Enterprise-grade voice intelligence you can trust at global scale
Les services Speech unifiés proposent un large éventail de fonctionnalités de génération et de reconnaissance vocale, notamment la transcription vocale, la synthèse vocale et la traduction vocale.
Explorez les options tarifaires
Appliquez des filtres pour personnaliser les options de tarification à vos besoins.
Les prix ne sont que des estimations et ne sont pas destinés à être des devis réels. Le prix réel peut varier selon le type de contrat conclu avec Microsoft, la date d'achat et le taux de change. Les prix sont calculés en dollars américains et convertis à l'aide des taux de clôture au comptant de Londres saisis au cours des deux jours ouvrables précédant le dernier jour ouvrable de la fin du mois précédent. Si les deux jours ouvrables précédant la fin du mois tombent un jour férié sur les principaux marchés, le jour de fixation des taux est généralement le jour précédant immédiatement les deux jours ouvrables. Ce taux s'applique à toutes les transactions du mois à venir. Connectez-vous au calculateur de prix Azure pour voir les prix en fonction de votre programme/offre actuel avec Microsoft. Contactez un spécialiste des ventes Azure pour plus d'informations sur les prix ou pour demander un devis. Consultez les questions fréquemment posées sur la tarification Azure.
Les services fédéraux américains (US Government) peuvent acheter les services Azure Government auprès d’un fournisseur de solutions de licence, sans engagement financier initial, ou directement par le biais d’un abonnement en ligne avec paiement à l’utilisation.
Important : le prix en réal brésilien est donné à titre indicatif uniquement ; s’agissant d’une transaction internationale, le prix final dépend du taux de change et de la présence éventuelle de taxes. Aucun eNF ne sera émis.
Les services fédéraux américains (US Government) peuvent acheter les services Azure Government auprès d’un fournisseur de solutions de licence, sans engagement financier initial, ou directement par le biais d’un abonnement en ligne avec paiement à l’utilisation.
Important : le prix en réal brésilien est donné à titre indicatif uniquement ; s’agissant d’une transaction internationale, le prix final dépend du taux de change et de la présence éventuelle de taxes. Aucun eNF ne sera émis.
Gratuit (F0)
| Catégorie | Fonctionnalités | Tarif |
|---|---|---|
| Reconnaissance vocale (facturation par seconde) |
Standard | Transcription en temps réel : 5 heures audio gratuites par mois2 |
| Personnalisé |
Transcription en temps réel : 5 heures audio gratuites par mois2 Hébergement de point de terminaison : 1 modèle gratuit par mois1 |
|
| Synthèse vocale (facturation par caractère) |
Neuronal | 0.5 million millions de caractères gratuits par mois |
| Traduction vocale (facturation par seconde) |
Standard | 5 heures audio gratuites par mois |
Consultez la documentation pour obtenir plus d’informations sur les quotas, les limites et les instructions sur la façon d’augmenter le nombre de requêtes simultanées.
1Les modèles inutilisés sont automatiquement retirés après 7 jours.
2Les heures audio gratuites pour la reconnaissance vocale sont partagées entre Standard et Personnalisé, le lot n'est pas pris en charge.
Paiement à l’utilisation : payez uniquement pour ce que vous utilisez
Tarifs de l’API Voice Live et des agents vocaux
Voice Live et les assistants vocaux prennent en charge plusieurs modèles d’IA. Pour obtenir la dernière liste des modèles pris en charge, consultez la documentation .
