Enterprise-grade voice intelligence you can trust at global scale
Layanan Ucapan terpadu menyediakan beragam kemampuan pengenalan dan pembuatan ucapan, termasuk transkripsi ucapan, teks-ke-ucapan, dan terjemahan ucapan.
Jelajahi opsi harga
Terapkan filter untuk menyesuaikan opsi harga dengan kebutuhan Anda.
Harga hanya perkiraan dan tidak dimaksudkan sebagai penawaran harga aktual. Harga sebenarnya dapat bervariasi tergantung jenis perjanjian yang dibuat dengan Microsoft, tanggal pembelian, dan nilai tukar mata uang. Harga dihitung berdasarkan dolar AS dan dikonversi menggunakan kurs spot penutupan bursa London yang diperoleh dalam dua hari kerja sebelum hari kerja terakhir pada akhir bulan sebelumnya. Jika dua hari kerja sebelum akhir bulan jatuh pada hari libur bank di pasar utama, tarif umumnya ditetapkan pada hari tepat sebelum dua hari kerja tersebut. Tarif ini berlaku untuk semua transaksi selama 1 bulan mendatang. Masuk ke Kalkulator harga Azure untuk melihat harga berdasarkan program/penawaran Anda saat ini dengan Microsoft. Hubungi spesialis penjualan Azure untuk informasi selengkapnya tentang harga atau untuk meminta penawaran harga. Lihat tanya jawab umum tentang harga Azure.
Entitas pemerintah AS memenuhi syarat untuk membeli layanan Azure Government dari penyedia solusi lisensi tanpa komitmen keuangan di muka, atau secara langsung melalui langganan online bayar sesuai penggunaan.
Penting— Harga dalam R$ hanyalah referensi. Ini adalah transaksi internasional dan harga akhir tunduk pada nilai tukar dan termasuk pajak IOF dan eNF tidak akan diterbitkan.
Entitas pemerintah AS memenuhi syarat untuk membeli layanan Azure Government dari penyedia solusi lisensi tanpa komitmen keuangan di muka, atau secara langsung melalui langganan online bayar sesuai penggunaan.
Penting— Harga dalam R$ hanyalah referensi. Ini adalah transaksi internasional dan harga akhir tunduk pada nilai tukar dan termasuk pajak IOF dan eNF tidak akan diterbitkan.
Gratis (F0)
| Kategori | Fitur | Harga |
|---|---|---|
| Ucapan ke Teks (tagihan per detik) |
Standar | Transkripsi real time: 5 jam audio gratis per bulan2 |
| Kustom |
Transkripsi real time: 5 jam audio gratis per bulan2 Hosting titik akhir: 1 model gratis per bulan1 |
|
| Teks ke Ucapan (tagihan per karakter) |
Neural | 0.5 million karakter gratis per bulan |
| Terjemahan Ucapan (tagihan per detik) |
Standar | 5 jam audio gratis per bulan |
Lihat dokumentasi untuk informasi tentang kuota, batas, dan instruksi tentang cara meningkatkan permintaan serentak.
1Model yang tidak digunakan akan dinonaktifkan secara otomatis setelah 7 hari.
2Jam audio gratis untuk ucapan ke teks dibagi antara Standar dan Kustom, Batch tidak didukung.
Prabayar: bayar hanya untuk apa yang Anda gunakan
Harga Voice Live API dan agen suara
Voice Live dan agen suara mendukung beberapa model AI. Untuk mengetahui daftar terbaru model yang didukung, lihat dokumentasi.
