09 · Analyse de texte et solutions vocales

Version : 1.1 · Date : 2026-10-21 · Domaine 4 de l'examen : Implement text analysis solutions (10 à 15 %)

En une phrase : pour le texte, on combine des Foundry Tools spécialisés (Azure Language pour les PII et les entités, Azure Translator pour la traduction) et des LLM pilotés par prompt et structured outputs ; pour la voix, Azure Speech transcrit et synthétise, et Voice Live ou les Foundry voice agents font du temps réel une modalité d'agent à part entière.

Ce que l'examen demande#

Deux blocs du domaine Implement text analysis solutions, repris mot pour mot du guide d'étude AI-103 (compétences mesurées au 16 avril 2026) :

Le choix général entre un modèle et un Foundry Tool est posé au chapitre 01, les structured outputs et la Responses API au chapitre 05, les guardrails et Content Safety au chapitre 04, le prompt engineering au chapitre 07. Ce chapitre les applique au texte et à la parole.

1. Les bases à maîtriser#

1.1 Foundry Tool ou LLM : la règle de choix#

Un LLM sait extraire des entités, résumer, classer un sentiment ou traduire. Un Foundry Tool spécialisé reste souvent meilleur quand le résultat doit être déterministe, mesurable, bon marché et conforme. À l'examen, la bonne réponse combine souvent les deux : le Foundry Tool pour la partie normée, le LLM pour la partie qui demande de comprendre ou de reformuler.

flowchart TD
    A["Tâche de texte ou de parole"] --> B{"Résultat normé et mesurable ?<br/>PII, entités, langue, transcription"}
    B -- Oui --> T["Foundry Tool<br/>Azure Language, Azure Speech, Azure Translator"]
    B -- Non --> C{"Il faut comprendre, reformuler,<br/>suivre un schéma ou un ton ?"}
    C -- Oui --> L["LLM + prompt + structured outputs"]
    C -- Non --> T
    T --> G["Sortie exploitée par l'application ou l'agent"]
    L --> S["Guardrails sur la sortie du LLM"] --> G

1.2 Ce qui a changé, et que les questions récentes supposent#

1.3 Authentification sans clé#

Comme partout dans Foundry, on préfère Microsoft Entra ID aux clés (chapitre 03). Ce qui est propre aux Foundry Tools de ce chapitre :

2. Extraire entités, sujets, résumés et JSON#

2.1 Avec Azure Language#

from azure.ai.textanalytics import TextAnalyticsClient
from azure.identity import DefaultAzureCredential

# Endpoint de la resource (custom domain), authentification sans clé
client = TextAnalyticsClient(endpoint="https://{ressource}.cognitiveservices.azure.com/",
                             credential=DefaultAzureCredential())

documents = ["Le client Jean Martin ([email protected], 06 12 34 56 78) conteste la facture F-2026-118."]

for doc in client.recognize_pii_entities(documents, language="fr"):
    if not doc.is_error:
        print(doc.redacted_text)                      # texte avec les PII masquées
        for e in doc.entities:
            print(e.text, e.category, round(e.confidence_score, 2))

for doc in client.recognize_entities(documents, language="fr"):   # Prebuilt NER
    if not doc.is_error:
        print([(e.text, e.category) for e in doc.entities])

2.2 Avec un LLM et les structured outputs#

Pour les sujets, les résumés au format imposé ou une extraction dont le schéma change souvent, on utilise un LLM avec la Responses API et un JSON schema strict : la réponse respecte toujours la forme demandée.

