以最高达 2x 的速度转录 25 种新语言。 LLM Speech 09-2026 将 Azure AI Speech 扩展到 25 种额外语言——包括 11 种印度语言——同时缩短处理时间。无论你是在构建语音代理、字幕系统还是联络中心分析，你的多语言工作流如今都变得更快、更准确，并建立在 LLM Speech 2607 中引入的多语言和短语列表改进之上。

设想在科威特的一次临床问诊中，医生说阿拉伯语，患者用印地语回应，而记录用英语完成——LLM Speech 能在一次转录调用中处理所有这一切。

通过 Fast API 访问的 Azure LLM Speech 服务能更快地提供准确的转录，并且(模型将被更新为默认)，从而增强语音代理、会议转录、联络中心分析或媒体字幕场景。

立即在 Foundry Playground(Azure Speech – Speech to Text) 中试用，或查看我们 公开文档 中的 REST API 和 SDK 选项。

本次发布的改进

** 更广泛的语言覆盖**

LLM Speech 09-2026 模型扩展了支持的语言，包括额外的印度语言覆盖，因此更多对话可以进入同一转录工作流。这支持了说话者不仅在一段音频输入中说多种语言，还说同一语言的不同地区变体(即英式英语、美式英语和印度英语)的客户场景。例如，我们的模型现在能更好地处理科威特的一份临床转录，其中医生和患者混合使用阿拉伯语、印地语和印度英语。

新的印度语言区域：阿萨姆语、孟加拉语、古吉拉特语、卡纳达语、马拉雅拉姆语、马拉地语、奥迪亚语、旁遮普语、泰米尔语、泰卢固语、乌尔都语。其他新语言包括：加泰罗尼亚语、马来语和威尔士语。请参阅 语言和区域支持 以获取覆盖 60+ 个语言区域的 50 种语言的完整列表。

** 改进的识别质量**

在 2607 的基础上，内部评估显示在本次 09-2026 发布中，在 GigaSpeech 和 VoxPopuli 等内部和公开基准上，令牌错误率最高提升 25%，实体错误率指标提升 37%，在财务场景中尤其体现在收益领域实体上。

** 更快的处理**

LLM Speech 09-2026 的处理速度比 2607 最高快 2x，为高容量和时间敏感的工作负载更早返回转录，特别是在高并发(即同时多个流)下处理短音频(5-10 second长度)时。

** 对静音和空音频的稳健性**

持续的质量工作有助于确保静音不被当作内容，减少幻觉，从而使下游应用获得更干净的输出。

为真实对话构建的多语言转录

许多对话场景遵循多语言设置。客户可能以英语开始，切换到西班牙语解释某个细节，然后再回到英语。LLM Speech 默认使用多语言模式：当文件包含多种受支持的语言时，省略区域提示。区域提示对真正单语言的音频有用，但它不是强制识别混合语言对话的方式。

使用 cURL 调用 REST API

curl --location 'https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions:transcribe?api-version=2025-10-15'
--header 'Content-Type: multipart/form-data'
--header 'Ocp-Apim-Subscription-Key: <YourSpeechResourceKey>'
--form 'audio=@"YourAudioFile.wav"'
--form 'definition={
  "enhancedMode": {
    "enabled": true,
    "task": "transcribe",
    "prompt": ["Output must be in lexical format."]
  },
  "diarization": {
    "maxSpeakers": 2,
    "enabled": true
  },
  "phraseList":{
    "phrases":["Kenichi Kumatani","John McDonough"]
  },
  "locales":[en-in, gu-in, en-us],
  "profanityFilterMode": "Masked"
}'

在向转录端点发出的 POST 请求中，使用 multipart/form-data 内容类型携带音频文件和请求正文属性。

以下示例展示了如何转录指定语言区域的音频文件。如果你知道音频文件的语言区域，可以指定它来提高转录准确性并最小化延迟。

• 将 YourSpeechResoureKey 替换为你的 Speech 资源密钥。
• 将 YourResourceName 替换为你的 Speech 资源名称。
• 将 YourAudioFile 替换为你的音频文件路径。

你可以在不指定语言区域代码的情况下转录输入语言的音频。模型会根据音频内容自动检测并选择适当的语言。

你可以将额外配置选项与 快速转录 结合使用，以启用增强功能，例如说话人分离、phraseList、语言区域、profanityFilterMode 和声道。

提示：与短语列表搭配使用

对于产品名称、首字母缩略词和领域术语，请向你的请求添加短语列表。LLM Speech 通过专用 phraseList 参数支持最多 2,000 个短语。了解如何将短语列表与 LLM Speech 在我们的文档中 搭配使用。

可用性

LLM Speech 09-2026 可通过 Fast Transcription API 使用。

开始使用

LLM Speech 09-2026 发布是我们持续投入使语音 AI 更准确、多语言且高效的最新一步。客户无需采取任何操作；此更新将在服务端自动部署。

立即通过 REST API、SDK 或在 Foundry Playground (Azure Speech – Speech to Text) 中试用。 浏览我们的文档：

• LLM Speech 概述
• 使用快速转录 API
• API 迁移和请求配置

文章 宣布 Azure AI Speech LLM 09-2026：更广泛的语言区域支持 首次出现在 Microsoft Foundry 博客。