Priser for Azure AI Speech | Microsoft Azure

Samlede taletjenester for tale til tekst, tekst til tale og taleoversettelse

Den enhetlige taletjenesten har mange former for talegjenkjenning og generering, inkludert taletranskripsjon, tekst til tale og taleoversettelse. Speech-tjenesten leverer mange former for talegjenkjenning og -generering, inkludert taletranskripsjon, tekst til tale, taleoversettelse og talergjenkjenning.

Se nærmere på prisalternativene

Legg til filtre for å tilpasse prisalternativene til dine behov.

Prisene er bare estimater, og er ikke ment som faktiske pristilbud. De faktiske prisene kan variere avhengig av avtaletypen, som er angitt med Microsoft, kjøpsdatoen og valutakursen. Prisene beregnes basert på amerikanske dollar, og konverteres ved hjelp av London-spotkurser registrert to virkedager før den siste virkedagen i utgangen av forrige måned. Hvis de to virkedagene før slutten av måneden faller på en helligdag i de største markedene, er prissettingsdagen vanligvis dagen umiddelbart før de to virkedagene. Denne satsen gjelder for alle transaksjoner i løpet av den kommende måneden. Logg på priskalkulatoren for Azure for å se priser basert på gjeldende program/tilbud med Microsoft. Kontakt en Azure-salgsspesialist for mer informasjon om priser, eller for å be om et pristilbud. Se vanlige spørsmål om Azure-priser.

Område:

Valuta:

Gratis (F0)

Se dokumentasjon for informasjon om kvoter, grenser og instruksjoner om hvordan du øker samtidige forespørsler.

¹Ubrukte modeller blir automatisk avviklet etter syv dager.

²Talergjenkjenning er en funksjon med begrenset tilgang som må søke om tilgang.

³Gratis lydtimer for tale til tekst deles mellom Standard og Custom. Batch støttes ikke.
Kategori	Funksjoner	Pris
Tale til tekst (fakturering per sekund)	Standard	5 timer lyd gratis per måned³
	Tilpasset	5 timer lyd gratis per måned³ Drifting av endepunkt: 1 modell gratis per måned¹
	Samtaletranskripsjon med flerkanalslyd ^TESTVERSJON	5 timer lyd gratis per måned
Tekst til tale (fakturering per tegn)	Nevral	0.5 million tegn gratis per måned
Taleoversettelse (fakturering per sekund)	Standard	5 timer lyd gratis per måned
Talergjenkjenning (per transaksjonsfakturering)	Talerverifisering²	10,000 gratis transaksjoner per måned
	Taleridentifisering²	10,000 gratis transaksjoner per måned
	Taleprofillagring	10,000 gratis transaksjoner per måned

Bruksbasert betaling: betal bare for det du bruker.

Se dokumentasjon for informasjon om kvoter, grenser og instruksjoner om hvordan du øker samtidige forespørsler.

Tale til teksttimer måles som timene med lyd som sendes til tjenesten, fakturert i andre intervaller.

¹For å dra nytte av denne nye prissettingen for massetranskripsjon, må du bruke REST API-et for Tale til tekst V3.2 eller nyere. Se REST API-et for Tale til tekst for mer informasjon.

²Dette gjenspeiler priser for offentlig forhåndsvisning.

³Denne prisen inkluderer 1 lydinndata og -utdata, opptil 2 språk for tekstoversettelse ved hjelp av standard eller egendefinert Tale til tekst og standard Oversettelse. Hvis du vil ha egendefinerte oversettelsesspråk eller språk for mer enn 3 oversettelser, kan du se prissiden for Azure kunstig intelligens Translator Text Translation.

⁴Utvalgte tekst-til-tale-stemmer er tilgjengelig gjennom to modellvarianter: Neural og NeuralHD. Mer informasjon her.

⁵Tilpasset taleopplæring gjelder når du tilpasser en basismodell utgitt på eller etter 1. oktober 2023.

⁶Personal Voice er en begrenset tilgangsfunksjon begrenset til bestemte bare forhåndsgodkjente brukstilfeller, med et behov for å søke om tilgang. Hvis du vil vite mer om tjenesten, kan du se dokumentet.

⁷Talergjenkjenning er en funksjon med begrenset tilgang som må søke om tilgang.

