Avançar para o conteúdo principal
Azure

Preços de Discurso de IA do Azure

Serviços de voz unificados para conversão de voz para texto, texto para voz e tradução de voz

Os serviços de Voz unificados oferecem uma ampla variedade de funcionalidades de reconhecimento e geração de voz, incluindo transcrição de voz, conversão de texto em voz e tradução de voz. O serviço de Voz oferece uma ampla variedade de capacidades de reconhecimento e geração de voz, incluindo transcrição de voz, conversão de texto em voz, tradução de voz e reconhecimento de orador.

Explorar opções de preços

Aplique filtros para personalizar as opções de preços à medida das suas necessidades.

Os preços são apenas estimativas e não propostas de preços reais. Os preços reais podem variar dependendo do tipo de contrato que foi estipulado com a Microsoft, da data de compra e da taxa de câmbio. Os preços são calculados com base em dólares americanos e convertidos com as taxas de encerramento de Londres que são capturadas nos dois dias úteis anteriores ao último dia útil do fim do mês anterior. Se os dois dias úteis anteriores ao fim do mês calharem num feriado nos principais mercados, o dia de definição da taxa é geralmente o dia imediatamente anterior aos dois dias úteis. Esta taxa aplica-se a todas as transações durante o mês seguinte. Inicie sessão na calculadora de preços do Azure para ver os preços com base no seu programa/oferta atual com a Microsoft. Contacte um especialista de vendas do Azure para obter mais informações sobre preços ou para pedir um orçamento de preço. Consulte as perguntas mais frequentes sobre os preços do Azure.

Gratuito (F0)

Categoria Funcionalidades Preço
Voz em Texto
(faturação por segundo)
Standard 5 horas de áudio gratuitas por mês3
Personalizados 5 horas de áudio gratuitas por mês3
Alojamento de pontos finais: 1 modelo gratuito por mês1
Áudio Multicanal de Transcrição de Conversas PRÉ-VISUALIZAÇÃO 5 horas de áudio gratuitas por mês
Conversão de Texto em Voz
(faturação por caráter)
Neural 0.5 million carateres gratuitos por mês
Tradução de Voz
(faturação por segundo)
Standard 5 horas de áudio gratuitas por mês
Reconhecimento de Orador
(faturação por transação)
Verificação de Orador2 10,000 Transações gratuitas por mês
Identificação de Orador2 10,000 Transações gratuitas por mês
Armazenamento do Perfil do Voice 10,000 Transações gratuitas por mês

Veja a documentação para obter informações sobre quotas, limites e instruções sobre como aumentar os pedidos simultâneos.

1Os modelos não utilizados vão ser encerrados automaticamente após 7 dias.

2O Reconhecimento de Orador é uma funcionalidade de acesso limitado para a qual é preciso pedir acesso.

3As horas de áudio gratuitas de conversão de voz em texto são partilhadas entre Standard e Personalizado. Não são suportados Lotes.

Pay as You Go: pague apenas pelo que utilizar.

Categoria Preço
Voz em Texto
(faturação por segundo)
Standard Transcrição em Tempo Real: $- por hora
Transcrição RápidaPré-visualização: $- por hora9
Transcrição em Lote: $- por hora1
Personalizados Transcrição em Tempo Real: $- por hora
Transcrição em Lote: $- por hora1
Alojamento de pontos finais: $- por modelo por hora
Preparação de Voz Personalizada5: $- por hora de computação
Funcionalidades de suplemento melhoradas:
  • Identificação de Idioma Contínua
  • Diarização
  • Avaliação da Pronúncia (prosódia, gramática, vocabulário, tópico)
Tempo Real: $- por hora por funcionalidade
Lote (Identificação Contínua de Idioma, Segmentação): Incluído em Padrão/Personalizado (sem custos adicionais)
Áudio Multicanal de Transcrição de Conversas PRÉ-VISUALIZAÇÃO $- por hora2
Tradução de Voz
(faturação por segundo)
Tradução de Voz em Tempo Real $- por hora de áudio3
Tradução de VídeoPré-visualização Lote: $- por minuto de vídeo de saída
Edição de conteúdo: $- por minuto de vídeo de saída
Voz Pessoal: $- por minuto de vídeo de saída
Conversão de Texto em Voz8 Voz Padrão Neural: $- por um milhão de carateres
Neural HD4: $- por um milhão de carateres
Voz Personalizada Voz Profissional:
Sintetização: $- por 1 milhão de carateres
Preparação de modelos de voz: $- por hora de computação, até $- por preparação
Alojamento de pontos finais: $- por modelo por hora
Voz Pessoal6:
Sintetização: $- por 1 milhão de carateres
Criação de voz: gratuita
Armazenamento de perfis de voz: $- por 1000 perfis de voz por mês
Funcionalidade de Suplemento Melhorada: Avatar Standard: $- por minuto
Personalizados:
Sintetização em tempo real: $- por minuto
Sintetização em lotes: $- por minuto
Alojamento de ponto final: $- por modelo, por hora
Reconhecimento de Orador
(faturação por transação)
Verificação de Orador7 $- por 1,000 transações
Identificação de Orador7 $- por 1,000 transações
Armazenamento do Perfil do Voice $- por 1,000 perfis de voz (10,000 perfis de voz gratuitos por mês)