| Kategori | Fitur | Harga | |
|---|---|---|---|
| Voice Live Pro (penagihan per m token)VL1 | Teks |
Input: $- Input Cache: $- Output 1 (gpt-realtime, gpt-4o, gpt-4.1, gpt-5, gpt-5-chat): $- Output 2 (gpt-realtime-2, gpt-realtime-2.1): $- |
|
| Audio - Standar |
Input: $- Input Cache: $- Output: $- |
||
| Audio - KustomVL2 |
Input: $- Input Cache: $- Output: $- |
||
| Audio asli dengan model ucapan-ke-ucapan real time |
Input: $- Input Cache: $- Output: $- |
||
| Gambar |
Input: $- Input Cache: $- |
||
| Voice Live Standar (tagihan token per menit)VL1 | Teks |
Input: $- Input Cache: $- Output: $- |
|
| Audio - Standar |
Input: $- Input Cache: $- Output: $- |
||
| Audio - KustomVL2 |
Input: $- Input Cache: $- Output: $- |
||
| Audio asli dengan model ucapan-ke-ucapan real time |
Input: $- Input Cache: $- Output: $- |
||
| Voice Live Lite (penagihan per m token)VL1 | Teks |
Input: $- Input Cache: $- Output: $- |
|
| Audio - Standar |
Input: $- Input Cache: $- Output: $- |
||
| Audio - KustomVL2 |
Input Cache: $- Output: $- |
||
| Audio asli dengan model ucapan-ke-ucapan real time |
Input: $- Input Cache: $- Output: $- |
||
| Voice Live BYO (tagihan per m token)VL1 | Audio - Standar |
Input: $- Output: $- |
|
| Audio - KustomVL2 |
Input: $- Output: $- |
||
| Avatar Voice Live (tagihan per menit) | Output avatar dengan Voice Live | Ditagih melalui ‘avatar interaktif (real time)’ Avatar Teks ke Ucapan. Lihat tabel harga Teks ke Ucapan di bawah ini untuk detailnya. | |
VL1Tingkat harga Voice Live ditentukan oleh model LLM yang dipilih oleh pengembang. Model dalam setiap tingkatan dapat diperbarui atau dihentikan jika ada opsi baru yang tersedia. Untuk mempelajari selengkapnya tentang cara kerja harga API Voice Live, klik di sini.
VL2Anda akan ditagih secara terpisah untuk pelatihan model dan hosting model suara kustom. Lihat harga ‘Ucapan ke Teks – Transkripsi Kustom’ dan ‘Teks ke Ucapan – Suara Kustom – Profesional’ untuk detailnya. Suara kustom merupakan fitur dengan akses terbatas. Pelajari selengkapnya tentang cara membuat suara kustom. Saat menggunakan MAI-Transcribe, harga Audio-Standar berlaku.
Harga Model Ucapan
| Kategori | Fitur | Harga | |
|---|---|---|---|
| Ucapan ke Teks (tagihan per detik) |
Transkripsi Standar |
Transkripsi real-time: $- per jam Transkripsi Cepat: $- per jam8 MAI-Transcribe-2: $- per jam10 MAI Transcribe-1.5: $- per jam Transkripsi Batch: $- per jam1 |
|
| Transkripsi Ucapan LLM | $- per jam | ||
| Transkripsi Kustom |
Transkripsi real-time: $- per jam Transkripsi Batch: $- per jam1 Hosting titik akhir: $- per model per jam Pelatihan Ucapan Kustom5: $- per jam komputasi |
||
Fitur add-on yang ditingkatkan:
|
Real-time: $- per jam per fitur | ||
| Terjemahan Ucapan (tagihan per detik) |
Terjemahan Ucapan Real time (Standar) | $- per jam audio3 | |
| Terjemahan Ucapan Realtime (Interpreter Langsung) |
Audio input: $- per jam audio Teks output: $- per 1M karakter Audio output (Suara standar): $- per jam audioLI Audio output (Suara kustom): $- per jam audioLI |
||
| Terjemahan Ucapan LLM | $- per jam | ||
| Terjemahan Video |
Video input: $- per jam Video output (Suara standar): $- per jam Video output (Suara personal): $- per jam |
||
| Teks ke Ucapan7 | Suara Standar |
Neural/Neural HD Flash (real time dan batch): $- per 1M karakter Neural HD (real-time, partner voices and batch)4: $- per 1M karakter MAI-Voice: $- per 1M karakter |
|
| Suara Kustom |
Suara Profesional:
Sintesis (real time dan batch): $- per 1 juta karakter
Sintesis (Neural HD real time dan batch): $- per 1M karakter Pelatihan model suara: $- per jam komputasi, hingga $- per pelatihan Hosting titik akhir: $- per model per jam |
||
|
Suara Personal6:
Sintesis (real time dan batch): $- per 1 juta karakter
Pembuatan suara: Gratis Penyimpanan profil suara: $- per 1.000 profil suara per bulan |
|||
| Fitur Add-on Teks ke Ucapan: Avatar | Avatar Standar |
Real time (Interaktif): $- per menit Batch: $- per menit |
|
| Avatar Kustom |
Avatar Foto:
Real time (Interaktif): $- per menit
Batch: $- per menit Pembuatan Avatar Foto: $- per avatar |
||
|
Avatar Video:
Real time (Interaktif): $- per menit
Batch: $- per menit Avatar 4K interaktif (real time): $- per menit Video avatar 4K (batch): $- per menit Pelatihan model avatar: $- per jam komputasi Hosting titik akhir: $- per model per jam |
|||
Lihat dokumentasi untuk informasi tentang kuota, batas, dan instruksi tentang cara meningkatkan permintaan serentak.
