer = SpeechSynthesizer(speech_config=speech_config)  
result = synthesizer.speak_text_async("سلام! این یک آزمایش صدای سفارشی است.").get()  

• ایجاد تجربه کاربری جذاب‌تر و دسترسی‌پذیر برای مخاطبان با نیازهای ویژه.
• کاهش هزینه‌های ضبط و بازیابی محتوای صوتی به صورت دستی.
• قابلیت تولید صدای چند زبانه با کیفیت طبیعت و لحن انسانی.
• انعطاف‌پذیری بالا در انتخاب جنسیت صدا، سرعت گفتار و میزان تاکید.
• مدیریت آسان منابع و مقیاس‌پذیری سرویس در پروژه‌های بزرگ.

دوره Microsoft Cognitive Services: Azure Custom Text to Speech 2024-10 از Pluralsight، یک فرصت منحصر به فرد برای متخصصین حوزه هوش مصنوعی و توسعه‌دهندگان است تا به جدیدترین امکانات تبدیل متن به گفتار مایکروسافت مسلط شوند. با ترکیب مباحث تئوری و عملی، شما می‌توانید قابلیت‌های صوتی قدرتمندی در محصولات نرم‌افزاری خود ایجاد کرده و تجربه‌ای کاربرپسند و طبیعی‌تر ارائه دهید. با دانلود رایگان نرم‌افزار و تمرین مثال‌های عملی این دوره، به سرعت مهارت‌های خود را توسعه داده و در پروژه‌های واقعی به کار ببرید.