Unified Speech Services för tal-till-text, text-till-tal och talöversättning
De enhetliga Speech-tjänsterna omfattar ett brett utbud funktioner för taligenkänning och talgenerering, som taltranskription, text till tal och talöversättning. Speech-tjänsterna omfattar ett brett utbud funktioner för taligenkänning och talgenerering, som taltranskription, text till tal, talöversättning och talarigenkänning.
Utforska prisalternativ
Använd filter för att anpassa prisalternativ efter dina behov.
Priserna är endast uppskattningar och är inte avsedda som faktiska priscitat. Den faktiska prissättningen kan variera beroende på vilken typ av avtal som ingås med Microsoft, inköpsdatum och växelkursen. Priserna beräknas baserat på amerikanska dollar och konverteras med London stängningskurs som registreras under de två arbetsdagarna före den sista arbetsdagen i föregående månads slut. Om de två arbetsdagarna före slutet av månaden infaller på en helgdag på större marknader är prisinställningsdagen vanligtvis dagen omedelbart före de två arbetsdagarna. Den här avgiften gäller för alla transaktioner under den kommande månaden. Logga in på priskalkylatorn för Azure för att se priser baserat på ditt aktuella program/erbjudande hos Microsoft. Kontakta en Azure försäljningsspecialist för mer information om prissättning eller för att begära en prisoffert. Se vanliga frågor och svar om Prissättning för Azure.
Amerikanska myndigheter kan köpa Azure Government-tjänster från en licenslösningsleverantör utan finansiellt åtagande eller direkt via en onlineprenumeration med användningsbaserad betalning.
Viktigt – Priset i R$ är bara som referens. Detta är en internationell transaktion och det slutgiltiga priset beror på växelkurser och IOF-skatter. En eNF kommer inte att utfärdas.
Amerikanska myndigheter kan köpa Azure Government-tjänster från en licenslösningsleverantör utan finansiellt åtagande eller direkt via en onlineprenumeration med användningsbaserad betalning.
Viktigt – Priset i R$ är bara som referens. Detta är en internationell transaktion och det slutgiltiga priset beror på växelkurser och IOF-skatter. En eNF kommer inte att utfärdas.
Kostnadsfri (F0)
| Kategori | Funktioner | Pris |
|---|---|---|
| Tal till text (fakturering per sekund) |
Standard | 5 ljudtimmar utan kostnad per månad3 |
| Anpassat |
5 ljudtimmar utan kostnad per månad3 Värdhantering med slutpunkt: 1 modell utan kostnad per månad1 |
|
| Flerkanalsljud för samtalstranskription FÖRHANDSVERSION | 5 ljudtimmar utan kostnad per månad | |
| Text till tal (fakturering per tecken) |
Neural | 0.5 million tecken utan kostnad per månad |
| Talöversättning (fakturering per sekund) |
Standard | 5 ljudtimmar utan kostnad per månad |
| Talarigenkänning (fakturering per transaktion) |
Talarverifiering2 | 10,000 kostnadsfria transaktioner per månad |
| Talaridentifiering2 | 10,000 kostnadsfria transaktioner per månad | |
| Lagring av röstprofil | 10,000 kostnadsfria transaktioner per månad |
Betala per användning: betala endast för det du använder.
| Kategori | Pris | |
|---|---|---|
| Tal till text (fakturering per sekund) |
Standard |
Transkription i realtid: $- per timme Snabb transkription: $- per timme9 Batch-transkription: $- per timme1 |
| Anpassat |
Transkription i realtid: $- per timme Batch-transkription: $- per timme1 Värdhantering med slutpunkt: $- per modell och timme Anpassat tal-träning5: $- per beräkningstimme |
|
Förbättrade tilläggsfunktioner:
|
Realtid: $- per timme per funktion Batch (kontinuerlig språkidentifiering, diarisering): Ingår i Standard/Anpassad (ingen extra kostnad) |
|
| Flerkanalsljud för samtalstranskription FÖRHANDSVERSION | $- per timme2 | |
| Talöversättning (fakturering per sekund) |
Talöversättning i realtid | $- per ljudtimme3 |
| VideoöversättningFörhandsversion |
Batch: $- per utdatavideominut Innehållsredigering: $- per utdatavideominut Personlig röst: $- per utdatavideominut |
|
| Text till tal8 | Standardröst |
Neural (realtid och batch): $- per 1 miljon tecken Neural HD (realtid och batch)4: $- per 1 miljon tecken |
| Custom Voice |
Professionell röst:
Syntes (realtid och batch): $- per 1 miljon tecken