| Catégorie | Fonctionnalités | Tarif | |
|---|---|---|---|
| Voice Live Pro (facturation par jeton par m)VL1 | Texte |
Entrée: $- Entrée mise en cache: $- Sortie 1 (gpt-realtime, gpt-4o, gpt-4.1, gpt-5, gpt-5-chat): $- Sortie 2 (gpt-realtime-2, gpt-realtime-2.1): $- |
|
| Audio – Standard |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
||
| Audio – PersonnaliséVL2 |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
||
| Audio natif avec modèle de conversation vocale en temps réel |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
||
| Image |
Entrée: $- Entrée mise en cache: $- |
||
| Voice Live Standard (facturation par million de jetons)VL1 | Texte |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
|
| Audio – Standard |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
||
| Audio – PersonnaliséVL2 |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
||
| Audio natif avec modèle de conversation vocale en temps réel |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
||
| Voice Live Lite (facturation par jeton par m)VL1 | Texte |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
|
| Audio – Standard |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
||
| Audio – PersonnaliséVL2 |
Entrée mise en cache: $- Sortie: $- |
||
| Audio natif avec modèle de conversation vocale en temps réel |
Entrée: $- Entrée mise en cache: $- Sortie: $- |
||
| Voice Live BYO (facturation par million de jetons)VL1 | Audio – Standard |
Entrée: $- Sortie: $- |
|
| Audio – PersonnaliséVL2 |
Entrée: $- Sortie: $- |
||
| Avatar Voice Live (facturation à la minute) | Sortie d’avatar avec Voice Live | Facturé via l’avatar de synthèse vocale « avatar interactif (en temps réel) ». Consultez le tableau de tarification de la synthèse vocale ci-dessous pour obtenir des informations. | |
VL1Les niveaux tarifaires de Voice Live sont déterminés par les modèles LLM sélectionnés par les développeurs. Les modèles au sein de chaque niveau peuvent être mis à jour ou mis hors service à mesure que de nouvelles options sont disponibles. Si vous souhaitez découvrir plus d’informations sur le fonctionnement de la tarification de l’API Voice Live, cliquez ici.
VL2Votre facturation sera séparée pour l’apprentissage et l’hébergement de modèles Custom Voice et Custom Speech. Si vous souhaitez découvrir plus d’informations, consultez la tarification « Reconnaissance vocale – Transcription personnalisée » et « Synthèse vocale – Custom Voice – Professionnel ». Custom Voice est une fonctionnalité en accès limité. Découvrez plus d’informations sur la création de voix personnalisées.Lors de l’utilisation de MAI-Transcribe, la tarification Standard-Audio s’applique.
Prix du modèle vocal
| Catégorie | Fonctionnalités | Tarif | |
|---|---|---|---|
| Reconnaissance vocale (facturation par seconde) |
Transcription standard |
Transcription en temps réel : $- par heure Transcription rapide: $- par heure8 MAI-Transcribe-2: $- par heure10 MAI-Transcribe-1.5: $- par heure Transcription par lots : $- par heure1 |
|
| Synthèse vocale LLM – Transcription | $- par heure | ||
| Personnalisé : transcription |
Transcription en temps réel : $- par heure Transcription par lots : $- par heure1 Hébergement de point de terminaison : $- par modèle par heure Formation Custom Speech5: $- par heure de calcul |
||
Fonctionnalités améliorées du module complémentaire :
|
Temps réel : $- par heure par fonctionnalité | ||
| Traduction vocale (facturation par seconde) |
Traduction vocale en temps réel (Standard) | $- par heure audio3 | |
| Traduction vocale en temps réel (Interprète en direct) |
Audio en entrée : $- par heure audio Texte de sortie : $- tous les 1 million de caractères Sortie audio (voix Standard) : $- par heure audioLI Sortie audio (voix personnalisée) : $- par heure audioLI |
||
| Traduction vocale LLM | $- par heure | ||
| Traduction vidéo |
Entrée vidéo : $- par heure Sortie vidéo (voix standard) : $- par heure Sortie vidéo (voix personnelle) : $- par heure |
||
| Synthèse vocale7 | Voix standard |
Neural/Neural HD Flash (temps réel et par lots): $- tous les 1 million de caractères Neural HD (real-time, partner voices and batch)4: $- tous les 1 million de caractères MAI-Voice: $- tous les 1 million de caractères |
|
| Custom Voice |
Audio professionnel :
Synthèse (en temps réel et par lots) : $- par million de caractères
Synthèse (HD neuronale en temps réel et par lots) $- 1 par million de caractères Formation au modèle vocal : $- par heure de calcul, jusqu’à $- par formation Hébergement de point de terminaison : $- par modèle par heure |
||
|
Voice personnelle6:
Synthèse (en temps réel et par lots) : $- par million de caractères
Création de voix : gratuit Stockage du profil Voice : $- pour 1 000 profils vocaux par mois |
|||
| Fonctionnalité de module complémentaire de synthèse vocale : Avatar | Avatar standard |
Temps réel (Interactif) : $- par minute Lot : $- par minute |
|
| Avatar personnalisé |
Avatar photo:
Temps réel (Interactif) : $- par minute
Lot : $- par minute Création d’avatar photo : $- par avatar |
||
|
Avatar vidéo:
Temps réel (Interactif) : $- par minute
Lot : $- par minute Avatar interactif 4K (en temps réel) : $- par minute Vidéo d’avatar 4K (par lots) : $- par minute Apprentissage de modèle d’avatar: $- par heure de calcul Hébergement de point de terminaison : $- par modèle et par heure |
|||
Consultez la documentation pour obtenir plus d’informations sur les quotas, les limites et les instructions sur la façon d’augmenter le nombre de requêtes simultanées.
