Cognitive Services の価格—Speech Services
インテリジェンス API を使用して、視覚、言語、検索機能を有効にします。
- 事前コストなし
- 解約手数料不要
- 使用した分だけお支払い
米国政府機関は、ライセンス ソリューション プロバイダーから、Azure Government サービスを購入できます。その際、事前の料金契約なしで、または従量課金制のオンライン サブスクリプションで直接ご購入いただけます。
詳細についてはこちら (英語) をご覧ください
重要 - R$ で示されている料金は参照用のみです。これは国際取引のため、最終料金は為替レートと IOF 税により変更される場合があります。eNF は発行されません。
Azure Germany をご利用いただけるのは、欧州連合 (EU)、欧州自由貿易連合 (EFTA) 加盟国、イギリス (UK) で事業を展開している、Azure Germany を既にご購入済みのお客様とパートナー企業です。より高いレベルの制御とデータ保護を備えた、ドイツでのデータの保存場所が提供されます。また、Azure の無料試用版にサインアップすることも可能です。
一元化された Speech Services では、音声の文字起こし、テキスト読み上げ、音声翻訳など、音声認識と生成の機能を幅広く提供しています。Speech Services は、音声の文字起こし、テキスト読み上げ、音声翻訳、話者認識など、音声認識と生成の機能を幅広く提供しています。新しい Speaker Recognition 機能は、2020 年 6 月 1 日から利用できます。
価格の詳細
音声コンテナーはパブリック プレビュー段階です。
| インスタンス | カテゴリ | 機能 | 料金 |
|---|---|---|---|
| Free - Web/コンテナー 1 個の同時要求1 |
Speech to Text | Standard | 1 か月あたり 5 音声時間は無料 |
| カスタム |
1 か月あたり 5 音声時間は無料 エンドポイント ホスティング: 1 か月あたり 1 モデルまで無料 2 |
||
| 会話の文字起こしのマルチチャネル オーディオ プレビュー 3 | 1 か月あたり 5 音声時間は無料 | ||
| Text to Speech | Standard | 1 か月あたり 5 百万文字まで無料 | |
| ニューラル | 1 か月あたり 0.5 百万文字まで無料 | ||
| カスタム |
1 か月あたり 5 百万文字まで無料 エンドポイント ホスティング: 1 か月あたり 1 モデルまで無料 |
||
| Speech Translation | Standard | 1 か月あたり 5 音声時間は無料 | |
| Standard - Web/コンテナー 20 個の同時要求 1 |
Speech to Text | Standard | 音声時間あたり $- |
| カスタム |
音声時間あたり $- エンドポイント ホスティング: 1 モデル、1 か月あたり $- |
||
| 会話の文字起こしのマルチチャネル オーディオ プレビュー 3 | 音声時間あたり $- 4 | ||
| Text to Speech | Standard | 1,000,000 文字あたり $- | |
| ニューラル | 1,000,000 文字あたり $- 5 | ||
| カスタム |
1,000,000 文字あたり $- エンドポイント ホスティング: 1 モデル、1 か月あたり $- |
||
| カスタム ニューラル プレビュー 6 |
音声作成: お問い合わせ リアルタイムの合成: 1,000,000 文字あたり $- エンドポイント ホスティング: 1 モデル、1 か月あたり $- 長い音声の作成: 1,000,000 文字あたり $- |
||
| Speech Translation | Standard | 音声時間あたり $- |
サポートおよび SLA
- 請求およびサブスクリプション管理サポート (無償) が含まれます。
- Cognitive Services については、Standard レベルでの実行時に 99.9 パーセントの可用性が保証されます。無料試用版では SLA は提供されません。SLA を参照してください。
FAQ
-
- 音声翻訳、音声テキスト変換、およびカスタム音声モデルを使った音声テキスト変換の場合: 1 秒単位で課金されます
- テキスト読み上げおよび Custom Voice フォントを使ったテキスト読み上げの場合: 1 文字単位で課金されます
- カスタム音声モデルのホスティングの場合は 1 時間ごと、Custom Voice フォントのホスティングの場合は 1 日単位で課金されます。
-
Speech Servicesでは、ユーザーの音響データと言語データに基づいてベースラインとなるモデルを調整し、音声テキスト変換と音声翻訳のどちらにも使えるカスタム音声モデルを作成できます。
-
言語モデルは、一連の単語における確率分布を表すものです。言語モデルにより、一連の単語の中から、単語系列自体の確率に基づいて音が似ている単語を選択できます。たとえば、“recognize speech” と “wreck a nice beach” の音は似ていますが、前者の仮定の発生確率の方がはるかに大きいため、言語モデルが付けるスコアは大きくなります。アプリケーションに対する音声クエリに、通常の音声ではめったに使われない製品名や専門用語などの特定の語彙が含まれると予想される場合は、言語モデルをカスタマイズすることでパフォーマンスの改善を実現できる可能性があります。たとえば、音声により MSDN を検索するアプリを作成する場合、通常の音声アプリケーションよりも “オブジェクト指向” や “名前空間”、“Dot Net” などの用語が使われる可能性は高いと考えられます。言語モデルのカスタマイズにより、システムにこうした状況を学習させることができます。
-
音響モデルとは、音声の短い断片を各言語のいくつかの音素、つまり音声単位に分類する分類器です。分類後、これらの音声をつなぎ合わせて語句にすることができます。たとえば、“speech” という単語は “s p iy ch” という 4 つの音素で構成されています。こうした分類は、1 秒あたり 100 回程度行われます。音響モデルをカスタマイズすることでシステムを学習し、特殊な環境における音声をより良く認識させることができます。たとえば、倉庫や工場の作業者用に設計したアプリがある場合、音響モデルをカスタマイズして、こうした環境で発生する騒音の中で音声をより正確に認識することができます。
-
Microsoft のSpeech Servicesビスでは、既定の音声 (音声フォント) が 70 種類以上用意されており、40 以上の言語でテキストを音声に変換できます。もっとも、バーチャル アシスタントをはじめ、音声認識を使用するさまざまなアプリケーションが流行している現在では、自社のブランド アイデンティティに合わせて入念に設計した独自の音声を使用したいと考える企業が多いのも事実です。たとえば、カスタマー ケア サービスのためのチャット ボットを開発している場合であれば、自社のブランドを反映した独自の音声を関連付けることによって、お客様からの好感度を高めることができるでしょう。同じように、カーナビ ソフトウェアを開発している場合であれば、テキスト読み上げをさまざまなカスタム音声に対応させることによって、ユーザー エクスペリエンスを充実させることができます。
Voice Studio (カスタム音声作成ポータル) では、このようなことが簡単に行なえます。独自のオーディオ データ (人間の声を録音したデータとそのスクリプト) を使えば、カスタム音声フォントを生成できます。生成したカスタム音声フォントは Microsoft のテキスト読み上げサービスにデプロイし、API エンドポイントを備えたアプリケーションに簡単にプラグインして利用できます。