Passer au contenu principal

Tarification Azure AI Speech

Services vocaux unifiés pour la reconnaissance vocale, la synthèse vocale et la traduction vocale

Les services Speech unifiés offrent un large éventail de fonctionnalités de reconnaissance vocale et de génération, notamment la transcription de la parole, la synthèse vocale et la traduction vocale. Les services Speech offrent un large éventail de fonctionnalités de reconnaissance vocale et de génération, notamment la transcription de la parole, la synthèse vocale, la traduction vocale et la reconnaissance de l’orateur.

Explorez les options tarifaires

Appliquez des filtres pour personnaliser les options de tarification à vos besoins.

Prices are estimates only and are not intended as actual price quotes. Actual pricing may vary depending on the type of agreement entered with Microsoft, date of purchase, and the currency exchange rate. Prices are calculated based on US dollars and converted using London closing spot rates that are captured in the two business days prior to the last business day of the previous month end. If the two business days prior to the end of the month fall on a bank holiday in major markets, the rate setting day is generally the day immediately preceding the two business days. This rate applies to all transactions during the upcoming month. Sign in to the Azure pricing calculator to see pricing based on your current program/offer with Microsoft. Contact an Azure sales specialist for more information on pricing or to request a price quote. See frequently asked questions about Azure pricing.

Gratuit (F0)

Catégorie Fonctionnalités Tarif
Reconnaissance vocale
(facturation par seconde)
Standard 5 heures audio gratuites par mois3
API Web 5 heures audio gratuites par mois3
Hébergement de point de terminaison : 1 modèle gratuit par mois1
Audio multicanal de transcription de conversation VERSION PRÉLIMINAIRE 5 heures audio gratuites par mois
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
Reconnaissance de l'orateur
(facturation par transaction)
Vérification de l’orateur2 10,000 transactions gratuites par mois
Identification de l’orateur2 10,000 transactions gratuites par mois
Stockage du profil vocal 10,000 transactions gratuites par mois

Consultez la documentation pour plus d’informations sur les quotas, les limites et les instructions sur l’augmentation des demandes simultanées.

1Les modèles inutilisés sont automatiquement retirés après 7 jours.

2La reconnaissance de l'orateur est une fonctionnalité d’accès limité qui nécessite de faire une demande pour y accéder.

3Les 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.

Catégorie Fonctionnalités Tarif
Reconnaissance vocale
(facturation par seconde)
Temps réel Lot API
v3.2 ou ultérieure4
Standard $- par heure $- par heure
API Web $- par heure
Hébergement de point de terminaison : $- par modèle par heure
$- par heure
Hébergement de point de terminaison : N/A
Formation Custom Speech6 $- par heure de calcul
Fonctionnalités améliorées du module complémentaire :
  • Identification continue de la langue
  • Diarisation
  • Évaluation de la prononciation (prosodie, grammaire, vocabulaire, sujet)
$- par heure par fonctionnalité Identification et journalisation continue de la langue incluses5
Audio multicanal de transcription de conversation VERSION PRÉLIMINAIRE $- par heure1 N/A
Synthèse vocale
(facturation par caractère)
Neuronal Synthèse en temps réel et par lots : $- tous les 1 million de caractères
Création de fichiers audio longs : $- tous les 1 million de caractères
Neural personnalisé2 Formation : $- par heure de calcul, jusqu'à $- par formation
Synthèse en temps réel et par lots : $- tous les 1 million de caractères
Hébergement de point de terminaison : $- par modèle par heure
Création de fichiers audio longs : $- tous les 1 million de caractères
Traduction vocale
(facturation par seconde)
Standard $- par heure audio7
Reconnaissance de l'orateur
(facturation par transaction)
Vérification de l’orateur3 $- toutes les 1,000 transactions
Identification de l’orateur3 $- toutes les 1,000 transactions
Stockage du profil vocal $- tous les 1,000 profils vocaux (10,000 profils vocaux gratuits par mois)

Consultez la documentation pour plus d’informations sur les quotas, les limites et les instructions sur l’augmentation des demandes simultanées.

Les heures de reconnaissance vocale sont mesurées comme les heures d'audio envoyées au service, facturées par seconde.

