Vereinheitlichter Sprachdienst für Spracherkennung, Sprachsynthese und Sprachübersetzung
Die vereinheitlichten Sprachdienste bieten eine große Bandbreite von Funktionen zur Spracherkennung und -generierung, einschließlich Sprachtranskription, Text-zu-Sprache und Sprachübersetzung. Der Sprachdienst bietet eine große Bandbreite von Funktionen zur Spracherkennung und -generierung, einschließlich Sprachtranskription, Text-zu-Sprache, Sprachübersetzung und Sprecher*innenerkennung.
Preisoptionen entdecken
Sie können die Preisoptionen mit Filtern anpassen.
Preise sind nur Schätzungen und nicht als tatsächliche Preisangebote vorgesehen. Die tatsächlichen Preise können je nach Art des mit Microsoft eingegangenen Vertrags, dem Kaufdatum und dem Wechselkurs variieren. Die Preise werden auf der Grundlage des US-Dollars berechnet und anhand der Londoner Schlusskassakurse umgerechnet, die an den beiden Geschäftstagen vor dem letzten Geschäftstag des vorangegangenen Monatsendes erfasst werden. Wenn die beiden Geschäftstage vor dem Monatsende auf einen Bankfeiertag in wichtigen Märkten fallen, ist der Tag der Kursfeststellung in der Regel der Tag, der den beiden Geschäftstagen unmittelbar vorausgeht. Dieser Kurs gilt für alle Transaktionen im kommenden Monat. Melden Sie sich beim Azure-Preisrechner an, um die Preise basierend auf Ihrem aktuellen Programm/Angebot mit Microsoft anzuzeigen. Wenden Sie sich an einen Azure-Vertriebsspezialisten, um weitere Informationen zu den Preisen zu erhalten oder ein Preisangebot anzufordern. Siehe häufig gestellte Fragen zu Azure-Preisen.
US-amerikanische Regierungsbehörden sind für den Erwerb von Azure Government-Diensten von einem Lizenzlösungsanbieter qualifiziert, ohne dass vorab eine finanzielle Verpflichtung eingegangen werden muss. Alternativ kann Azure Government auch direkt über ein Onlineabonnement mit nutzungsbasierter Bezahlung bezogen werden.
Wichtig: Der Preis in R$ dient lediglich als Referenz; hierbei handelt es sich um eine internationale Transaktion; der Endpreis unterliegt Wechselkursen und der Berücksichtigung von IOF-Steuern. eNF wird nicht ausgegeben.
US-amerikanische Regierungsbehörden sind für den Erwerb von Azure Government-Diensten von einem Lizenzlösungsanbieter qualifiziert, ohne dass vorab eine finanzielle Verpflichtung eingegangen werden muss. Alternativ kann Azure Government auch direkt über ein Onlineabonnement mit nutzungsbasierter Bezahlung bezogen werden.
Wichtig: Der Preis in R$ dient lediglich als Referenz; hierbei handelt es sich um eine internationale Transaktion; der Endpreis unterliegt Wechselkursen und der Berücksichtigung von IOF-Steuern. eNF wird nicht ausgegeben.
Free (F0)
Kategorie | Merkmale | Preis |
---|---|---|
Spracherkennung (Abrechnung pro Sekunde) |
Standard | 5 Audiostunden kostenlos pro Monat3 |
Benutzerdefiniert |
5 Audiostunden kostenlos pro Monat3 Endpunkthosting: 1 kostenloses Modell pro Monat1 |
|
Unterhaltungstranskription (Mehrkanalaudio) VORSCHAU | 5 Audiostunden kostenlos pro Monat | |
Sprachsynthese (Abrechnung pro Zeichen) |
Neuronal | 0.5 million kostenlose Zeichen pro Monat |
Sprachübersetzung (Abrechnung pro Sekunde) |
Standard | 5 Audiostunden kostenlos pro Monat |
Sprecher*innenerkennung (Abrechnung pro Transaktion) |
Sprecher*innenüberprüfung2 | 10,000 kostenlose Transaktionen pro Monat |
Sprecher*innenidentifizierung2 | 10,000 kostenlose Transaktionen pro Monat | |
Voiceprofilspeicher | 10,000 kostenlose Transaktionen pro Monat |
Im Voraus bezahlen: Bezahlen Sie nur für das, was Sie verwenden.
