Hoppa till huvudinnehåll
Azure
Logga in
  1. Startsida
  2. Priser för Azure
  3. Priser för Azure AI Speech

Priser för Azure AI Speech

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.

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

Se dokumentationen för information om kvoter, gränser och instruktioner om hur du ökar samtidiga begäranden.

1Oanvända modeller inaktiveras automatiskt efter 7 dagar

2Talarigenkänning är en funktion med begränsad åtkomst där du måste ansöka om åtkomst.

3Kostnadsfria ljudtimmar för tal till text delas mellan Standard och Custom. Batch stöds inte.

Betala per användning: betala endast för det du använder.

Kategori Funktioner Pris
Tal till text
(fakturering per sekund)		 Standard $- per timme
Anpassat $- per timme
Värdhantering med slutpunkt: $- per modell och timme
Förbättrade tilläggsfunktioner:
  • Språkidentifiering
  • Diarisering
 $- per timme per funktion
Flerkanalsljud för samtalstranskription FÖRHANDSVERSION $- per timme1
Text till tal
(fakturering per tecken)		 Neural Realtids- och batchsyntes: $- per 1 miljon tecken
Skapande av långt ljud: $- per 1 miljon tecken
Anpassad neural röst2 Träning: $- per beräkningstimme, upp till $- per träning
Realtids- och batchsyntes: $- per 1 miljon tecken
Värdhantering med slutpunkt: $- per modell och timme
Skapande av långt ljud: $- per 1 miljon tecken
Talöversättning
(fakturering per sekund)		 Standard $- per ljudtimme
Talarigenkänning
(fakturering per transaktion)		 Talarverifiering3 $- per 1,000 transaktioner
Talaridentifiering3 $- per 1,000 transaktioner
Lagring av röstprofil $- per 1,000 röstprofiler (10,000 röstprofiler per månad)

Se dokumentationen för information om kvoter, gränser och instruktioner om hur du ökar samtidiga begäranden.

Tal till text-timmar mäts som timmar ljud som skickas till tjänsten, faktureras i andra steg.

1 Här återges prissättningen för den offentliga förhandsversionen. Priser för den allmänt tillgängliga versionen meddelas senare.

2 Anpassad neural röst (CNV) är en funktion med begränsad åtkomst och innehåller pro- och lite-versioner. Med CNV Lite (offentlig förhandsvisning) kan kunderna spela in sin egen röst och skapa en modell för demonstration/utvärdering, innan ansöker om åtkomst till Pro. Kolla in var CNV är tillgängligt.

3 Talarigenkänning är en funktion med begränsad åtkomst där du måste ansöka om åtkomst.

Åtagandenivåer

Instans Kategori Funktioner Pris (per månad) Överförbrukning
Azure – Standard 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
Text till tal Neural1 $- för 80M tecken $- per 1M tecken
$- för 400M tecken $- per 1M tecken
$- för 2,000M tecken $- per 1M tecken
Ansluten container – standard 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
Text till tal Neural1 $- för 80M tecken $- per 1M tecken
$- för 400M tecken $- per 1M tecken
$- för 2,000M tecken $- per 1M tecken

1Endast realtidssyntes, detta inkluderar inte långt ljudskapande.

Information om åtagandenivåer finns i dokumentationen.

Frånkopplad container

Instans Kategori Funktioner Pris per år Maximal användning per år Beräknad användning per månad
Frånkopplad container Tal till text 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
Text till tal Neural1 $-
$-
Registrera dig för att få åtkomst
Läs mer 		4,8B tecken
24B tecken 		400 miljoner tecken
2 000 miljoner tecken

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 säljare

Se köpalternativ

Köp Azure-tjänster via Azure-webbplatsen, din Microsoft-representant eller en Azure-partner.

Utforska dina alternativ

Ytterligare 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

Vanliga frågor om Azure-priser
    • 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 Tal till text och Text till tal debiteras slutpunktsvärd för anpassade modeller per sekund per modell.
    • För Anpassade kommandon: faktureringen baseras på användningen av Tal till text, Text till tal och Language Understanding. Inga nya faktureringsmätare introduceras med Anpassade kommandon.
    • Det kostar inget att träna Tal till text-modeller. De enda kostnaderna är slutpunktsvärd per modell när de har distribuerats och sedan kostnaden per ljudtimma för Anpassat Tal till text.

  • 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.

Begär en prisoffert

Få kostnadsfria molntjänster och en kredit på $200 för att utforska Azure i 30 dagar.

Prova Azure utan kostnad
Har lagts till i beräkningen. Tryck på ”v” för att visa på kalkylator
Kan vi hjälpa dig?