Les heures de reconnaissance vocale sont mesurées comme les heures d'audio envoyées au service, facturées par seconde.
1Pour tirer parti de cette nouvelle tarification de transcription par lots, vous devez utiliser la l’API REST Reconnaissance vocale V3.2 ou version ultérieure. Pour découvrir plus d’informations, consultez API REST Reconnaissance vocale.
2Cela reflète la tarification de la préversion publique.
3Ce prix comprend 1 entrée et sortie audio, jusqu’à 2 langues de traduction de texte utilisant Reconnaissance vocale standard ou personnalisée et Traduction standard. Pour une traduction personnalisée ou plus de 3 langues de traduction, veuillez consulter la page de tarification de Traduction de texte Azure Translator dans Foundry Tools.
4Les voix de synthèse vocale sélectionnées sont disponibles via deux variantes de modèle : Neural et NeuralHD. Découvrez plus d’informations ici.
5L’entraînement Custom Speech s’applique lors de la personnalisation d’un modèle de base publié le 1er octobre 2023 ou après.
6Voix personnelle est une fonctionnalité à accès limité réservée à certains cas d’utilisation pré-approuvés uniquement, avec la nécessité de demander l'accès. Pour obtenir plus d’informations sur le service, consultez le document.
7Conversion de texte par synthèse vocale : l’utilisation de la synthèse vocale est facturée par caractère. L’avatar est facturé par seconde. L’hébergement de formation et de modèle est facturé par seconde.
8Si vous souhaitez utiliser Transcription rapide, vous devez utiliser l’API REST Reconnaissance vocale 2024-11-15 ou versions ultérieures. Pour découvrir plus d’informations, consultez API REST Reconnaissance vocale.
9Synthèse vocale LLM partage actuellement le même prix et le même ID de référence SKU avec Transcription rapide.
10Offre promotionnelle à durée limitée jusqu’au 31/12/2026
LICe prix inclut la sortie de texte
Niveaux d’engagement – Standard
| Catégorie | Fonctionnalités | Prix (par mois) | Dépassement |
|---|---|---|---|
| Reconnaissance vocale | Standard | $- pendant 2,000 heures | $- par heure |
| $- pendant 10,000 heures | $- par heure | ||
| $- pendant 50,000 heures | $- par heure | ||
| Personnalisé | $- pendant 2,000 heures | $- par heure | |
| $- pendant 10,000 heures | $- par heure | ||
| $- pendant 50,000 heures | $- par heure | ||
Fonctionnalités améliorées du module complémentaire :2
|
$- pendant 2,000 heures | $- par heure | |
| $- pendant 10,000 heures | $- par heure | ||
| $- pendant 50,000 heures | $- par heure | ||
| Synthèse vocale | Neuronal1 | $- pour 80 M de caractères | $- par lot de 1 M de caractères |
| $- pour 400 M de caractères | $- par lot de 1 M de caractères | ||
| $- pour 2,000 M de caractères | $- par lot de 1 M de caractères |
1Cela inclut la synthèse en temps réel et la synthèse par lots avec des voix neuronales prédéfinies non HD et non AOAI. Les voix HD, les voix AOAI, la voix neuronale personnalisée et la voix personnelle ne sont pas incluses.
2Parole en texte en temps réel uniquement, fonctionnalités complémentaires d'identification continue du langage et de diarisation incluses avec la reconnaissance vocale par lots.
Niveaux d'engagement – Conteneur connecté
| Catégorie | Fonctionnalités | Prix (par mois) | Dépassement |
|---|---|---|---|
| Reconnaissance vocale2 | Standard | $- pendant 2,000 heures | $- par heure |
| $- pendant 10,000 heures | $- par heure | ||
| $- pendant 50,000 heures | $- par heure | ||
| Personnalisé | $- pendant 2,000 heures | $- par heure | |
| $- pendant 10,000 heures | $- par heure | ||
| $- pendant 50,000 heures | $- par heure | ||
Fonctionnalités améliorées du module complémentaire :2
|
$- pendant 2,000 heures | $- par heure | |
| $- pendant 10,000 heures | $- par heure | ||
| $- pendant 50,000 heures | $- par heure | ||
| Synthèse vocale | Neuronal1 | $- pour 80 M de caractères | $- par lot de 1 M de caractères |
| $- pour 400 M de caractères | $- par lot de 1 M de caractères | ||
| $- pour 2,000 M de caractères | $- par lot de 1 M de caractères |
1Cela inclut la synthèse en temps réel avec des voix neuronales prédéfinies non HD et non AOAI. Les voix HD, les voix AOAI et les voix personnalisées (voix professionnelles et voix personnelles) ne sont pas incluses. La synthèse par lots n’est pas incluse.