Träning av röstmodell: $- per beräkningstimme, upp till $- per träning Värdhantering med slutpunkt: $- per modell och timme |
|
|
Personlig röst6:
Syntes (realtid och batch): $- per 1 miljon tecken
Röstskapande: Kostnadsfritt Lagring av röstprofil: $- per 1 000 röstprofiler per månad |
||
| Förbättrade tilläggsfunktioner: Avatar |
Standard:
Interaktiv avatar (realtid): $- per minut
Avatarvideo (batch): $- per minut |
|
|
Anpassat:
Träning av avatarmodell: $- per beräkningstimme
Interaktiv avatar (realtid): $- per minut Avatarvideo (batch): $- per minut Slutpunktsvärd: $- per modell och timme |
||
| Talarigenkänning (fakturering per transaktion) |
Talarverifiering7 | $- per 1,000 transaktioner |
| Talaridentifiering7 | $- per 1,000 transaktioner | |
| Lagring av röstprofil | $- per 1,000 röstprofiler (10,000 röstprofiler per månad) | |
Åtagandenivåer – i Azure – Standard
| Kategori | Funktioner | Pris (per månad) | Överförbrukning |
|---|---|---|---|
| Tal till text | Standard | $- för 2,000 timmar | $- per timme |
| $- för 10,000 timmar | $- per timme | ||
| $- för 50,000 timmar | $- per timme | ||
| Anpassat | $- för 2,000 timmar | $- per timme | |
| $- för 10,000 timmar | $- per timme | ||
| $- för 50,000 timmar | $- per timme | ||
Förbättrade tilläggsfunktioner:2
|
$- för 2,000 timmar | $- per timme | |
| $- för 10,000 timmar | $- per timme | ||
| $- för 50,000 timmar | $- per timme | ||
| Text till tal | Neural1 | $- för 80M tecken | $- per 1M tecken |
| $- för 400M tecken | $- per 1M tecken | ||
| $- för 2,000M tecken | $- per 1M tecken |
1Detta omfattar både realtidssyntes och batchsyntes med fördefinierade icke-HD- och icke-AOAI-neurala röster. HD-röster, AOAI-röster, anpassad neural röst och personlig röst ingår inte.
2Endast tal till text i realtid, tilläggsfunktioner för kontinuerlig språkidentifiering och diarisering som ingår i batchtal till text.
Anslutningscontainer för – åtagandenivåer
| Kategori | Funktioner | Pris (per månad) | Överförbrukning |
|---|---|---|---|
| Tal till text2 | Standard | $- för 2,000 timmar | $- per timme |
| $- för 10,000 timmar | $- per timme | ||
| $- för 50,000 timmar | $- per timme | ||
| Anpassat | $- för 2,000 timmar | $- per timme | |
| $- för 10,000 timmar | $- per timme | ||
| $- för 50,000 timmar | $- per timme | ||
Förbättrade tilläggsfunktioner:2
|
$- för 2,000 timmar | $- per timme | |
| $- för 10,000 timmar | $- per timme | ||
| $- för 50,000 timmar | $- per timme | ||
| Text till tal | Neural1 | $- för 80M tecken | $- per 1M tecken |
| $- för 400M tecken | $- per 1M tecken | ||
| $- för 2,000M tecken | $- per 1M tecken |
1Detta omfattar realtidssyntes med fördefinierade icke-HD- och icke-AOAI-neurala röster. HD-röster, AOAI-röster och anpassade röster (både professionella och personliga röster) ingår inte. Batchsyntes ingår inte.
2Prissättningen gäller för användningsfall i realtid och batchar. Det finns inga separata batchpriser för containrar.
Information om åtagandenivåer finns i dokumentationen.
Behållare för – frånkopplade åtagandenivåer
Registrera dig för att få åtkomst till tal i frånkopplade containrar eller läs mer
| Kategori | Funktioner | Pris (per år) | Maximal användning (per år) | Beräknad användning (per månad) |
|---|---|---|---|---|
| Tal till text2 | Standard |
$-
$- Registrera dig för att få åtkomst Läs mer |
120 000 timmar
600 000 timmar |
10 000 timmar
50 000 timmar |
| Anpassat |
$-
$- Registrera dig för att få åtkomst Läs mer |
120 000 timmar
600 000 timmar |
10 000 timmar
50 000 timmar |
|
Förbättrade tilläggsfunktioner:
|
$-
$- |
120 000 timmar
600 000 timmar |
10 000 timmar
50 000 timmar |
|
| Text till tal | Neural1 |
$-
$- Registrera dig för att få åtkomst Läs mer |
4,8B tecken
24B tecken |
400 miljoner tecken
2 000 miljoner tecken |
1Detta omfattar realtidssyntes med fördefinierade icke-HD- och icke-AOAI-neurala röster. HD-röster, AOAI-röster och anpassade röster (både professionella och personliga röster) ingår inte. Batchsyntes ingår inte.
2Prissättningen gäller för användningsfall i realtid och batchar. Det finns inga separata batchpriser för containrar.