import json
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

project = AIProjectClient(endpoint="https://{ressource}.services.ai.azure.com/api/projects/{project}",
                          credential=DefaultAzureCredential())
openai = project.get_openai_client()

schema = {
    "type": "object",
    "properties": {
        "sujets":     {"type": "array", "items": {"type": "string"}},
        "entites":    {"type": "array", "items": {"type": "object",
                       "properties": {"texte": {"type": "string"}, "type": {"type": "string"}},
                       "required": ["texte", "type"], "additionalProperties": False}},
        "resume":     {"type": "string"},
        "sentiment":  {"type": "string", "enum": ["positif", "neutre", "négatif"]},
    },
    "required": ["sujets", "entites", "resume", "sentiment"],
    "additionalProperties": False,          # obligatoire en mode strict
}

response = openai.responses.create(
    model="gpt-5-mini",                     # nom du model deployment
    instructions="Tu analyses des réclamations clients. Résumé en deux phrases maximum, en français.",
    input=texte_masque,                     # texte déjà passé par la PII detection
    text={"format": {"type": "json_schema", "name": "analyse_reclamation", "strict": True, "schema": schema}},
)
analyse = json.loads(response.output_text)

Structured outputs garantit la forme, pas la vérité : une valeur peut être conforme au schéma et fausse. On valide par des règles métier et des evaluators (chapitre 04).

2.3 Combiner les deux#

3. Détecter le sentiment, le ton, les risques et le contenu sensible#

Le PII filter couvre notamment les données personnelles (e-mail, téléphone, adresse), financières (carte, IBAN, SWIFT), les identifiants nationaux et des secrets Azure (connection strings, clés de compte de stockage). En mode Annotate, la réponse contient detected, filtered et redacted.

4. Traduire du texte avec Azure Translator ou un LLM#

4.1 Les fonctions d'Azure Translator#

4.2 Un appel, trois moteurs#

Dans la version 2026-06-06, chaque élément de targets choisit son moteur avec deploymentName :

Règles d'examen :

• l'option LLM exige une Foundry resource et n'est pas disponible quand Translator est configuré avec un Private Endpoint ;
• allowFallback (vrai par défaut) bascule sur le système général si le modèle choisi ne prend pas en charge la paire de langues ; à false, le service renvoie une erreur ;
• limites par requête : 1 000 éléments de 50 000 caractères en NMT, 50 éléments de 5 000 caractères en LLM ;
• sans language, la langue source est détectée (detectedLanguage dans la réponse).

import requests
from azure.identity import DefaultAzureCredential

url = "https://{ressource}.cognitiveservices.azure.com/translator/text/translate?api-version=2026-06-06"
token = DefaultAzureCredential().get_token("https://cognitiveservices.azure.com/.default").token

body = {"inputs": [{
    "text": "Le médecin est disponible lundi prochain. Voulez-vous prendre rendez-vous ?",
    "language": "fr",
    "targets": [
        {"language": "en"},                                            # NMT (general)
        {"language": "es", "deploymentName": "gpt-51-traduction",      # LLM : ton et genre
         "tone": "formal", "gender": "female"},
    ],
}]}

r = requests.post(url, json=body, headers={"Authorization": f"Bearer {token}"})
for t in r.json()["value"][0]["translations"]:
    print(t["language"], t["text"])

4.3 Un flux de traduction entièrement piloté par LLM#

On peut aussi traduire avec un simple prompt sur un Foundry Model, par exemple pour réécrire dans un registre précis ou traduire et résumer en une étape. C'est le choix pertinent quand la traduction n'est qu'une étape d'un traitement génératif. Pour le volume, la prévisibilité du coût (au caractère) et la constance terminologique (Custom Translator, glossaires), Azure Translator reste la référence. Microsoft conseille de réserver le LLM aux cas qui demandent du ton, du style ou du contexte, et de laisser le trafic de masse sur NMT.

5. Personnaliser les sorties pour un domaine métier#

Exemples typiques : synthèse de conformité (résumer un contrat en signalant les clauses à risque selon une grille interne) et extraction métier (codes produits, numéros de police, clauses de résiliation).

Remplacer un service legacy (CLU, custom text classification, summarization) par un LLM : construire un jeu de test à partir des données existantes, comparer les deux, puis basculer ; les fonctions legacy restent supportées jusqu'au 31/03/2029.