Veja a documentação para obter informações sobre quotas, limites e instruções sobre como aumentar os pedidos simultâneos.

As horas de conversão de voz em texto são medidas como as horas de áudio enviadas para o serviço, faturadas em incrementos de segundos.

1Para tirar partido deste novo preço da Transcrição em Lote, tem de utilizar a API REST de Conversão de Voz em Texto V3.2 ou versões posteriores. Consulte a API REST de Conversão de Voz em Texto para obter informações.

2Isto reflete os preços da pré-visualização pública.

3Este preço inclui 1 entrada e saída de áudio, até 2 idiomas de tradução de texto utilizando a Voz em Texto padrão ou personalizada e a Tradução padrão. Para Tradução personalizada ou mais de 3 idiomas de tradução, consulte a página de preços da Tradução de Texto do Azure AI.

4As vozes de conversão de texto em voz da OpenAI estão disponíveis em duas variantes de modelo: Neural e NeuralHD. Saiba mais aqui.

5A Preparação de Voz Personalizada aplica-se ao personalizar qualquer modelo base lançado a 1 de outubro de 2023 ou após essa data.

6A Voz Pessoal é uma funcionalidade de acesso limitado restrita apenas a determinados casos de utilização pré-aprovados, sendo necessário solicitar acesso. Para saber mais sobre o serviço, consulte o documento.

7O Reconhecimento de Orador é uma funcionalidade de acesso limitado para a qual é preciso pedir acesso.

8Conversão de Texto em Voz: a utilização da síntese de voz é faturada por caráter. O avatar é faturado por segundo. A preparação e o alojamento de modelos são faturados por segundo.

9Para utilizar a Transcrição Rápida, tem de utilizar a API REST de Conversão de Voz em Texto 2024-05-15-preview ou versões posteriores. Consulte a API REST de Conversão de Voz em Texto para obter informações.

Camadas de Compromisso – Azure - Standard

Categoria Funcionalidades Preço (por mês) Utilização excedida
Conversão de Voz em Texto Standard $- para 2,000 horas $- por hora
$- para 10,000 horas $- por hora
$- para 50,000 horas $- por hora
Personalizados $- para 2,000 horas $- por hora
$- para 10,000 horas $- por hora
$- para 50,000 horas $- por hora
Funcionalidades de suplemento melhoradas:2
  • Identificação de Idioma Contínua
  • Diarização
  • Avaliação da Pronúncia (prosódia, gramática, vocabulário, tópico)
$- para 2,000 horas $- por hora
$- para 10,000 horas $- por hora
$- para 50,000 horas $- por hora
Conversão de Texto em Voz Neural1 $- para 80 M de carateres $- por 1 M de carateres
$- para 400 M de carateres $- por 1 M de carateres
$- para 2,000 M de carateres $- por 1 M de carateres

1Apenas a síntese em tempo real, isto não inclui a criação de áudio longo.

2Apenas conversão de voz em texto em tempo real. Funcionalidades suplementares de Identificação de Idioma Contínua e Segmentação incluídas na conversão de voz em texto em lote.