Kategorie | Preis | |
---|---|---|
Spracherkennung (Abrechnung pro Sekunde) |
Standard |
Echtzeittranskription: $- pro Stunde Schnelle Transkription: $- pro Stunde9 Batchtranskription: $- pro Stunde1 |
Benutzerdefiniert |
Echtzeittranskription: $- pro Stunde Batchtranskription: $- pro Stunde1 Endpunkthosting: $- pro Modell und Stunde Training für Custom Speech5: $- pro Computestunde |
|
Erweiterte Add-On-Features:
|
Echtzeit: $- pro Stunde pro Feature Batch (Kontinuierliche Sprachidentifikation, Diarisierung): In Standard/Benutzerdefiniert enthalten (ohne zusätzliche Kosten) |
|
Unterhaltungstranskription (Mehrkanalaudio) VORSCHAU | $- pro Stunde2 | |
Sprachübersetzung (Abrechnung pro Sekunde) |
Echtzeit-Sprachübersetzung | $- pro Audiostunde3 |
VideoübersetzungVorschau |
Batch: $- pro Ausgabevideominute Inhaltsbearbeitung: $- pro Ausgabevideominute Personal Voice: $- pro Ausgabevideominute |
|
Text-to-Speech8 | Standardstimme |
Neural (real-time and batch): $- pro 1 Million Zeichen Neural HD (real-time and batch)4: $- pro 1 Million Zeichen |
Custom Voice |
Professionelle Stimme:
Synthesis (real-time and batch): $- per 1M characters
Sprachmodelltraining: $- pro Computestunde, bis zu $- pro Schulung Endpunkthosting: $- pro Modell und Stunde |
|
Personal Voice6:
Synthesis (real-time and batch): $- per 1M characters
Spracherstellung: kostenlos Sprachprofilspeicher: $- pro 1.000 Sprachprofile pro Monat |
||
Erweitertes Add-On-Feature: Avatar | Standard: $- pro Minute | |
Benutzerdefiniert:
Avatar model training: $- pro Computestunde
Interactive avatar (real-time): $- per minute Avatar video (batch): $- per minute Endpunkthosting: $- pro Modell pro Stunde |
||
Sprecher*innenerkennung (Abrechnung pro Transaktion) |
Sprecher*innenüberprüfung7 | $- pro 1,000 Transaktionen |
Sprecher*innenidentifizierung7 | $- pro 1,000 Transaktionen | |
Voiceprofilspeicher | $- pro 1,000 Sprachprofilen (10,000 kostenlose Stimmprofile pro Monat) |
Mindestabnahmen – Azure – Standard
Kategorie | Merkmale | Preis (pro Monat) | Überschreitung |
---|---|---|---|
Spracherkennung | Standard | $- für 2,000 Stunden | $- pro Stunde |
$- für 10,000 Stunden | $- pro Stunde | ||
$- für 50,000 Stunden | $- pro Stunde | ||
Benutzerdefiniert | $- für 2,000 Stunden | $- pro Stunde | |
$- für 10,000 Stunden | $- pro Stunde | ||
$- für 50,000 Stunden | $- pro Stunde | ||
Erweiterte Add-On-Features:2
|
$- für 2,000 Stunden | $- pro Stunde | |
$- für 10,000 Stunden | $- pro Stunde | ||
$- für 50,000 Stunden | $- pro Stunde | ||
Text-to-Speech | Neuronal1 | $- für 80 Million(en) Zeichen | $- pro 1 Million(en) Zeichen |
$- für 400 Million(en) Zeichen | $- pro 1 Million(en) Zeichen | ||
$- für 2,000 Million(en) Zeichen | $- pro 1 Million(en) Zeichen |
1This includes both real-time synthesis and batch synthesis with prebuilt non-HD and non-AOAI neural voices. HD voices, AOAI voices, Custom Neural Voice and Personal Voice are not included.
2Nur Spracherkennung in Echtzeit, kontinuierliche Sprachidentifikation und Add-On-Features für die Diarisierung, die in Batch-Spracherkennung enthalten sind.
Mindestabnahmen – Verbundener Container
Kategorie | Merkmale | Preis (pro Monat) | Überschreitung |
---|---|---|---|
Spracherkennung2 | Standard | $- für 2,000 Stunden | $- pro Stunde |
$- für 10,000 Stunden | $- pro Stunde | ||
$- für 50,000 Stunden | $- pro Stunde | ||
Benutzerdefiniert | $- für 2,000 Stunden | $- pro Stunde | |
$- für 10,000 Stunden | $- pro Stunde | ||
$- für 50,000 Stunden | $- pro Stunde | ||
Erweiterte Add-On-Features:2
|
$- für 2,000 Stunden | $- pro Stunde | |
$- für 10,000 Stunden | $- pro Stunde | ||
$- für 50,000 Stunden | $- pro Stunde | ||
Text-to-Speech | Neuronal1 | $- für 80 Million(en) Zeichen | $- pro 1 Million(en) Zeichen |
$- für 400 Million(en) Zeichen | $- pro 1 Million(en) Zeichen | ||
$- für 2,000 Million(en) Zeichen | $- pro 1 Million(en) Zeichen |
1This includes real-time synthesis with prebuilt non-HD and non-AOAI neural voices. HD voices, AOAI voices, and custom voices (both professional and personal voices) are not included. Batch synthesis is not included.