⁸Tekst til tale: bruk av talesyntetisering faktureres per tegn. Avataren faktureres per sekund. Opplæring og modelldrifting faktureres per sekund.

⁹For å bruke rask transkripsjon, må du bruke REST API-et for tale til tekst 2024-05-15-preview eller nyere. Se REST API-et for Tale til tekst for mer informasjon.
Kategori	Pris
Tale til tekst (fakturering per sekund)	Standard	Transkripsjon i sanntid: $- per time Rask transkripsjon: $- per time⁹ Partitranskripsjon: $- per time¹
	Tilpasset	Transkripsjon i sanntid: $- per time Partitranskripsjon: $- per time¹ Drifting av endepunkt: $- per modell per time Tilpasset taleopplæring⁵: $- per datatime
	Forbedrede tilleggsfunksjoner: Kontinuerlig språkidentifikasjon Dagsredisering Uttalevurdering (prosodi, grammatikk, ordforråd, emne)	Sanntid: $- per time per funksjon Parti (kontinuerlig språkidentifikasjon, gjentakelse): inkludert i standard/egendefinert (ingen ekstra kostnad)
	Samtaletranskripsjon med flerkanalslyd ^TESTVERSJON	$- per time²
Taleoversettelse (fakturering per sekund)	Taleoversettelse i sanntid	$- per time med lyd³
Taleoversettelse (fakturering per sekund)	Videooversettelse^{Forhåndsversjon}	Parti: $- per resulterende videominutt Innholdsredigering: $- per resulterende videominutt Personlig tale: $- per resulterende videominutt
Tekst til tale⁸	Standardstemme	Nevral (sanntid og bunke): $- per 1 mill. tegn Nevral HD (sanntid og bunke)⁴: $- per 1 mill. tegn
	Custom Voice	Profesjonell stemme: Syntese (sanntid og bunke): $- per 1M tegn Opplæring av talemodell: $- per datatime, opptil $- per opplæring Drifting av endepunkt: $- per modell per time
	Custom Voice	Personlig tale⁶: Syntese (sanntid og bunke): $- per 1M tegn Taleoppretting: gratis Taleprofillagring: $- per 1000 taleprofiler per måned
	Forbedret tilleggsfunksjon: avatar	Standard: Interaktiv avatar (sanntid): $- per minutt Avatarvideo (bunke): $- per minutt
	Forbedret tilleggsfunksjon: avatar	Tilpasset: Opplæring av avatarmodeller: $- per datatime Interaktiv avatar (sanntid): $- per minutt Avatarvideo (bunke): $- per minutt Endepunktdrifting: $- per modell per time
Talergjenkjenning (per transaksjonsfakturering)	Talerverifisering⁷	$- per 1,000 transaksjoner
	Taleridentifisering⁷	$- per 1,000 transaksjoner
	Taleprofillagring	$- for 1,000 stemmeprofiler (10,000 gratis stemmeprofiler per måned)

Forpliktelsesnivåer – Azure – standard

Kategori	Funksjoner	Pris (per måned)	Overforbruk
Tale til tekst	Standard	$- i 2,000 timer	$- per time
		$- i 10,000 timer	$- per time
		$- i 50,000 timer	$- per time
	Tilpasset	$- i 2,000 timer	$- per time
		$- i 10,000 timer	$- per time
		$- i 50,000 timer	$- per time
	Forbedrede tilleggsfunksjoner:² Kontinuerlig språkidentifikasjon Dagsredisering Uttalevurdering (prosodi, grammatikk, ordforråd, emne)	$- i 2,000 timer	$- per time
		$- i 10,000 timer	$- per time
		$- i 50,000 timer	$- per time
Tekst til tale	Nevral¹	$- for 80 millioner tegn	$- per 1 millioner tegn
		$- for 400 millioner tegn	$- per 1 millioner tegn
		$- for 2,000 millioner tegn	$- per 1 millioner tegn

¹Dette inkluderer både sanntidssyntese og bunkesyntese med forhåndsbygde nevrale stemmer som ikke er HD eller AOAI. HD-stemmer, AOAI-stemmer, egendefinert nevralstemme og personlig stemme er ikke inkludert.

