Prezzi di Servizi cognitivi - Servizi Voce

• Per traduzione vocale, riconoscimento vocale e riconoscimento vocale con modello conversione voce/testo: l'utilizzo viene fatturato in base a incrementi di un secondo
• Per sintesi vocale e sintesi vocale con carattere voce personalizzato: l'utilizzo è fatturato per carattere
• Per hosting modello conversione voce/testo personalizzato l'utilizzo viene fatturato su base oraria, mentre per l'hosting carattere voce personalizzato l'utilizzo è fatturato su base giornaliera.

Il servizio Voce consente agli utenti di adattare modelli baseline in base ai dati acustici e della lingua specifici, generando così modelli di conversione voce/testo personalizzati che si possono usare sia per il riconoscimento vocale che per la traduzione vocale.

Il modello di lingua è una distribuzione probabilistica sulle sequenze di parole. Il modello di lingua aiuta il sistema a decidere tra sequenze di parole con suoni simili, in base alla probabilità delle sequenze di parole stesse. Le frasi "recognize speech" e "wreck a nice beach" presentano un suono simile ma è molto più probabile che ricorra la prima e quindi il modello di lingua le assegnerà un punteggio più alto. Se prevedi che le query vocali inviate alla tua applicazione contengano vocaboli particolari, ad esempio nomi di prodotto o gergo specifico, che raramente vengono usati nel parlato normale, personalizzando il modello di lingua potrai ottenere prestazioni migliori. Ad esempio, se stai sviluppando un'app che permette di eseguire ricerche vocali in MSDN, è probabile che alcuni termini, come ad esempio "orientato a oggetti", "spazio dei nomi" o "dot net", ricorrano con maggiore frequenza rispetto a quanto accade nelle applicazioni vocali tipiche. Con la personalizzazione del modello di lingua, il sistema può apprendere questi termini.

Il modello acustico è un classificatore che etichetta brevi frammenti di audio in uno di più fonemi, o unità di suono, in ogni lingua. Questi fonemi possono quindi essere uniti per formare le parole. Ad esempio, la parola inglese "speech" è costituita da quattro fonemi "s p iy ch". Queste classificazioni vengono effettuate con una frequenza di 100 volte al secondo. La personalizzazione del modello acustico consente al sistema di perfezionare il riconoscimento vocale in ambienti atipici. Se ad esempio hai un'app progettata per essere usata dagli operai in un magazzino o in uno stabilimento, con un modello acustico personalizzato sarà possibile migliorare il riconoscimento vocale in presenza dei rumori tipici di questi ambienti.

I servizi Voce Microsoft offrono oltre 70 voci predefinite, ovvero caratteri voce, in più di 40 lingue per la conversione dei tuoi testi in audio. Con l'aumento degli assistenti virtuali e di altre applicazioni con funzionalità vocali, le aziende desiderano usare una voce esclusiva che rappresenti la società e che sia accuratamente progettata in base all'identità del marchio specifica. Ad esempio se stai sviluppando un chatbot per il servizio di assistenza clienti, puoi associarlo a una voce esclusiva della tua azienda per incentivare la fidelizzazione dei clienti. Allo stesso modo, uno sviluppatore di software di navigazione per auto può abilitare la sintesi vocale in varie voci personalizzate per arricchire l'esperienza utente.

Con Voice Studio, il portale di creazione voci personalizzate, è più facile che mai. Usando dati audio personali, ovvero una voce umana registrata con i relativi script associati, puoi generare un carattere voce personalizzato che verrà distribuito nel servizio Sintesi vocale Microsoft e che può essere collegato nelle tue applicazioni con un endpoint API.