Cognitive Services díjszabása – Beszédszolgáltatások
Intelligens API-k használata látás-, nyelv- és beszédtechnológiához, valamint keresési képességekhez.
- Nincsenek előzetes költségek
- Nincs lemondási díj
- Csak a valóban használt funkciókért kell fizetni
Az amerikai államigazgatási szervek jogosultak arra, hogy egy licencelési tanácsadótól vásároljanak Azure Government-szolgáltatásokat előzetes pénzügyi kötelezettségvállalás nélkül, vagy pedig közvetlenül egy online használatalapú előfizetés keretében.
Fontos – A R$-ban megadott ár csak viszonyítási érték; nemzetközi tranzakcióról lévén szó, a végső árat az átváltási árfolyamok, illetve a pénzügyi műveleteket terhelő adók befolyásolják. Emellett eNF igazolást sem állítanak ki.
Az Azure Germany az Európai Unió (EU), az Európai Szabadkereskedelmi Társulás (EFTA) és az Egyesült Királyság területén üzleti tevékenységet végző ügyfelek és partnerek számára érhető el, ha már megvásárolták azt. Ez Németországban található adattárolási helyet, valamint kiegészítő vezérlési és adatvédelmi szinteket biztosít. Regisztrálhat ingyenes Azure-próbalehetőségre is.
Az egyesített beszédszolgáltatások beszédfelismerési és beszédgenerálási lehetőségek széles skáláját kínálják, beleértve a diktálást, felolvasást és tolmácsolást. A beszédszolgáltatások beszédfelismerési és beszédgenerálási lehetőségek széles skáláját kínálják, beleértve a diktálást, felolvasást, tolmácsolást és beszélőfelismerést. Az új Speaker Recognition funkció 2020. június 1-től lesz elérhető.
Díjszabás
| Példány | Kategória | Jellemzők | Ár |
|---|---|---|---|
| Ingyenes - Web/tároló 1 párhuzamos kérés1 |
Speech to Text | Standard | 5 audióóra ingyen havonta |
| Egyéni |
5 audióóra ingyen havonta Végpont-üzemeltetés: Havonta 1 modell ingyenes 2 |
||
| Beszédátírás – többcsatornás audió ELŐZETES VERZIÓ 3 | 5 audióóra ingyen havonta | ||
| Text to Speech | Standard | Havonta 5 millió karakter ingyenes | |
| Neurális | Havonta 0.5 millió karakter ingyenes | ||
| Egyéni |
Havonta 5 millió karakter ingyenes Végpont-üzemeltetés: Havonta 1 modell ingyenes |
||
| Speech Translation | Standard | 5 audióóra ingyen havonta | |
| Speaker Recognition7 | Hangalapú azonosítás | Havi 10,000 ingyenes tranzakció | |
| Beszélőfelismerés | Havi 10,000 ingyenes tranzakció | ||
| Standard - Web/tároló 20 párhuzamos kérés 1 |
Speech to Text | Standard | $- audióóránként |
| Egyéni |
$- audióóránként Végpont-üzemeltetés: $- modellenként és óránként |
||
| Beszédátírás – többcsatornás audió ELŐZETES VERZIÓ 3 | $- audióóránként 4 | ||
| Text to Speech | Standard | $- / 1 millió karakter | |
| Neurális |
$- / 1 millió karakter 5 Hosszú hanganyag létrehozása: $- / 1 millió karakter |
||
| Egyéni |
$- / 1 millió karakter Végpont-üzemeltetés: $- modellenként és óránként |
||
| Egyéni neurális ELŐZETES VERZIÓ 6 |
hang létrehozása: kapcsolatfelvétel Valós idejű szintézis: $- / 1 millió karakter Végpont-üzemeltetés: $- modellenként és óránként Hosszú hanganyag létrehozása: $- / 1 millió karakter |
||
| Speech Translation | Standard | $- audióóránként | |
| Speaker Recognition7 | Hangalapú azonosítás | $- 1,000 tranzakciónként | |
| Beszélőfelismerés | $- 1,000 tranzakciónként |
Támogatás és szolgáltatásszintek
- A csomag tartalmazza a számlázással és az előfizetéssel kapcsolatos ügyintézést.