Jam ucapan ke teks dihitung sebagai jam audio yang dikirim ke layanan, ditagih dengan kelipatan kedua.
1Untuk memanfaatkan harga Transkripsi Batch baru ini, Anda perlu menggunakan REST API Ucapan ke teks V3.2 atau versi yang lebih baru. Lihat REST API Ucapan ke teks untuk informasi.
2Hal ini mencerminkan harga pratinjau publik.
3Harga ini mencakup 1 input dan output audio, hingga 2 bahasa terjemahan teks menggunakan Ucapan ke Teks standar atau kustom serta Terjemahan standar. Untuk Terjemahan kustom atau 3+ bahasa terjemahan, silakan lihat halaman harga Azure Translator di Terjemahan Teks Foundry Tools.
4Suara teks ke ucapan yang dipilih tersedia melalui dua varian model: Neural dan NeuralHD. Pelajari selengkapnya di sini.
5Pelatihan Custom Speech berlaku saat menyesuaikan model dasar apa pun yang dirilis pada atau setelah 1 Oktober 2023.
6Suara Pribadi adalah fitur akses terbatas yang dibatasi hanya untuk kasus penggunaan tertentu yang telah disetujui sebelumnya, yang memerlukan pengajuan permohonan akses. Untuk mempelajari selengkapnya tentang layanan ini, periksa dokumen.
7Teks ke Ucapan: penggunaan sintesis ucapan ditagih per karakter. Avatar ditagih per detik. Pelatihan dan hosting model ditagih per detik.
8Untuk menggunakan Transkripsi Cepat, Anda perlu menggunakan REST API Ucapan ke teks versi 2024-11-15 atau yang lebih baru. Lihat REST API Ucapan ke teks untuk informasi.
9Ucapan LLM saat ini memiliki harga dan ID SKU yang sama dengan Transkripsi Cepat.
10Penawaran promosi waktu terbatas hingga 31/12/2026
LIHarga ini mencakup output teks
Tingkat Komitmen – Standar
| Kategori | Fitur | Harga (per bulan) | Kelebihan |
|---|---|---|---|
| Ucapan ke Teks | Standar | $- selama 2,000 jam | $- per jam |
| $- selama 10,000 jam | $- per jam | ||
| $- selama 50,000 jam | $- per jam | ||
| Kustom | $- selama 2,000 jam | $- per jam | |
| $- selama 10,000 jam | $- per jam | ||
| $- selama 50,000 jam | $- per jam | ||
Fitur add-on yang ditingkatkan:2
|
$- selama 2,000 jam | $- per jam | |
| $- selama 10,000 jam | $- per jam | ||
| $- selama 50,000 jam | $- per jam | ||
| Teks ke Ucapan | Neural1 | $- untuk 80 juta karakter | $- per 1 juta karakter |
| $- untuk 400 juta karakter | $- per 1 juta karakter | ||
| $- untuk 2,000 juta karakter | $- per 1 juta karakter |
1Ini mencakup sintesis real time dan sintesis batch dengan suara neural non-HD dan non-AOAI bawaan. Suara HD, suara AOAI, Suara Neural Kustom, dan Suara Pribadi tidak termasuk.
2Ucapan ke teks real-time saja, fitur add-on Identifikasi Bahasa Berkelanjutan dan Diarisasi disertakan dengan ucapan ke teks batch.
Tingkat Komitmen – Kontainer tersambung
| Kategori | Fitur | Harga (per bulan) | Kelebihan |
|---|---|---|---|
| Ucapan ke Teks2 | Standar | $- selama 2,000 jam | $- per jam |
| $- selama 10,000 jam | $- per jam | ||
| $- selama 50,000 jam | $- per jam | ||
| Kustom | $- selama 2,000 jam | $- per jam | |
| $- selama 10,000 jam | $- per jam | ||
| $- selama 50,000 jam | $- per jam | ||
Fitur add-on yang ditingkatkan:2
|
$- selama 2,000 jam | $- per jam | |
| $- selama 10,000 jam | $- per jam | ||
| $- selama 50,000 jam | $- per jam | ||
| Teks ke Ucapan | Neural1 | $- untuk 80 juta karakter | $- per 1 juta karakter |
| $- untuk 400 juta karakter | $- per 1 juta karakter | ||
| $- untuk 2,000 juta karakter | $- per 1 juta karakter |
1Ini mencakup sintesis real time dengan suara neural non-HD dan non-AOAI bawaan. Suara HD, suara AOAI, dan suara kustom (baik suara profesional maupun pribadi) tidak termasuk. Sintesis batch tidak termasuk.