Instructions (extrait) d'une synthèse de conformité
Tu es analyste conformité. À partir du contrat fourni :
1. Résume l'objet du contrat en 3 phrases maximum.
2. Liste chaque clause de la grille ci-dessous avec : présente / absente / non conforme, et la citation exacte.
3. Si une information manque, écris "non trouvé". N'invente jamais de clause.
Grille : durée, résiliation anticipée, pénalités, protection des données (RGPD), juridiction.

6. Speech to text et text to speech pour les agents#

6.1 Les modes de speech to text#

Démarche recommandée par Microsoft : mesurer le word error rate du modèle de base sur des enregistrements réels, puis ajouter une phrase list, et n'entraîner un custom speech model que si le WER reste trop élevé. Un modèle déployé reste figé jusqu'à ce que vous le mettiez à jour, même quand un nouveau modèle de base sort.

6.2 Le text to speech#

• Standard voices : voix neuronales prêtes à l'emploi, dont des voix multilingues et HD ; Voice Live annonce plus de 600 voix sur plus de 150 locales.
• SSML (Speech Synthesis Markup Language) : régler le débit, la hauteur, les pauses, la prononciation, le style.
• Custom voice et text-to-speech avatar : voir la section 7.5.

import azure.cognitiveservices.speech as speechsdk
from azure.identity import DefaultAzureCredential

# Entra ID : custom domain obligatoire, rôle Cognitive Services Speech User
config = speechsdk.SpeechConfig(token_credential=DefaultAzureCredential(),
                                endpoint="https://{custom-domain}.cognitiveservices.azure.com/")
config.speech_recognition_language = "fr-FR"

# Speech to text depuis le micro, avec une phrase list
recognizer = speechsdk.SpeechRecognizer(speech_config=config)
phrases = speechsdk.PhraseListGrammar.from_recognizer(recognizer)
phrases.addPhrase("Contoso")
phrases.addPhrase("Foundry IQ")
result = recognizer.recognize_once_async().get()
print(result.text)

# Text to speech avec SSML
ssml = """<speak version='1.0' xml:lang='fr-FR' xmlns='http://www.w3.org/2001/10/synthesis'>
  <voice name='en-US-AvaMultilingualNeural'>
    Votre dossier est validé. <break time='300ms'/> <prosody rate='-10%'>Avez-vous une autre question ?</prosody>
  </voice>
</speak>"""
synthesizer = speechsdk.SpeechSynthesizer(speech_config=config)
synthesizer.speak_ssml_async(ssml).get()

7. La voix comme modalité d'agent#

7.1 Cascade ou temps réel#

7.2 Voice Live API#

• Entièrement géré : pas de modèle audio à déployer, pas de capacité à planifier.
• Personnalisation : phrase list ou custom speech en entrée, custom voice en sortie.
• Tarification par niveau Pro, Standard ou Lite, déterminé par le modèle choisi (vous ne choisissez pas le niveau) ; repères : environ 10 jetons par seconde d'audio en entrée et 20 en sortie pour les modèles Azure OpenAI.
• Mode agent : Voice Live se connecte à un agent Foundry existant (agent_name, project_name, version et conversation_id optionnels) ; les instructions et les outils restent dans l'agent. Entra ID obligatoire pour ce mode.
• Variantes de données : gpt-realtime-datazone et -regional gardent invites et réponses dans la zone de données ou la région de la resource.

sequenceDiagram
    actor U as Utilisateur
    participant C as Client (navigateur, téléphone)
    participant V as Voice Live
    participant A as Agent Foundry
    participant T as Outil (fonction, MCP)
    C->>V: Ouvre la session (jeton Entra ID)
    V-->>C: session.updated
    U->>C: Parle
    C->>V: Audio en continu
    V->>V: Réduction de bruit, fin de tour
    V->>A: Tour utilisateur
    A->>T: Appel d'outil
    T-->>A: Résultat
    A-->>V: Réponse
    V-->>C: Audio de synthèse en continu
    U->>C: Interrompt
    C->>V: Nouvel audio
    V-->>C: Réponse coupée, nouveau tour