Dessa funktioner är inaktuella och är endast tillgängliga för befintliga kunder att använda. Kontrollera information och lär dig hur du migrerar till nya funktioner.
| Instans | Kategori | Funktioner | Pris |
|---|---|---|---|
| Kostnadsfri - Webb/Container 1 samtidig begäran |
Text till tal | Standard | 5 million tecken utan kostnad per månad |
| Anpassat |
5 million tecken utan kostnad per månad Värdhantering med slutpunkt: 1 modell utan kostnad per månad |
||
| Standard – webb/container 100 samtidiga begäranden för basmodellen 20 samtidiga begäranden för den anpassade modellen |
Text till tal | Standard | $- per 1 miljon tecken |
| Anpassat |
$- per 1 miljon tecken Värdhantering med slutpunkt: $- per modell och timme |
Priser och köpalternativ för Azure
Kontakta oss direkt
Få en genomgång av priser för Azure. Förstå prissättningen för din molnlösning, läs mer om kostnadsoptimering och begär ett anpassat förslag.
Prata med en säljareSe köpalternativ
Köp Azure-tjänster via Azure-webbplatsen, din Microsoft-representant eller en Azure-partner.
Utforska dina alternativYtterligare resurser
Azure AI Speech
Läs mer om funktioner och egenskaper för Azure AI Speech.
Priskalkylator
Beräkna din förväntade månadskostnad för användning av valfri kombination av Azure-produkter.
Dokumentation
Ta del av tekniska självstudiekurser, videor och fler resurser för Azure AI Speech.
Vanliga frågor och svar
-
- För Tal till text och Talöversättning debiteras användningen i steg om en sekund.
- För Text till tal: användning debiteras per tecken. Kontrollera definitionen av tecknet i prissättingsanteckning.
- För anpassad neural röstvärdtjänst: användningen faktureras per slutpunkt per sekund. Kontrollera informationen i prissättning.
- För lagring av personlig röstprofil: användningen debiteras per röstprofil per dag. Kontrollera informationen i prissättning.
- För Text till tal avatar debiteras användningen per sekund.
- För Tal till text och Text till tal (inklusive Avatar) debiteras slutpunktsvärd för anpassade modeller per sekund per modell.
-
Med taltjänsten kan användarna anpassa baslinjemodeller utifrån sin egna ljud- och språkdata, vilket ger anpassade talmodeller som kan användas mot både tal till text och talöversättning.
-
Språkmodellen är en sannolikhetsfördelning över sekvenser av ord. Språkmodellen hjälper systemet att välja bland ordsekvenser som låter lika, baserat på ordsekvensernas sannolikhet. Till exempel låter ”känna igen tal” och ”pekoral” lika, men den första hypotesen är mycket mer sannolik, och tilldelas därför en högre poäng av språkmodellen. Om du förväntar dig att röstfrågor ska innehålla vissa vokabulärobjekt, som produktnamn eller en jargong som förekommer väldigt sällan i vanligt talspråk, är det sannolikt att du får bättre prestanda om du anpassar språkmodellen. Om du exempelvis skulle bygga en app som ska söka på MSDN med tal är det sannolikt att termer som ”objektorienterad”, ”namnområde” eller ”.net” förekommer oftare än i vanliga röstprogram. Anpassning av språkmodellen gör att systemet kan lära sig det.
-
Den akustiska modellen är en klassificerare som märker korta ljudfragment till ett av flera fonem, eller ljudenheter, på varje språk. Dessa fonem kan sammanfogas för att forma ord. Ordet ”tal” består till exempel av tre fonem – ”t a l”. Klassificeringarna görs 100 gånger per sekund. Genom anpassning till den akustiska modellen kan systemet lära sig att bättre känna igen tal i ovanliga miljöer. Om du till exempel har en app som är utformad av medarbetare i ett lager eller en fabrik kan en anpassad akustisk modell känna igen tal mer exakt trots de omgivande ljuden.
-
I Speech Service finns redan en mängd olika rösttyper för text till tal (TTS), men med anpassad neural röst kan du också skapa en egen anpassad röst som passar dina behov och ditt varumärke. Läs blogginlägget om du vill veta mer.
-
Språksidentifiering gör att du kan identifiera en växel i talat språk och transkribera tal därefter. Detta kan användas i scenarier där ljudspråket är okänt eller när högtalare kan tala flera språk. Enkel språkidentifiering är tillgängligt utan extra kostnad. Kontinuerlig språkidentifiering är en förbättrad tilläggsfunktion. Gå till dokument om du vill veta mer.
-
- Uttalsutvärdering utvärderar talfunktionen och ger talare feedback om noggrannhet och komplexitet för det talade ljudet. Med uttalsutvärdering kan språkstudenter öva, få omedelbar feedback och förbättra sitt uttal så att de kan tala och ge presentationer med självförtroende. Lärare kan använda funktionen för att utvärdera uttal av flera talare i realtid. Gå till docs om du vill veta mer.
- Den debiteras som standard Tal till text, till exempel:
Vid utvärdering av 8 sekunders tal debiteras du runt $-
Prata med en säljare för att få en genomgång av Azure-priser. Förstå prissättningen av din molnlösning.
Få kostnadsfria molntjänster och en kredit på $200 för att utforska Azure i 30 dagar.