2Harga berlaku untuk kasus penggunaan secara real time dan batch. Tidak ada harga batch terpisah untuk kontainer.
Lihat dokumentasi untuk informasi tentang tingkat Komitmen.
Tingkat Komitmen – Kontainer terputus
Daftar untuk mengakses ucapan di kontainer terputus, atau pelajari selengkapnya
| Kategori | Fitur | Harga (per tahun) | Penggunaan maks (per tahun) | Penggunaan yang diperkirakan (per bulan) |
|---|---|---|---|---|
| Ucapan ke Teks2 | Standar: Realtime & Batch |
$-
$- Daftar untuk mendapatkan akses Pelajari lebih lanjut |
120,000 Jam
600,000 Jam |
10,000 Jam
50,000 Jam |
| Standar: Transkripsi Cepat |
$-
Daftar untuk mendapatkan akses Pelajari lebih lanjut |
120,000 Jam | 10,000 Jam | |
| Kustom: Realtime & Batch |
$-
$- Daftar untuk mendapatkan akses Pelajari lebih lanjut |
120,000 Jam
600,000 Jam |
10,000 Jam
50,000 Jam |
|
Fitur add-on yang ditingkatkan:
|
$-
$- |
120,000 Jam
600,000 Jam |
10,000 Jam
50,000 Jam |
|
| Teks ke Ucapan | Neural1 |
$-
$- Daftar untuk mendapatkan akses Pelajari lebih lanjut |
4,8 M karakter
24 M karakter |
400 JT karakter
2.000 M karakter |
1Ini mencakup sintesis real time dengan suara neural non-HD dan non-AOAI bawaan. Suara HD, suara AOAI, dan suara kustom (baik suara profesional maupun pribadi) tidak termasuk. Sintesis batch tidak termasuk.
2Harga berlaku untuk kasus penggunaan secara real time dan batch. Tidak ada harga batch terpisah untuk kontainer.
Fitur-fitur ini tidak digunakan lagi dan hanya tersedia untuk digunakan oleh pelanggan yang sudah ada. Periksa detail dan pelajari cara bermigrasi ke fitur baru.
| Instans | Kategori | Fitur | Harga |
|---|---|---|---|
| Gratis - Web/Kontainer 1permintaan serentak |
Teks ke Ucapan | Standar | 5 million karakter gratis per bulan |
| Kustom |
5 million karakter gratis per bulan Hosting titik akhir: 1 model gratis per bulan |
||
| Standar - Web/Kontainer 100 permintaan serentak untuk model Dasar 20 permintaan serentak untuk model Kustom |
Teks ke Ucapan | Standar | $- per 1M karakter |
| Kustom |
$- per 1M karakter Hosting titik akhir: $- per model per jam |
Opsi harga dan pembelian Azure
Terhubung dengan kami secara langsung
Dapatkan panduan harga Azure. Pahami harga untuk solusi cloud Anda, pelajari tentang pengoptimalan biaya, dan minta proposal khusus.
Bicara dengan spesialis penjualanLihat cara pembelian
Beli layanan Azure melalui situs web Azure, perwakilan Microsoft, atau mitra Azure.
Jelajahi opsi AndaSumber daya tambahan
Azure Speech in Foundry Tools
Pelajari selengkapnya tentang fitur dan kemampuan Azure Speech in Foundry Tools.
Kalkulator harga
Perkirakan biaya bulanan Anda untuk penggunaan kombinasi produk Azure apa pun.
Dokumentasi
Tinjau tutorial teknis, video, dan Azure Speech in Foundry Tools sumber daya lainnya.
Tanya jawab umum
-
- Untuk Ucapan ke Teks dan Terjemahan Ucapan, penggunaan ditagih dalam kelipatan satu detik.
- Untuk Teks ke Ucapan: penggunaan ditagih per karakter. Periksa definisi karakter di catatan harga.
- Untuk hosting CNV: penggunaan ditagih per titik akhir per detik. Periksa detailnya di catatan harga.