1 Ceci tient compte du tarif de la préversion publique. Le tarif de la mise à la disposition générale sera annoncé plus tard au moment de son application

2 Voix neuronale personnalisée (CNV) est une fonctionnalité d’accès limité avec les versions Pro et Lite. Avec CNV Lite (préversion publique), les clients peuvent enregistrer leur propre voix et créer un modèle pour la démonstration/évaluation, avant dedemander l’accès à Pro. Découvrez où CNV est disponible.

3 La reconnaissance de l'orateur est une fonctionnalité d’accès limité qui nécessite de faire une demande pour y accéder.

4 Pour bénéficier de cette nouvelle tarification, vous devez utiliser la nouvelle conversion de parole en texte API REST V3.2. Voir Créer une transcription par lot – Service Speech– Services Azure AI | Microsoft Learn pour plus d’informations sur l’utilisation de la nouvelle API de prévisualisation v3.2.

5 Les fonctionnalités du module complémentaire améliorées sont incluses dans le prix de lot pour toutes les versions de lot de l’API.

6 Custom Speech s’applique à la personnalisation de tout modèle de base commercialisé à partir du 1er octobre 2023.

7 Ce prix comprend 1 entrée et sortie audio, jusqu'à 2 langues de traduction de texte utilisant la Reconnaissance vocale standard ou personnalisée et la traduction standard. Pour une traduction personnalisée ou plus de 3 langues de traduction, veuillez consulter la page de tarification de la traduction de texte Azure AI Translator.

Niveaux d'engagement – Azure – 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
API Web $- pendant 2,000 heures $- par heure
$- pendant 10,000 heures $- par heure
$- pendant 50,000 heures $- par heure
Fonctionnalités améliorées du module complémentaire :2
  • Identification continue de la langue
  • Diarisation
  • Évaluation de la prononciation (prosodie, grammaire, vocabulaire, sujet)
$- 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

1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.

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
API Web $- pendant 2,000 heures $- par heure
$- pendant 10,000 heures $- par heure
$- pendant 50,000 heures $- par heure
Fonctionnalités améliorées du module complémentaire :2
  • Identification de la langue
  • Diarisation
$- 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

1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.

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 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 en savoir plus

Catégorie Fonctionnalités Prix (par an) Utilisation maximale (par an) Utilisation projetée (par mois)
Reconnaissance vocale2 Standard $-
$-
Inscrivez-vous pour obtenir l'accès.
En savoir plus
120 000 heures
600 000 heures
10 000 heures
50 000 heures
API Web $-
$-
Inscrivez-vous pour obtenir l'accès.
En savoir plus
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

1La synthèse en temps réel uniquement, cela n’inclut pas la création audio longue.

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
API Web 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
API Web $- 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 ventes

Découvrez les modalités d'achat

Achetez des services Azure via le site web Azure, un représentant Azure ou un partenaire Azure.

Explorez vos options

Ressources supplémentaires

Azure AI Speech

En savoir plus sur les fonctionnalités et capacités Azure AI Speech.

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 AI Speech.

    • 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. Vérifiez la définition d’un caractère dans les notes sur la tarification.
    • Pour la reconnaissance vocale et la synthèse vocale, l’hébergement de points de terminaison pour les modèles personnalisés est facturé par seconde et par modèle.
    • Pour les commandes personnalisées : la facturation suit la consommation Reconnaissance vocale, Synthèse vocale et Language Understanding. Les commandes personnalisées ne donnent pas lieu à de nouveaux compteurs de facturation.
    • L’entraînement des modèles de la reconnaissance vocale n’entraîne aucuns frais. Les seuls coûts sont pour l’hébergement de point de terminaison par modèle une fois déployé, puis le coût par heure audio de la reconnaissance vocale personnalisée.
  • 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 offre 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. Pour plus d’informations, lisez le blog.

  • 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. Consultez les documents pour en savoir plus.

    • L'évaluation de la prononciation évalue la prononciation de la parole et donne aux locuteurs des informations sur la précision et la fluidité de l'audio parlé. Grâce à l'évaluation de la prononciation, les apprenants en langues peuvent s'entraîner, obtenir des commentaires instantanés et améliorer leur prononciation afin de pouvoir parler et présenter en toute confiance. Les éducateurs peuvent utiliser la capacité d'évaluer la prononciation de plusieurs locuteurs en temps réel. Visitez docs pour apprendre plus.
    • Il est facturé en standard Speech to Text, exemple :
      Pour 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.

Ajout à des fins d’estimation. Appuyez sur « v » pour afficher sur la calculatrice
Pouvons-nous vous aider ?