2La tarification s’applique aux cas d’utilisation en temps réel et par lots. Il n’existe pas de prix de lot distinct pour les conteneurs.
Consultez la documentation pour découvrir plus d’informations sur les niveaux d’engagement.
Niveaux d'engagement – Conteneur déconnecté
Inscrivez-vous pour accéder à la parole dans des conteneurs déconnectés ou découvrir plus d’informations
| Catégorie | Fonctionnalités | Prix (par an) | Utilisation maximale (par an) | Utilisation projetée (par mois) |
|---|---|---|---|---|
| Reconnaissance vocale2 | Standard : Temps réel et par lots |
$-
$- Inscrivez-vous pour obtenir l'accès. En savoir plus |
120 000 heures
600 000 heures |
10 000 heures
50 000 heures |
| Standard : Transcription rapide |
$-
Inscrivez-vous pour obtenir l'accès. En savoir plus |
120 000 heures | 10 000 heures | |
| Personnalisé : Temps réel et par lots |
$-
$- Inscrivez-vous pour obtenir l'accès. En savoir plus |
120 000 heures
600 000 heures |
10 000 heures
50 000 heures |
|
Fonctionnalités améliorées du module complémentaire :
|
$-
$- |
120 000 heures
600 000 heures |
10 000 heures
50 000 heures |
|
| Synthèse vocale | Neuronal1 |
$-
$- Inscrivez-vous pour obtenir l'accès. En savoir plus |
4,8 milliards de caractères
24B caractères |
400 millions de caractères
2 000 millions de caractères |
1Cela inclut la synthèse en temps réel avec des voix neuronales prédéfinies non HD et non AOAI. Les voix HD, les voix AOAI et les voix personnalisées (voix professionnelles et voix personnelles) ne sont pas incluses. La synthèse par lots n’est pas incluse.
2La tarification s’applique aux cas d’utilisation en temps réel et par lots. Il n’existe pas de prix de lot distinct pour les conteneurs.
Ces fonctionnalités sont déconseillées et ne sont disponibles que pour les clients existants. Consultez les détails et découvrez comment migrer vers de nouvelles fonctionnalités.
| Instance | Catégorie | Fonctionnalités | Tarif |
|---|---|---|---|
| Gratuit - Web/conteneur 1 demandes simultanées |
Synthèse vocale | Standard | 5 million millions de caractères gratuits par mois |
| Personnalisé |
5 million millions de caractères gratuits par mois Hébergement de point de terminaison : 1 modèle gratuit par mois |
||
| Standard - Web/Conteneur 100 demandes simultanées pour le modèle de base 20 demandes simultanées pour le modèle personnalisé |
Synthèse vocale | Standard | $- tous les 1 million de caractères |
| Personnalisé |
$- tous les 1 million de caractères Hébergement de point de terminaison : $- par modèle par heure |
Tarification et options d’achat Azure
Connectez-vous directement avec nous
Obtenez un guide pas à pas de la tarification Azure. Comprenez la tarification de votre solution cloud, découvrez l’optimisation des coûts et demandez une offre personnalisée.
Discuter avec un spécialiste des ventesDécouvrez les modalités d'achat
Achetez des services Azure via le site web Azure, un représentant Azure ou un partenaire Azure.
Explorez vos optionsRessources supplémentaires
Azure Speech in Foundry Tools
En savoir plus sur les fonctionnalités et capacités Azure Speech in Foundry Tools.
Calculatrice de prix
Estimez vos coûts mensuels pour l’utilisation des différentes combinaisons de produits Azure.
Documentation
Consulter les didacticiels et vidéos techniques, et d’autres ressources Azure Speech in Foundry Tools.
Forum Aux Questions
-
- Pour la reconnaissance vocale et la traduction vocale, l’utilisation est facturée par incréments d’une seconde.