7.3 GPT Realtime API (Azure OpenAI)#

• Endpoint GA /openai/v1/realtime, sans paramètre api-version daté.
• Types de session : realtime (agent vocal), transcription (transcription en flux), et une translation session sur /openai/v1/realtime/translations.
• Modèles de transcription utilisables dans la session : gpt-4o-transcribe, gpt-4o-mini-transcribe, whisper-1 (et gpt-4o-transcribe-diarize dans Voice Live), avec un prompt de contexte (« termes attendus : Azure, Foundry »). Le Model retirement schedule annonce le retrait des modèles Azure OpenAI whisper, tts et tts-hd (version 001) le 15/12/2026 : préférer les modèles gpt-4o-* pour un nouveau projet.
• L'API n'est pas faite pour se connecter directement aux appareils : un client (WebRTC, téléphonie) termine le flux audio. Pas de clé longue durée dans le code du navigateur.

7.4 Foundry voice agents (preview)#

• On crée un nouvel agent avec Voice comme interaction mode (VoiceAgentDefinition en SDK) : un agent texte existant ne peut pas changer de mode ; on peut le réutiliser comme subagent (même project, pas dans un project isolé par VNet).
• model_type : managed (le service héberge le modèle) ou self_deployed (votre déploiement).
• Le definition regroupe instructions, voix (audio.output.voice), transcription, turn detection, réduction de bruit, greeting.
• store vaut false par défaut : à true, transcript, événements et audio brut sont conservés ensemble (consentement, rétention à prévoir).
• REST : en-tête Foundry-Features: VoiceAgents=V1Preview ; jeton Entra pour https://ai.azure.com/.default.

import os
from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import RealtimeServerEventError, RealtimeServerEventSessionUpdated
from azure.identity import DefaultAzureCredential

# pip install "azure-ai-projects[voice]>=2.7.0" azure-identity
with DefaultAzureCredential() as cred, AIProjectClient(endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
                                                       credential=cred, allow_preview=True) as project:
    with project.beta.voice_agents.realtime.connect(agent_name="agent-accueil-vocal", api_version="v1") as conn:
        while True:                                   # attendre que la session soit prête avant d'envoyer l'audio
            event = conn.recv(timeout=45)
            if isinstance(event, RealtimeServerEventError):
                raise RuntimeError(event.error.message)
            if isinstance(event, RealtimeServerEventSessionUpdated):
                print("Session vocale prête")
                break

7.5 Custom speech et custom voice#

L'examen cite explicitement les custom speech models (reconnaissance) ; la custom voice (synthèse) en est le pendant.

Pour une professional voice, le voice talent enregistre d'abord une déclaration de consentement ; pour une personal voice, le service génère un speakerProfileId à partir de ce consentement et de 5 à 90 secondes d'audio, et la voix parle environ une centaine de langues avec détection automatique. Le disclosure (dire à l'auditeur qu'il entend une voix de synthèse) fait partie des obligations d'IA responsable.

8. Raisonner sur des entrées audio#

import base64
from openai import AzureOpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider

token_provider = get_bearer_token_provider(DefaultAzureCredential(), "https://ai.azure.com/.default")
client = AzureOpenAI(azure_endpoint="https://{ressource}.openai.azure.com/", api_version="2025-01-01-preview",
                     azure_ad_token_provider=token_provider)

with open("appel-client.wav", "rb") as f:
    audio_b64 = base64.b64encode(f.read()).decode("utf-8")

completion = client.chat.completions.create(
    model="gpt-4o-mini-audio-preview",           # nom du déploiement audio
    modalities=["text"],                         # réponse texte seulement
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "Résume cet appel et indique si le client est satisfait."},
        {"type": "input_audio", "input_audio": {"data": audio_b64, "format": "wav"}},
    ]}],
)
print(completion.choices[0].message.content)

Piège : Microsoft indique que le système de content filtering ne s'applique pas aux invites et réponses traitées par les modèles audio comme Whisper. Si le contenu doit être filtré, transcrire puis appliquer Content Safety ou les guardrails au texte. En streaming avec l'audio en sortie, seul le format pcm16 est accepté.