- Untuk penyimpanan profil suara pribadi: penggunaan ditagih per profil suara per hari. Periksa detailnya di catatan harga.
- Untuk Avatar Teks ke Ucapan, penggunaan ditagih per detik.
- Untuk Ucapan ke Teks dan Teks ke Ucapan (termasuk Avatar), hosting titik akhir untuk model kustom ditagih per detik per model.
-
Layanan Ucapan memungkinkan pengguna untuk menyesuaikan model dasar berdasarkan data akustik dan bahasa mereka sendiri, yang mengarah ke model ucapan kustom yang dapat digunakan terhadap Ucapan ke Teks dan Penerjemahan Ucapan.
-
Model bahasa adalah distribusi probabilitas atas urutan kata. Model bahasa membantu sistem memutuskan di antara urutan kata yang terdengar sama, berdasarkan kemungkinan urutan kata itu sendiri. Misalnya, suara “recognize speech” dan “wreck a nice beach” terdengar sama, tetapi hipotesis pertama jauh lebih mungkin terjadi, dan karenanya akan diberi skor yang lebih tinggi oleh model bahasa. Jika Anda mengharapkan kueri suara pada aplikasi Anda berisi item kosakata tertentu, seperti nama produk atau jargon yang jarang muncul dalam ucapan biasa, Anda mungkin dapat memperoleh peningkatan kinerja dengan menyesuaikan model bahasanya. Misalnya, jika Anda membuat aplikasi untuk mencari MSDN dengan suara, kemungkinan istilah seperti “object-oriented” atau “namespace” atau “dot net” akan muncul lebih sering daripada dalam aplikasi suara biasa. Mengustomisasi model bahasa akan memungkinkan sistem mempelajari hal ini.
-
Model akustik adalah penggolong yang melabeli fragmen-fragmen pendek audio ke dalam salah satu dari beberapa fonem, atau unit suara, dalam setiap bahasa. Fonem-fonem ini kemudian dapat ditautkan bersama-sama untuk membentuk kata. Misalnya, kata “speech” terdiri dari empat fonem “s p iy ch”. Klasifikasi ini dibuat dengan urutan 100 kali per detik. Mengustomisasi model akustik dapat memungkinkan sistem untuk belajar melaksanakan pekerjaan mengenali ucapan dengan lebih baik di lingkungan yang tidak biasa. Misalnya, jika Anda memiliki aplikasi yang dirancang untuk digunakan oleh pekerja di gudang atau pabrik, model akustik yang dikustomisasi dapat lebih akurat mengenali ucapan jika ada kebisingan yang ditemukan di lingkungan tersebut.
-
Layanan ucapan menawarkan beragam font suara teks-ke-ucapan (TTS), namun CNV memungkinkan Anda membuat suara kustom sendiri yang sesuai dengan kebutuhan dan merek Anda. Baca blog untuk informasi selengkapnya.
-
Identifikasi bahasa memungkinkan Anda mengidentifikasi peralihan dalam bahasa lisan dan mentranskripsikan ucapan dengan benar. Metode ini dapat diterapkan jika bahasa audio tidak diketahui atau ketika pembicara mungkin berbicara dalam beberapa bahasa. Identifikasi Bahasa Tunggal tersedia tanpa biaya tambahan. Identifikasi Bahasa Berkelanjutan adalah fitur tambahan yang disempurnakan. Kunjungi dokumen untuk mempelajari selengkapnya.
-
- Penilaian pelafalan mengevaluasi pelafalan ucapan dan memberikan umpan balik kepada penutur tentang akurasi dan kefasihan audio yang diucapkan. Melalui penilaian pelafalan, pelajar bahasa dapat berlatih, mendapatkan umpan balik langsung, dan meningkatkan pelafalan mereka sehingga mereka dapat berbicara dan menyajikan dengan percaya diri. Pendidik dapat menggunakan kemampuan untuk mengevaluasi pelafalan beberapa pembicara secara real time. Kunjungi dokumen untuk mempelajari selengkapnya.
- Layanan ini ditagih sebagai Ucapan ke Teks standar, contoh:
Untuk evaluasi ucapan selama 8 detik, Anda akan dikenakan biaya sekitar $-
Hubungi ahli penjualan untuk panduan harga Azure. Pahami harga untuk solusi cloud Anda.
Dapatkan layanan cloud gratis dan kredit $200 untuk menjelajahi Azure selama 30 hari.