- Pour la synthèse vocale : l’utilisation est facturée par caractère. Consultez la définition d’un caractère dans les notes sur la tarification.
- Pour l’hébergement vocal neural personnalisé : l'utilisation est facturée par point de terminaison et par seconde. Consultez les détails dans les notes sur la tarification.
- Pour le stockage de profils vocaux personnels : l’utilisation est facturée par profil vocal et par jour. Consultez les détails dans les notes sur la tarification.
- Pour l’avatar Synthèse vocale, l’utilisation est facturée par seconde.
- Pour Reconnaissance vocale et Synthèse vocale (y compris Avatar), l’hébergement des points de terminaison pour les modèles personnalisés est facturé à la seconde et par modèle.
-
Le service vocal Speech permet aux utilisateurs d’adapter des modèles de base en fonction de leurs propres données acoustiques et linguistiques, produisant ainsi des modèles vocaux personnalisés qui peuvent être utilisés avec la reconnaissance vocale et la traduction vocale.
-
Le modèle linguistique est une distribution de probabilité sur des séquences de mots. Le modèle linguistique aide le système à opérer un choix parmi des séquences de mots homophones, en se basant sur la probabilité des séquences de mots elles-mêmes. Par exemple, les groupes de mots « séquence vocale » et « c’est quand ce veau cale » se prononcent de la même manière mais, la première hypothèse étant sensiblement plus probable, le modèle linguistique lui attribue un score supérieur. Si vous vous attendez à ce que les requêtes vocales adressées à votre application contiennent des éléments de vocabulaire particuliers, tels que des noms de produits ou des mots de jargon technique rarement rencontrés dans un discours ordinaire, vous obtiendrez probablement de meilleures performances en personnalisant le modèle linguistique. Par exemple, imaginons que vous construisez une application pour rechercher sur MSDN à l’aide de la voix. Il est probable que des termes tels que « orienté objet » ou « espace de noms » apparaissent plus fréquemment que dans des applications vocales ordinaires. La personnalisation du modèle linguistique permet au système d’apprendre cela.
-
Le modèle acoustique est un classifieur qui étiquette de courts fragments audio en l’un des quelques phonèmes, ou unités sonores, de chaque langue. Ces phonèmes peuvent être assemblés pour former des mots. Par exemple, le mot « vocal » comprend cinq phonèmes : « v », « o », « k », « a » et « l ». Ces classifications sont effectuées une centaine de fois par seconde. Une personnalisation du modèle acoustique peut permettre au système d’effectuer une meilleure reconnaissance vocale dans un environnement atypique. Par exemple, si vous avez une application conçue pour être utilisée par des ouvriers travaillant dans un entrepôt ou un atelier, un modèle acoustique personnalisé peut reconnaître de façon plus précise le discours en présence des bruits rencontrés dans ces environnements.
-
Le service Speech propose un vaste éventail de polices de la voix pour la synthèse vocale (TTS). Toutefois, la voix neuronale personnalisée vous permet de créer votre propre voix personnalisée, adaptée à vos besoins et à votre image de marque. Lisez le bloc pour obtenir plus d’informations.
-
L'identification de la langue vous permet d'identifier un changement de langue parlée et de transcrire la parole en conséquence. Cela peut être appliqué dans des scénarios où la langue audio est inconnue ou lorsque le ou les locuteurs peuvent parler plusieurs langues. L'identification en une seule langue est disponible sans frais supplémentaires. L'identification continue de la langue est une fonction complémentaire améliorée. Visitez la documentation pour en savoir plus.
-
- L’évaluation de la prononciation analyse la prononciation orale et fournit aux orateurs des commentaires sur la précision et la fluidité de l’audio parlé. Grâce à cette évaluation, les apprenants en langues peuvent s’entraîner, recevoir des commentaires instantanés et améliorer leur prononciation pour parler et effectuer des présentation avec assurance. Les enseignants peuvent utiliser cette fonctionnalité pour évaluer la prononciation de plusieurs orateurs en temps réel. Pour découvrir plus d’informations, consultez ladocumentation.
- Elle est facturée en tant que Reconnaissance vocale standard, par exemple :
Si vous souhaitez effectuer l’évaluation de 8 secondes de parole, vous serez facturé environ $-
Discutez avec un spécialiste des ventes pour qu’il vous explique en détail la tarification Azure. Comprendre la tarification de votre solution cloud.
Profitez de services cloud gratuits et d’un crédit de $200 pour découvrir Azure pendant 30 jours.