- Garantáljuk a standard szintű Cognitive Services legalább 99,9%-os rendelkezésre állását. Az ingyenes próbához nem biztosítunk szolgáltatásiszint-szerződést. A szolgáltatói szerződés áttekintése.
Gyakori kérdések
-
- A tolmácsolás, diktálás és egyéni beszédmodellel történő diktálás használatának díjszabása másodpercalapú.
- A szövegfelolvasás és az egyéni hangtípusú szövegfelolvasás karakterenként lesz számlázva.
- Egyéni beszédmodell üzemeltetése: a számlázás óránként történik; Egyéni hangtípus üzemeltetése: a számlázás naponta történik.
- Egyéni parancsok esetén: a számlázás a Speech to Text, a Text to Speech és a Language Understanding felhasználásának alapján történik. Az egyéni parancsok nem vezetnek be új számlázási mérőszámokat.
-
A beszédszolgáltatással a felhasználók saját akusztikai és nyelvi adataikra épített alapmodelleket alakíthatnak át egyéni beszédmodellekké, amelyek diktálásra és tolmácsolásra is használhatók.
-
A nyelvi modell szószekvenciák valószínűségi eloszlását jelenti. A nyelvi modell segíti a rendszert abban, hogy válasszon a hasonló hangzású szószekvenciák közül. Ehhez maguknak a szószekvenciáknak a valószínűségét használja fel. A „recognize speech” és a „wreck a nice beach” például ugyanúgy hangzik, de az első változat sokkal valószínűbb, ezért magasabb pontszámot kap a nyelvi modellben. Ha az alkalmazáshoz várhatóan érkeznek majd olyan lekérdezések, amelyek speciális szókincset használnak (például termékneveket vagy a tipikus beszédben ritkán előforduló szakkifejezéseket), akkor a nyelvi modell testreszabásával nagy valószínűséggel hatékonyabb működés érhető el. Ha például az alkalmazás hangalapú keresést végez az MSDN-ben, valószínű, hogy az olyan kifejezések, mint az „objektumorientált”, a „névtér” vagy a „dot net” gyakrabban fordulnak majd elő, mint más alkalmazások esetében. A nyelvi modell testreszabásával lehetővé válik, hogy a rendszer megtanulja ezeket.
-
Az akusztikai modell besorolást végez: a hanganyag rövid részleteit egy adott nyelv fonémáiként (hangegységeiként) azonosít be. Ezekből a fonémákból állíthatók össze a szavak. Az angol „speech” (beszéd) szó például négy fonémából áll: „sz, p, í, cs”. Ezek a besorolások másodpercenként százas nagyságrendben zajlanak le. Az akusztikai modell testreszabása lehetővé teszi, hogy a rendszer nem tipikus környezetekben jobb hatékonysággal ismerje fel a beszédet. Egy olyan alkalmazásnál például, amelyet egy raktár vagy egy gyár dolgozói használnak, a testreszabott akusztikai modell pontosabb beszédfelismerést tehet lehetővé az ilyen környezetekben található zajok mellett is.
-
A Microsoft beszédszolgáltatásai 40-nél több nyelven 70-nél több alapértelmezett beszédhangot (azaz hangtípust) tartalmaznak, amelyek segítenek a szöveg beszéddé alakításában. A virtuális asszisztensek és különböző hangvezérelt alkalmazások megjelenésével azonban sok vállalat szeretne egyéni, gondosan a saját márkáik jellegéhez igazított hangot üzlete arculatához. Ha például csevegőrobotot fejleszt ügyfélszolgálatához, társíthatja azt a márkára egyedien jellemző hanggal, így erősítve az ügyfelek kötődését. Hasonló módon egy autós navigációs szoftver fejlesztője egyéni hangú szövegfelolvasás lehetővé tételével javíthatja a felhasználói élményt.
Mindez egyszerűen megoldható a Voice Studio, az egyéni hangkészítő portál használatával. Saját hangadatai (emberi hang felvétele a hozzá tartozó szöveggel) alapján egyéni hangtípust generálhat, amely üzembe helyezhető a Microsoft felolvasó szolgáltatásában, és egyszerűen beköthető API-végponttal rendelkező alkalmazásaiba, ahol felhasználhatja azt.