²Kun tale til tekst i sanntid, tilleggsfunksjoner for kontinuerlig språkidentifisering og diarisering inkludert med satsvis tale til tekst.

Forpliktelsesnivåer – tilkoblet beholder

Kategori	Funksjoner	Pris (per måned)	Overforbruk
Tale til tekst²	Standard	$- i 2,000 timer	$- per time
		$- i 10,000 timer	$- per time
		$- i 50,000 timer	$- per time
	Tilpasset	$- i 2,000 timer	$- per time
		$- i 10,000 timer	$- per time
		$- i 50,000 timer	$- per time
	Forbedrede tilleggsfunksjoner:² Språkidentifikasjon Dagsredisering	$- i 2,000 timer	$- per time
		$- i 10,000 timer	$- per time
		$- i 50,000 timer	$- per time
Tekst til tale	Nevral¹	$- for 80 millioner tegn	$- per 1 millioner tegn
		$- for 400 millioner tegn	$- per 1 millioner tegn
		$- for 2,000 millioner tegn	$- per 1 millioner tegn

¹Dette inkluderer sanntidssyntese med forhåndsbygde nevrale stemmer som ikke er HD eller AOAI. HD-stemmer, AOAI-stemmer og egendefinerte stemmer (både profesjonelle og personlige stemmer) er ikke inkludert. Bunkesyntese er ikke inkludert.

²Priser gjelder for tilfeller av sanntids- og bunkebruk. Det finnes ingen separate satsvise priser for beholdere.

Se dokumentasjonen for informasjon om forpliktelsesnivåer.

Forpliktelsesnivåer – frakoblet beholder

Registrer deg for å få tilgang til tale i frakoblede beholdere eller finne ut mer

Kategori	Funksjoner	Pris (per år)	Maksimal bruk (per år)	Forventet bruk (per måned)
Tale til tekst²	Standard	$- $- Registrer deg for å få tilgang Finn ut mer	120 000 timer 600 000 timer	10 000 timer 50 000 timer
	Tilpasset	$- $- Registrer deg for å få tilgang Finn ut mer	120 000 timer 600 000 timer	10 000 timer 50 000 timer
	Forbedrede tilleggsfunksjoner: Språkidentifikasjon Dagsredisering	$- $-	120 000 timer 600 000 timer	10 000 timer 50 000 timer
Tekst til tale	Nevral¹	$- $- Registrer deg for å få tilgang Finn ut mer	4,8 milliarder tegn 24 milliarder tegn	400 millioner tegn 2 milliarder tegn

¹Dette inkluderer sanntidssyntese med forhåndsbygde nevrale stemmer som ikke er HD eller AOAI. HD-stemmer, AOAI-stemmer og egendefinerte stemmer (både profesjonelle og personlige stemmer) er ikke inkludert. Bunkesyntese er ikke inkludert.

²Priser gjelder for tilfeller av sanntids- og bunkebruk. Det finnes ingen separate satsvise priser for beholdere.

Disse funksjonene avskrives og er bare tilgjengelige for eksisterende kunder å bruke. Kontroller detaljer og finn ut hvordan du overfører til nye funksjoner.

Forekomst	Kategori	Funksjoner	Pris
Gratis - Nett/beholder 1 samtidig forespørsel	Tekst til tale	Standard	5 million tegn gratis per måned
Gratis - Nett/beholder 1 samtidig forespørsel	Tekst til tale	Tilpasset	5 million tegn gratis per måned Drifting av endepunkt: 1 modell gratis per måned
Standard – nett/beholder 100 samtidige forespørsler for basismodell 20 samtidige forespørsler for egendefinert modell	Tekst til tale	Standard	$- per 1 mill. tegn
	Tekst til tale	Tilpasset	$- per 1 mill. tegn Drifting av endepunkt: $- per modell per time

Alternativer for Azure-priser og -kjøp

Få direkte kontakt med oss

Få en gjennomgang av Azure-priser. Forstå prisingen for skyløsningen din, lær om kostnadsoptimalisering og be om et egendefinert forslag.

Snakk med en selger

Se måter å kjøpe på

Kjøp Azure-tjenester via Azure-nettstedet, en Microsoft-representant eller en Azure-partner.

