自推出以来，被广泛应用到有声读物、在线教育、车载语音助手等领域。
HiFiNet是微软神经网络版语音合成技术中新的声音编码器，是决定音频质量的关键因素。
根据行业公认的、专业评估语音自然度的MOS测试结果显示，由HiFiNet声码器合成的语音音质可与用于训练的真人录音样本相媲美，并同时改善毛刺、噪音等音频质量问题，输出的音质具备更高保真度，更大程度还原真人录音。
与微软上一代声码器相比，微软HiFiNet声码器合成的音质更高。
语音质量的优劣会直接影响收听者的感受，为提升用户收听的舒适度，在Azure语音合成系统中，神经网络声学模型基于深度学习网络，使用真人录音作为原始数据进行迭代训练。
首先，提取真人录音的声学特征。
然后，利用真人录音的声学特征自动生成两组音频：一组真实声波(原始录音)和一组伪波(合成声波)。
最后，由鉴别器区分真实声波和伪波。
随着训练次数的增多，声波生成器也会愈发“聪明”，直至生成鉴别器也无法区分的伪波，这意味着机器合成的声音已经和原始录音相差无几，从而给用户带来更贴近自然的体验。
采样率越高，声音还原越真实。
Azure神经网络版语音合成声学模型默认每秒钟采样24,000次 (24千赫兹)，为还原特殊场景中更为复杂、细微的声音内容，HiFiNet声码器每秒钟采样48,000次(48千赫兹)，满足用户对语音质量的严格要求，让用户尽享高清语音体验。
除语音质量外，HiFiNet合成速度较之其他模型也有显著的提升，进一步提升了语音合成的实时率。
据RTF(Real Time Factor，实时率，用来测量语音合成速度的工具)测试结果显示，HiFiNet在GPU设备上运行的速度是第一代高性能声码器的3倍，在CPU设备上运行的速度是第一代高性能声码器的2倍。
目前，内置HiFiNet声码器的Azure认知服务神经网络版语音合成服务已支持超过70多个国家和地区的语言，提供超过170个自然逼真的音色供开发者选择。
(原标题：微软语音合成技术升级编码器 效果以假乱真)