9. Traduire la parole#

import azure.cognitiveservices.speech as speechsdk
from azure.identity import DefaultAzureCredential

cfg = speechsdk.translation.SpeechTranslationConfig(token_credential=DefaultAzureCredential(),
                                                    endpoint="https://{custom-domain}.cognitiveservices.azure.com/")
cfg.speech_recognition_language = "fr-FR"
cfg.add_target_language("en")
cfg.add_target_language("de")                       # deux langues cibles dans le même appel

recognizer = speechsdk.translation.TranslationRecognizer(translation_config=cfg)
result = recognizer.recognize_once_async().get()
print(result.text, result.translations["en"], result.translations["de"])

Au-delà de deux langues cibles, il faut une Foundry resource (multiservice) ou un service de traduction séparé, et chaque langue au-delà de la deuxième est facturée au caractère (tarif Translator). Piège : la synthèse vocale de la traduction (voice_name + événement synthesizing) ne fonctionne qu'avec une seule langue cible.

10. Labs conseillés#

Dans un abonnement de test, avec une Foundry resource et un project dédiés. Coût : jetons des modèles, caractères traduits, heures d'audio transcrites ou synthétisées, minutes de Voice Live ; un custom speech model facture aussi l'entraînement et l'endpoint hébergé. Supprimer le groupe de ressources à la fin.

1. PII puis JSON
   1. Dans Foundry, ouvrir le playground PII detection (texte), tester une réclamation contenant e-mail et téléphone.
   2. Exécuter le code de la section 2.1, puis celui de la section 2.2 sur le texte masqué.
   3. Attendu : redacted_text sans données personnelles, JSON toujours conforme au schéma, même avec un texte inhabituel.
2. Sentiment : service legacy contre LLM
   1. Analyser 10 avis clients avec Sentiment analysis (playground) puis avec le schéma de la section 2.2.
   2. Attendu : accord sur les cas simples, le LLM capte mieux l'ironie et le ton ; noter les écarts dans un tableau.
3. Translator : NMT, LLM et tonalité
   1. Déployer un modèle de type GPT dans la Foundry resource.
   2. Envoyer la requête de la section 4.2 avec une cible general et une cible LLM tone: formal.
   3. Attendu : en-têtes de facturation au caractère pour NMT, au jeton pour le LLM ; formulation plus soutenue avec le LLM.
4. Transcription : fast, LLM Speech, phrase list
   1. Transcrire le même enregistrement avec la fast transcription par défaut, puis avec LLM speech dans le playground Speech to text, en ajoutant des instructions.
   2. En temps réel, ajouter une phrase list avec des noms propres mal reconnus.
   3. Attendu : les noms propres sont mieux reconnus ; la sortie LLM speech suit les consignes.
5. Agent vocal
   1. Créer un agent avec l'interaction mode Voice (preview), une voix standard, un greeting.
   2. Lui parler depuis le portail, l'interrompre en cours de réponse.
   3. Attendu : la réponse s'arrête à l'interruption ; le traçage montre turn detection, appel du modèle et audio de sortie.

11. Pièges d'examen#

12. Scénarios d'entraînement#

1. Un assureur reçoit 50 000 e-mails de réclamation par jour. Il veut un JSON avec le type de sinistre, le n° de police, un résumé et le sentiment, sans exposer les données personnelles au modèle.

PII detection d'Azure Language sur chaque e-mail, puis un LLM avec structured outputs (schéma strict, enum pour le sentiment). Le n° de police, catégorie métier stable, peut venir d'un Custom NER. Evaluations sur un échantillon annoté.