Se nærmere på alternativene dine

Flere ressurser

Vanlige spørsmål

Vanlige spørsmål om Azure-priser

- For Tale til tekst og taleoversettelse faktureres bruken i intervaller på ett sekund.
- For tekst-til-tale: bruk faktureres per tegn. Kontroller definisjonen av tegn i prisnotatet.
- For egendefinert nevralstemmevert: Bruk faktureres per endepunkt per sekund. Sjekk detaljer i prisnotat.
- For personlig lagring av taleprofil: bruk faktureres per taleprofil per dag. Sjekk detaljer i prisnotat.
- For tekst-til-tale-avatar faktureres bruken per sekund.
- For Tale til tekst og Tekst til tale (inkludert Avatar) faktureres endepunktdrifting for egendefinerte modeller per sekund per modell.
Ved hjelp av taletjenesten kan brukere tilpasse grunnmodeller basert på sine egne akustikk- og språkdata, og dermed få egendefinerte talemodeller som kan brukes både i tale til tekst og taleoversettelse.
Språkmodellen er en sannsynlighetsfordeling over sekvenser av ord. Språkmodellen lar systemet velge mellom sekvenser av ord som høres nesten like ut, basert på sannsynligheten for selve ordsekvensene. Eksempler (på engelsk): “recognize speech” og “wreck a nice beach” høres likt ut, men fordi det er mye mer sannsynlig at det første utsagnet forekommer, vil det tildeles en høyere poengsum av språkmodellen. Hvis du forventer at talespørringer til ditt program vil inneholde bestemte ord, for eksempel produktnavn eller en sjargong som sjelden forekommer i vanlig tale, kan du sannsynligvis forbedre ytelsen ved å tilpasse språkmodellen. Hvis du for eksempel bygger en app som søker i MSDN ved hjelp av stemmen, er det sannsynlig at uttrykk som “objektorientert” eller “navneområde” eller “punktum net” forekommer oftere enn i vanlige taleprogrammer. Når språkmodellen tilpasses, kan systemet lære dette.
Den akustiske modellen er en klassifiserer, som merker korte lydfragmenter som ett av flere fonemer, eller lydenheter, i hvert språk. Disse fonemene kan deretter slås sammen for å danne ord. Det engelske ordet “speech” består for eksempel av fire fonemer, “s p iy ch”. Disse klassifiseringene utføres inntil 100 ganger per sekund. Hvis den akustiske modellen tilpasses, kan systemet lære å gjøre en bedre jobb med å gjenkjenne tale i atypiske miljøer. Hvis du for eksempel har en app som er laget for å brukes av arbeidere i et varehus eller en fabrikk, kan en tilpasset akustisk modell føre til at tale gjenkjennes mer presist i nærheten av den støyen man finner i disse miljøene.
Taletjeneste tilbyr et bredt spekter av TTS (tekst-til-tale)-stemmetyper, men egendefinert nevralstemme lar deg bygge din egendefinerte stemme som passer dine behov og ditt varemerke. Les bloggen for mer informasjon.
Språkgjenkjenning lar deg identifisere en veksling i talespråk og transkribere tale i henhold til det. Dette kan brukes i situasjoner der språket i lyden er ukjent, eller når taler(e) kan snakke flere språk. Identifisering av ett språk er tilgjengelig uten ekstra kostnad. Kontinuerlig språkgjenkjenning er en forbedret tilleggsfunksjon. Gå til dokumenter for å lære mer.
- Uttalevurdering evaluerer uttale og gir talere tilbakemelding angående nøyaktigheten og flyten av språket. Med uttalevurdering kan de som lærer et nytt språk øve, få umiddelbar tilbakemelding og forbedre uttalen, slik at de kan snakke og kommunisere med selvsikkerhet. Lærere kan bruke funksjonen til å evaluere uttalen til flere elever i sanntid. Gå til dokumenter for å finne ut mer.
- Den belastes som standard Tale til tekst, for eksempel:
  Du blir belastet rundt $-
for evaluering av åtte sekunder med tale

Snakk med en selger for å få en gjennomgang av Azure-prisene. Forstå prisene for skyløsningen din.

Be om et pristilbud

Få gratis skytjenester og $200 i kredit til å utforske Azure i 30 dager.

Prøv Azure gratis

Priser på Azure AI Speech