Camadas de Compromisso – Contentor ligado

Categoria Funcionalidades Preço (por mês) Utilização excedida
Conversão de Voz em Texto2 Standard $- para 2,000 horas $- por hora
$- para 10,000 horas $- por hora
$- para 50,000 horas $- por hora
Personalizados $- para 2,000 horas $- por hora
$- para 10,000 horas $- por hora
$- para 50,000 horas $- por hora
Funcionalidades de suplemento melhoradas:2
  • Identificação de idioma
  • Diarização
$- para 2,000 horas $- por hora
$- para 10,000 horas $- por hora
$- para 50,000 horas $- por hora
Conversão de Texto em Voz Neural1 $- para 80 M de carateres $- por 1 M de carateres
$- para 400 M de carateres $- por 1 M de carateres
$- para 2,000 M de carateres $- por 1 M de carateres

1Apenas a síntese em tempo real, isto não inclui a criação de áudio longo.

2Os preços aplicam-se a casos de utilização em tempo real e em lote. Não existem preços em lote separados para contentores.

Consulte a documentação para obter informações sobre as Camadas de compromisso.

Camadas de Compromisso – Contentor desligado

Inscreva-se para aceder à voz em contentores desligados ou saiba mais

Categoria Funcionalidades Preço (por ano) Utilização máxima (por ano) Utilização projetada (por mês)
Conversão de Voz em Texto2 Standard $-
$-
Inscreva-se para obter acesso
Saiba mais
120 000 horas
600 000 horas
10 000 horas
50 000 horas
Personalizados $-
$-
Inscreva-se para obter acesso
Saiba mais
120 000 horas
600 000 horas
10 000 horas
50 000 horas
Funcionalidades de suplemento melhoradas:
  • Identificação de idioma
  • Diarização
$-
$-
120 000 horas
600 000 horas
10 000 horas
50 000 horas
Conversão de Texto em Voz Neural1 $-
$-
Inscreva-se para obter acesso
Saiba mais
4,8 mil milhões de carateres
24 mil milhões de carateres
400 milhões de carateres
2 mil milhões de carateres

1Apenas a síntese em tempo real, isto não inclui a criação de áudio longo.

2Os preços aplicam-se a casos de utilização em tempo real e em lote. Não existem preços em lote separados para contentores.

Estas funcionalidades estão a ser preteridas e apenas disponíveis para os clientes existentes usarem. Verifique os detalhes e aprenda a migrar para novas funcionalidades.

Instância Categoria Funcionalidades Preço
Gratuito - Web/Contentor
1 pedido simultâneo
Conversão de Texto em Voz Standard 5 million carateres gratuitos por mês
Personalizados 5 million carateres gratuitos por mês
Alojamento de pontos finais: 1 modelo gratuito por mês
Standard - Web/Contentor
100 pedidos simultâneos para o modelo Base
20 pedidos simultâneos para o modelo Personalizado
Conversão de Texto em Voz Standard $- por um milhão de carateres
Personalizados $- por um milhão de carateres
Alojamento de pontos finais: $- por modelo por hora

Preços e opções de compra do Azure

Entre em contacto direto connosco

Obtenha uma orientação dos preços do Azure. Compreenda os preços da sua solução cloud, saiba mais sobre a otimização de custos e solicite uma proposta personalizada.

Fale com um especialista em vendas

Veja as formas de compra

Compre serviços do Azure através do site do Azure, de um representante da Microsoft ou de um parceiro do Azure.

Explore as suas opções

Recursos adicionais

Discurso de IA do Azure

Saiba mais sobre as funcionalidades e capacidades do Discurso de IA do Azure.

Calculadora de preços

Faça uma estimativa dos seus custos mensais para utilizar qualquer combinação de produtos do Azure.

Documentação

Reveja tutoriais técnicos, vídeos e mais Discurso de IA do Azure recursos.