2. Une équipe utilise Key phrase extraction et Summarization d'Azure Language. Doit-elle tout réécrire demain ?

Non : ces fonctions legacy restent supportées jusqu'au 31 mars 2029. Planifier la migration vers des Foundry Models : jeu de test, comparaison, bascule. Les nouveaux projets partent directement sur un LLM.

3. Un site de e-commerce traduit ses fiches produits en 12 langues ; le service marketing veut un ton informel en espagnol et la terminologie maison partout.

Translator 2026-06-06 : NMT (general) pour le volume, cible LLM avec tone: informal pour l'espagnol, et adaptive custom translation (adaptiveDatasetId) pour la terminologie. Vérifier que la resource n'est pas derrière un Private Endpoint, sinon l'option LLM est indisponible.

4. Un cabinet juridique veut traduire des contrats Word en gardant la mise en page, un document à la fois, avec son glossaire.

Document translation synchronous avec un fichier de glossaire : pas de stockage Blob, structure préservée.

5. Un centre d'appels veut des transcriptions et une analyse de satisfaction de tous les appels de la veille.

Batch transcription depuis le conteneur d'enregistrements, puis un LLM avec un schéma JSON (sentiment, motif, résolution). Masquer les PII des transcriptions (PII detection en mode conversation).

6. Un hôpital constate que les noms de médicaments sont mal transcrits par la dictée vocale.

Mesurer le WER sur de vrais enregistrements ; ajouter une phrase list ; si insuffisant, entraîner un custom speech model avec le vocabulaire médical et des audios annotés, puis le déployer sur un endpoint personnalisé.

7. Une banque veut un agent vocal de support : faible latence, interruptions naturelles, accès aux outils de son agent texte existant, appels téléphoniques entrants.

Un Foundry voice agent (preview) avec téléphonie intégrée (Teams Phone ou Twilio), l'agent texte existant réutilisé comme subagent dans le même project ; ou, pour une solution GA, Voice Live connecté à l'agent texte (Entra ID obligatoire).

8. Une application mobile de voyage doit traduire en direct une conversation entre deux personnes qui changent de langue.

Live Interpreter : pas de langue d'entrée à fixer, changement de langue géré, voix naturelle ; la personal voice demande un accès sur formulaire.

9. Un éditeur veut que sa mascotte ait une voix unique dans son assistant.

Professional voice (custom voice) : demande d'accès Limited Access, déclaration de consentement du voice talent, 300 à 2 000 phrases enregistrées, déploiement sur un endpoint ; informer les utilisateurs qu'il s'agit d'une voix de synthèse.

10. Un développeur web veut connecter son navigateur à gpt-realtime pour une démo vocale.

WebRTC (latence la plus faible côté client), endpoint GA /openai/v1 ; ne pas mettre de clé longue durée dans le code du navigateur.

13. Pour aller plus loin#

• Azure Language agents (preview) : Intent Routing agent et Exact Question Answering agent pour des réponses mot pour mot aux questions critiques, avec supervision humaine.
• Conteneurs : Sentiment analysis, Language detection, Key phrase extraction, Custom NER, Text analytics for health, Summarization et PII existent en conteneurs Docker pour garder les données sur site ; Speech et Translator aussi.
• Text-to-speech avatar : vidéo d'un avatar photoréaliste synchronisée avec la voix, en temps réel ou en lot ; l'avatar personnalisé est en Limited Access.
• Pronunciation assessment : retour sur la précision et la fluidité de prononciation, pour l'apprentissage des langues.
• Video translation et captioning : sous-titres synchronisés, filtres d'injures, résultats partiels.
• Microsoft Translator Pro : application mobile de traduction parole à parole, avec des langues utilisables hors ligne.