2Die Preise gelten für Echtzeit- und Batch-Anwendungsfälle. Es gibt keine separaten Batchpreise für Container.
Informationen zu Tarifen mit Mindestabnahmen finden Sie in der Dokumentation.
Mindestabnahmen – Getrennter Container
Registrieren Sie sich, um auf Sprache in getrennten Containern zuzugreifen, oder sehen Sie sich weitere Informationen an
Kategorie | Merkmale | Preis (pro Jahr) | Maximale Nutzung (pro Jahr) | Voraussichtliche Nutzung (pro Monat) |
---|---|---|---|---|
Spracherkennung2 | Standard |
$-
$- Registrieren Sie sich, um Zugriff zu erhalten. Weitere Informationen |
120.000 Stunden
600.000 Stunden |
10.000 Stunden
50.000 Stunden |
Benutzerdefiniert |
$-
$- Registrieren Sie sich, um Zugriff zu erhalten. Weitere Informationen |
120.000 Stunden
600.000 Stunden |
10.000 Stunden
50.000 Stunden |
|
Erweiterte Add-On-Features:
|
$-
$- |
120.000 Stunden
600.000 Stunden |
10.000 Stunden
50.000 Stunden |
|
Text-to-Speech | Neuronal1 |
$-
$- Registrieren Sie sich, um Zugriff zu erhalten. Weitere Informationen |
4,8 Mrd. Zeichen
24 Mrd. Zeichen |
400 Mio. Zeichen
2.000 Mio. Zeichen |
1This includes real-time synthesis with prebuilt non-HD and non-AOAI neural voices. HD voices, AOAI voices, and custom voices (both professional and personal voices) are not included. Batch synthesis is not included.
2Die Preise gelten für Echtzeit- und Batch-Anwendungsfälle. Es gibt keine separaten Batchpreise für Container.
Diese Funktionen sind veraltet und können nur von vorhandenen Kunden verwendet werden. Überprüfen Sie die Details, und erfahren Sie, wie Sie sie zu neuen Features migrieren.
Instanz | Kategorie | Merkmale | Preis |
---|---|---|---|
Kostenlos - Web/Container 1 gleichzeitige Anforderung |
Text-to-Speech | Standard | 5 million kostenlose Zeichen pro Monat |
Benutzerdefiniert |
5 million kostenlose Zeichen pro Monat Endpunkthosting: 1 kostenloses Modell pro Monat |
||
Standard – Web/Container 100 gleichzeitige Anforderungen für das Basismodell 20 gleichzeitige Anforderungen für das benutzerdefinierte Modell |
Text-to-Speech | Standard | $- pro 1 Million Zeichen |
Benutzerdefiniert |
$- pro 1 Million Zeichen Endpunkthosting: $- pro Modell und Stunde |
Azure-Preise und -Kaufoptionen

Direkten Kontakt aufnehmen
Erhalten Sie eine Übersicht über die Azure-Preise. Informieren Sie sich über die Preise für Ihre Cloudlösung und die Möglichkeiten zur Kostenoptimierung, und fordern Sie ein individuelles Angebot an.
Sprechen Sie mit einem VertriebsspezialistenKaufoptionen
Erwerben Sie Azure-Dienste über die Azure-Website, einen Microsoft-Vertreter oder einen Azure-Partner.
Optionen kennenlernenZusätzliche Ressourcen
Azure KI Speech
Hier erhalten Sie weitere Informationen zu den Features und Funktionen von Azure KI Speech.
Preisrechner
Kalkulieren Sie Ihre erwarteten monatlichen Kosten für eine beliebige Kombination von Azure-Produkten.
Dokumentation
Hier finden Sie technische Tutorials, Videos und weitere Ressourcen zu Azure KI Speech.
Häufig gestellte Fragen
-
- Für Spracherkennung und Sprachübersetzung wird die Nutzung in Inkrementen von einer Sekunde abgerechnet.
- Für Sprachsynthese: Die Nutzung wird pro Zeichen abgerechnet. Überprüfen Sie die Definition eines Zeichens im Preishinweis.
- Für benutzerdefiniertes neuronales Sprachhosting: Die Nutzung wird pro Endpunkt pro Sekunde abgerechnet. Details finden Sie im Preishinweis.
- Für persönlichen Sprachprofilspeicher: Die Nutzung wird pro Sprachprofil pro Tag abgerechnet. Details finden Sie im Preishinweis.
- Für Text-to-Speech-Avatar wird die Nutzung pro Sekunde abgerechnet.
