変更要約: 各節に図（figure）を追加＝cert-figure-retrofit。AI-103 第5章に音声ソリューションの節(s3)を追加（公式テキスト分析ドメインの「音声」サブ領域＝STT/TTS、エージェントの音声モダリティ、カスタム音声/カスタムニューラルボイス、音声からのマルチモーダル推論、音声翻訳）。既存 s1(Azure AI Language)・s2(翻訳/カスタム言語モデル)は非破壊で維持
5.2翻訳とカスタム言語モデル
テキストの翻訳（Azure AI Translator）、事前構築で足りないときのカスタム（会話言語理解 CLU・カスタム分類・カスタム NER）、および生成プロンプトによる柔軟な分析の使い分けを理解します。
テキストを別言語へ変換するには Azure AI Translator を使います。事前構築機能で要件を満たせない場合は、カスタム を検討します。チャットボット等でユーザーの意図（intent）とエンティティを抽出するには 会話言語理解（CLU）、自社カテゴリへの分類には カスタム分類、自社固有の固有表現抽出には カスタム NER を、自社データで学習して使います。さらに近年は、生成プロンプト で「この文から要点・トピック・感情を抽出して」と柔軟に分析させる方法も有力で、定義済みカテゴリに縛られない利点があります。
頻出：
①「別言語へ変換」＝Azure AI Translator（言語検出とは別）。
②チャットの意図とエンティティ＝CLU。
③自社カテゴリへの分類＝カスタム分類、自社固有の抽出＝カスタム NER（自社データで学習）。
④定義済みカテゴリに縛られず柔軟に要点/トピック/感情を抽出＝生成プロンプト。
混同・注意：
①言語検出（何語か）とTranslator（別言語へ変換）は別。
②CLU（意図＋エンティティ）と単なる感情分析/NERを取り違えない。
③カスタムは自社データの学習・評価が必要——事前構築や生成プロンプトで足りるなら過剰投資を避ける。
④生成プロンプトは柔軟だがハルシネーションに注意（根拠付け・評価と併用）。