14. Fiche à retenir#

• Foundry Tool pour le normé (PII, NER, langue, traduction de masse, transcription) ; LLM pour comprendre et reformuler ; souvent les deux.
• Azure Language core : PII, Language detection, Prebuilt NER, Custom NER, Text analytics for health.
• Legacy, retrait 31/03/2029 : Sentiment/opinion mining, Key phrases, Summarization, Entity linking, CQA, CLU, Custom text classification.
• Structured outputs : text.format json_schema, strict: true, additionalProperties: false ; la forme, pas la vérité.
• PII : PII detection (entrée, redacted_text) vs guardrail PII filter (sortie, Annotate / Annotate and Block).
• Translator 2026-06-06 : deploymentName = general (NMT, au caractère), {categoryID} (Custom Translator), LLM (au jeton, tone, gender, adaptive).
• LLM dans Translator : Foundry resource requise, pas avec un Private Endpoint, 50 éléments de 5 000 caractères.
• Document translation : sync (un fichier + glossaire, sans Blob) ou async (Blob source et cible).
• STT : real-time (flux), fast (synchrone, < 2 h et 300 Mo), batch (asynchrone, stockage), LLM Speech (enhanced, prompt, translate).
• Custom speech : WER, endpoint personnalisé ; d'abord une phrase list.
• Speech + Entra : custom domain et Cognitive Services Speech User ; SpeechConfig(token_credential=…, endpoint=…).
• Voice Live : STT + modèle + TTS gérés, bruit, écho, fin de tour ; mode agent = Entra ID ; niveaux Pro, Standard, Lite selon le modèle.
• Foundry voice agent (preview) : kind: voice, managed ou self_deployed, téléphonie, store false par défaut.
• Realtime API : WebRTC (client), WebSocket (serveur), SIP (téléphonie) ; endpoint /openai/v1.
• Custom voice : Limited Access, consentement ; professional (300 à 2 000 phrases), personal (5 à 90 s), lite (démo).
• Audio en entrée : input_audio (audio completions) ; pas de content filtering sur les modèles audio comme Whisper.
• Traduction de la parole : Speech translation (2 cibles, 10 langues candidates), Live Interpreter, LLM Speech translate, Realtime translation session.

Références#

Toutes lues le 21/10/2026 sur Microsoft Learn :

• Guide d'étude de l'examen AI-103 (en anglais)
• What is Azure Language in Foundry Tools?
• Microsoft Foundry SDKs and endpoints (Foundry Tools SDKs, retraits du 31/03/2029)
• What is custom text classification?
• What are sentiment analysis and opinion mining?
• What is summarization?
• What is PII detection in Azure Language?
• Quickstart: Detect personally identifiable information (PII)
• Azure Text Analytics client library for Python
• Personally identifiable information (PII) filter
• How to configure guardrails and controls in Microsoft Foundry
• Migrate from Azure OpenAI to the Responses API (structured outputs)
• What is Azure Translator in Foundry Tools?
• What is Azure text translation in Microsoft Foundry?
• Text translation REST API 2026-06-06
• Translate (2026-06-06)
• Azure Translator adaptive custom translation
• Translator authentication and authorization
• What's new in Azure Translator?
• What is Azure Speech?
• What is speech to text?
• Use the fast transcription API
• Create a batch transcription
• Azure LLM Speech for transcription and translation
• What is custom speech?
• Improve recognition accuracy with phrase list
• Microsoft Entra authentication with the Speech SDK
• How to synthesize speech from text (SSML)
• Voice Live API for real-time voice agents
• Quickstart: Voice Live with Foundry Agent Service
• How to use the Voice Live API
• Migrate from Voice Live with Foundry Agent Service to Microsoft Foundry voice agents
• Use the GPT Realtime API for speech and audio
• Use the GPT Realtime API via WebRTC
• Use the GPT Realtime API via SIP
• Audio capabilities in Azure OpenAI
• Quickstart: Get started with Azure OpenAI audio generation
• What is custom voice?
• Custom voice lite
• What is personal voice for text to speech?
• Limited Access to custom neural voice
• What is speech translation? (Live Interpreter)
• How to recognize and translate speech