- Für Spracherkennung und Sprachsynthese (einschließlich Avatar) wird das Endpunkthosting für benutzerdefinierte Modelle pro Sekunde und Modell abgerechnet.
-
Der Sprachdienst ermöglicht die Anpassung von Grundmodellen auf Grundlage eigener Audio- und Sprachdaten, wodurch benutzerdefinierte Sprachmodelle geschaffen werden, die sowohl für die Spracherkennung als auch für die Sprachübersetzung verwendet werden können.
-
Das Sprachmodell ist eine Wahrscheinlichkeitsverteilung über eine Sequenz von Wörtern. Mithilfe des Sprachmodells kann das System aus verschiedenen ähnlich klingenden Wortsequenzen die richtige Sequenz auswählen, basierend auf der Wahrscheinlichkeit der Wortsequenzen selbst. Die englischen Sequenzen „recognize speech“ und „wreck a nice beach“ z.B. klingen ähnlich, das Auftreten der ersten Sequenz ist jedoch weitaus wahrscheinlicher und erhält daher im Sprachmodell einen höheren Rang. Wenn Sie erwarten, dass Ihre Anwendung Sprachabfragen mit einem ganz bestimmten Vokabular verarbeiten muss, beispielsweise mit Produktnamen oder Fachtermini, die im allgemeinen Sprachgebrauch selten vorkommen, können Sie durch Anpassung des Sprachmodells wahrscheinlich eine bessere Leistung erzielen. Ein Beispiel: Sie entwickeln eine App zum Durchsuchen von MSDN per Spracheingabe. Dabei ist es sehr wahrscheinlich, dass Begriffe wie „objektorientiert“, „Namespace“ oder „Dotnet“ häufiger vorkommen als in anderen Spracherkennungsanwendungen. Indem Sie das Sprachmodell anpassen, können Sie dem System ermöglichen, dies zu lernen.
-
Das Akustikmodell ist eine Klassifizierung, die kurze Fragmente einer Audioeingabe basierend auf der Sprache einem von mehreren Phonemen (Klangeinheiten) zuordnet. Diese Phoneme können dann zu Wörtern zusammengefügt werden. Das englische Wort „Speech“ z.B. besteht aus den vier englischen Phonemen „s“, „p“, „iy“ und „ch“. Diese Klassifizierungen erfolgen mit einer Frequenz von ca. 100 pro Sekunde. Durch Anpassen des Akustikmodells kann das System lernen, um Spracheingaben in atypischen Umgebungen besser zu erkennen. Wenn Ihre App z.B. von Arbeitern in einer Lagerhalle oder Fabrik mit hohem Lärmpegel verwendet werden soll, kann ein angepasstes Akustikmodell Spracheingaben in diesen Umgebungen besser erkennen.
-
Der Spracherkennungsdienst bietet eine Vielzahl von TTS-Voicefonts (Text-to-Speech, Sprachsynthese). Sie können aber auch mithilfe der benutzerdefinierten neuronalen Stimme Ihre eigene benutzerdefinierte Stimme erstellen, die zu Ihren Anforderungen und Ihrer Marke passt. Weitere Informationen finden Sie im Blog.
-
Sprachidentifikation ermöglicht es Ihnen, einen Schalter in gesprochener Sprache zu identifizieren und Sprache entsprechend zu transkribieren. Dies kann in Szenarien angewendet werden, in denen die Audiosprache unbekannt ist oder wenn Sprecher mehrere Sprachen sprechen. Die Einzelsprachidentifikation ist ohne zusätzliche Kosten verfügbar. Continuous Language Identification ist ein erweitertes Add-On-Feature. Besuchen Sie die Dokumentation für weitere Informationen.
-
- Bewertung der Aussprache wertet die Aussprache aus und gibt Sprechern Feedback zur Genauigkeit und Sprachfluss von gesprochenem Audio. Mit der Aussprachebewertung können Sprachlerner üben, sofortiges Feedback erhalten und ihre Aussprache verbessern, sodass sie selbstbewusst sprechen und präsentieren können. Lehrkräfte können die Funktion verwenden, um die Aussprache mehrerer Sprecher in Echtzeit auszuwerten. Besuchen Sie Dokumente, um mehr zu erfahren.
- Wird wie standardmäßige Spracherkennung abgerechnet, z. B.:
Für die Auswertung von 8 Sekunden Sprache werden Ihnen etwa $- in Rechnung gestellt
Sprechen Sie für eine detaillierte Erläuterung der Azure-Preise mit einem Vertriebsspezialisten. Lernen Sie, die Berechnung der Preise für Ihre Cloudlösung zu verstehen.
Sichern Sie sich kostenlose Cloud-Dienste und ein Guthaben in Höhe von $200, mit dem Sie Azure 30 Tage lang erkunden können.