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
5.3音声ソリューションの実装
公式テキスト分析ドメインに含まれる「音声」を扱います。Azure AI Speech による音声↔テキスト（STT/TTS）、エージェントの音声モダリティとカスタム音声、音声からのマルチモーダル推論、音声翻訳を開発者の視点で理解します。
公式の「テキスト分析」ドメインには 音声 も含まれます。会話型のエージェントを声で操作させたい、議事録を音声から起こしたい、といった要件に応えるのが Azure AI Speech（Foundry Tools）です。開発者は STT／TTS の API を呼び、必要なら音声をエージェントのモダリティとして組み込みます。
5.3.1音声 ↔ テキスト（STT / TTS）
基本は2方向です。音声認識（STT, speech-to-text） は話した音声をテキストに変換します（文字起こし・音声入力）。音声合成（TTS, text-to-speech） はテキストを音声に変換します（読み上げ・音声応答）。エージェントを声で対話させるときは、ユーザーの発話を STT でテキスト化→生成/エージェントで処理→応答を TTS で読み上げ、という流れで音声を入出力のモダリティにします。
5.3.2エージェントの音声モダリティとカスタム音声
汎用モデルで認識精度が足りない場合は カスタム音声（カスタム音声モデル） を使います。専門用語・製品名・なまり・雑音環境に合わせて認識を適応させられます。一方、ブランド独自の声で読み上げたい場合は カスタムニューラルボイス（合成側のカスタム）を使います。認識側のカスタム（STT を適応）と合成側のカスタム（独自の声を作る）は別物である点に注意します。