    • Para a Voz em Texto e a Tradução de Voz, a utilização é faturada em incrementos de um segundo.
    • Para Conversão de Texto em Voz: a utilização é faturada por caráter. Veja a definição de caráter na nota de preços.
    • Para o alojamento de Voz Neural Personalizada: a utilização é faturada por ponto final por segundo. Consulte os detalhes na nota de preços.
    • Para o armazenamento pessoal de perfis de voz: a utilização é faturada por perfil de voz por dia. Consulte os detalhes na nota de preços.
    • Para Avatar de Conversão de Texto em Voz, a utilização é faturada por segundo.
    • Para a Conversão de Voz em Texto e Texto em Voz (incluindo Avatar), o alojamento de pontos finais para modelos personalizados é faturado por segundo e por modelo.
  • O serviço de Voz permite aos utilizadores adaptarem os modelos da linha de base com base nos seus próprios dados acústicos e de linguagem, conduzindo a modelos de discurso personalizado que podem ser utilizados na Conversão de Voz em Texto e na Tradução de Voz.

  • O modelo de idioma é uma distribuição de probabilidade sobre sequências de palavras. O modelo de idioma ajuda o sistema a decidir entre sequências de palavras que soam de forma semelhante, com base na probabilidade das próprias sequências de palavras. Por exemplo, “recognize speech” e “wreck a nice beach” soam de forma parecida, mas a primeira hipótese é muito mais provável de ocorrer e, portanto, será atribuída uma melhor classificação pelo modelo do idioma. Se espera que as consultas de voz na sua aplicação contenham itens de vocabulário particulares, como nomes de produtos ou gíria, que ocorrem raramente no discurso habitual, é provável que consiga obter um melhor desempenho ao personalizar o modelo de idioma. Por exemplo, se estava a criar uma aplicação para pesquisar o MSDN por voz, é provável que termos como “orientado por objetos” ou “espaço de nomes” ou “ponto net” apareçam com mais frequência do que em aplicações de discurso habitual. A personalização do modelo de idioma irá permitir que o sistema aprenda isto.

  • O modelo acústico é um classificador que rotula fragmentos curtos de áudio num de vários fonemas, ou unidades de som, em cada idioma. Estes fonemas podem ser unidos para formar palavras. Por exemplo, a palavra “speech” é constituída por quatro fonemas “s p iy ch”. Estas classificações são feitas na ordem de 100 vezes por segundo. A personalização do modelo acústico pode permitir que o sistema aprenda a melhorar o reconhecimento de voz em ambientes atípicos. Por exemplo, se tem uma aplicação concebida para ser utilizada por trabalhadores num armazém ou numa fábrica, um modelo acústico personalizado pode reconhecer com mais precisão a voz na presença dos ruídos encontrados nestes ambientes.

  • O serviço de voz oferece um amplo conjunto de tipos de letra de voz de conversão de texto em voz (TTS); contudo, a voz neural personalizada permite-lhe criar a sua própria voz personalizada e que se adeque às suas necessidades e à sua marca. Leia o blogue para obter mais informações.

  • Identificação de idioma permite-lhe identificar uma mudança no idioma falado e transcrever a voz em conformidade. Isto pode ser aplicado em cenários em que o idioma de áudio é desconhecido ou quando o(s) falante(s) pode(m) falar vários idiomas. A Identificação de Idioma Único está disponível sem custos adicionais. A Identificação Contínua de Idioma é uma funcionalidade de suplemento melhorada. Visite os documentos para saber mais.

    • A Avaliação da pronúncia avalia a pronúncia da voz e dá feedback aos oradores sobre a precisão e fluência do áudio falado. Com a avaliação da pronúncia, os estudantes de idiomas podem praticar, obter feedback instantâneo e melhorar a pronúncia para que possam falar e apresentar com confiança. Os educadores podem utilizar a capacidade de avaliar a pronúncia de vários oradores em tempo real. Consulte os documentos para saber mais.
    • É cobrado como Conversão de Voz em Texto standard, exemplo:
      Para avaliação de 8 segundos de voz, ser-lhe-ão cobrados cerca de $-

Fale com um especialista em vendas para obter uma descrição detalhada dos preços do Azure. Compreenda os preços da sua solução cloud.

Obtenha serviços cloud gratuitos e um crédito de $200 para explorar o Azure durante 30 dias.

Adicionar à estimativa. Prima \"v\" para ver na calculadora
Como podemos ajudá-lo?