この間のBuilに合わせてCognitive Servicesのアップデートがありました。

• New Cognitive Services capabilities are now generally available

その中でニューラル音声によるテキスト読み上げ（Text to Speech）で対応ロケールが増えたという項目があり、見てみたら日本語もニューラル音声が増えていたので試してみました。（ちょっと前に仕事で触ったこともあり）

サンプルソースはこんな感じです。

• https://gist.github.com/buchizo/d61b4301851bb7414b1dcbcf7179d0ae

設定で「SpeechSynthesisVoiceName」に対象音声をそれぞれ指定しているぐらいの差です。
これまでの通常音声は日本語だと3種類あってそのうちの1つ「ja-JP-HarukaRUS」を、ニューラル音声のほうでは「ja-JP-NanamiNeural」を指定します。

• 音声サービスの言語と音声のサポート

というわけで適当な文章を読み上げさせてみます。

• ノーマル音声
• ニューラル音声

サンプル文に難はありそうですが、文全体として結構自然な感じになったと思いませんか？
裏側はCognitive Servicesなので対象テキストと音声データが常にネットワーク上に流れるのでそのあたりは考慮しないといけませんが。（そのうちContainer対応するのを期待）

OS標準のナレーターなどもニューラル音声に代わってほしいですね。