微软发布矢量搜索预览版和语音克隆正式版

在一年一度的Inspire大会上，科技巨头Microsoft ，发布了一系列人工智能驱动的新功能，有望增强其Azure平台的功能。焦点集中在Vector Search工具上，该工具现在可以通过Azure Cognitive Search以预览版的形式提供。Vector Search以机器学习为核心，利用其理解图像和文本等非结构化数据的本质和关联性的能力，有望带来更快的搜索体验。

矢量搜索所采用的技术--矢量化--在搜索领域的发展势头日益强劲。它将文字或图像转换成一组数字，即矢量，代表其含义。这种数字表示法允许进行数学处理，并使机器能够理解和组织数据。因此，机器可以识别 "向量空间 "中的类似词汇，如 "国王 "和 "王后"，并迅速在包含数百万词汇的数据库中找到它们。这种矢量搜索方法已被许多公司采用，包括Qdrant 、SeMI Technologies 以及亚马逊和谷歌等科技巨头。

为了区别于竞争对手，微软的矢量搜索方法包括纯矢量搜索、混合恢复和高级重排。该公司认为，其矢量搜索工具可用于应用程序和服务，以自然语言提供个性化响应，提供产品建议，并帮助识别数据中的模式。此外，该系统的优势还包括构建搜索集成、基于聊天的应用程序，利用Azure AI Vision将图像转换为矢量表示，以及从大型数据集中检索相关信息，以帮助实现流程和工作流自动化。矢量搜索的集成进一步延伸到其他Azure认知搜索功能，其中包括分面导航和过滤器。

微软正在推出文档生成人工智能解决方案，进一步阐明人工智能的前景。该功能将微软现有的人工智能驱动的文档处理服务（包括Azure Form Recognizer）与Azure OpenAI服务相结合。该服务是微软以企业为中心的全面管理产品的一个方面，旨在为企业提供来自OpenAI的人工智能技术。微软与OpenAI正在进行的商业合作有助于为该技术补充控制和管理功能。

文档生成人工智能解决方案基于OpenAI最新的人工智能语言模型，可处理文件以完成汇总报告、提取价值、挖掘知识和生成新型文档等任务。它也是回复的基础，类似于OpenAI的ChatGPT。例如，文档生成人工智能解决方案允许客户上传发票、合同、账单，并使员工能够查询服务保证和特定的细列项目。该解决方案还以文本格式、图片或表格的形式提供答案，同时提供指向原始内容的引用链接。

微软补充说，文档生成人工智能解决方案的功能可用于与文档和内容生成活动进行自然语言交互。这些活动包括通讯、博文、摘要、标题等。微软表示，该解决方案支持智能文档聊天功能、写作帮助、综合搜索功能、查询支持、文档翻译等功能。所有这些复杂多样的文档任务都由OpenAI的模型来处理。

微软在一份相关披露中宣布，OpenAI的自动语音识别模型Whisper将很快集成到微软的人工智能语音服务系列和Azure OpenAI服务中。企业客户将获得转录和翻译音频内容的能力，以及在更大范围内生成批量转录的能力。

在Inspire大会上发布的其他重要公告中，微软宣布提供Real-time Diarization的公开预览版，这是一种人工智能驱动的语音服务，能够实时识别几个人中谁在说话。此外，微软还扩大了 "自定义神经语音"（Custom Neural Voice）的使用范围，这是一种人工智能工具，可以近似模仿演员的声音或创建原始合成声音。以前，该功能的使用受到限制。不过，微软现在要求客户申请并获得批准后才能使用该功能。此外，客户还必须获得配音人员的同意，并同意使用自定义神经语音的行为准则。

微软还提供了水印和检测工具，旨在帮助识别使用自定义神经语音创建的音频片段。然而，仅靠这些工具并不能彻底解决与语音克隆技术相关的许可和同意问题。尽管如此，微软已决定不参与与此事相关的斗争。

Vector Search和Custom Neural Voice等工具正在改变技术世界，而 AppMaster（被G2评为No-code 开发平台中的佼佼者）等平台则吸引了希望用最少的编码创建后台、网络和移动应用程序的用户。在瞬息万变的技术领域，人工智能功能如何继续发展并塑造我们的未来将是一个令人着迷的话题。