美国政府实体有资格从授权解决方案提供商处购买 Azure 政府服务（无需预付定金），或者可直接通过即用即付在线订阅购买。
重要提示 - 该价格 (R$) 只是一个参考；这是一项国际交易，最终价格受汇率和所含 IOF 税的影响。不会发布 eNF。
已购买 Azure 德国版在欧盟 (EU)、欧洲自由贸易联盟 (EFTA) 和英国 (UK) 经商的客户及合作伙伴可购买此版本。它在德国范围内提供数据驻留以及其他级别的控制和数据保护。你还可注册 Azure 免费试用版。
语音服务 不在 澳大利亚中部 区域提供。 请另选其他区域。
语音服务 不在 澳大利亚中部 2 区域提供。 请另选其他区域。
语音服务 不在 澳大利亚东南部 区域提供。 请另选其他区域。
语音服务 不在 加拿大东部 区域提供。 请另选其他区域。
语音服务 不在 法国南部 区域提供。 请另选其他区域。
语音服务 不在 德国中部 区域提供。 请另选其他区域。
语音服务 不在 德国北部 区域提供。 请另选其他区域。
语音服务 不在 德国东北部 区域提供。 请另选其他区域。
语音服务 不在 德国中西部 区域提供。 请另选其他区域。
语音服务 不在 韩国南部 区域提供。 请另选其他区域。
语音服务 不在 南非北部 区域提供。 请另选其他区域。
语音服务 不在 南非西部 区域提供。 请另选其他区域。
语音服务 不在 印度南部 区域提供。 请另选其他区域。
语音服务 不在 瑞士北部 区域提供。 请另选其他区域。
语音服务 不在 瑞士西部 区域提供。 请另选其他区域。
语音服务 不在 阿拉伯联合酋长国中部 区域提供。 请另选其他区域。
语音服务 不在 阿拉伯联合酋长国北部 区域提供。 请另选其他区域。
语音服务 不在 英国西部 区域提供。 请另选其他区域。
语音服务 不在 美国中西部 区域提供。 请另选其他区域。
语音服务 不在 印度西部 区域提供。 请另选其他区域。
标准的语音服务提供范围广泛的语音识别和生成功能，包括语音听录、文本转语音和语音翻译。
定价详细信息
深度神经网络语音合成现已正式发行。显示的价格是公开上市价格，将于 2019 年 7 月 1 日起生效。2019 年 6 月 30 日之前，可享受五折优惠。
语音合成容器现已推出公共预览版。
| 实例 | Category | 功能 | 价格 |
|---|---|---|---|
| 免费 - Web/容器 1 并发请求1 |
语音转文本 | 标准 | 每月 5 小时免费音频 |
| Custom |
每月 5 小时免费音频 Endpoint hosting: 每月 1 个模型免费 2 |
||
| 对话听录多声道音频 预览版 3 | 每月 5 小时免费音频 | ||
| 文本转语音 | 标准 | 每月 500 万个字符免费 | |
| 神经网络版 | 每月 0.500 万个字符免费 | ||
| Custom |
每月 500 万个字符免费 Endpoint hosting: 每月 1 个模型免费 |
||
| 语音翻译 | 标准 | 每月 5 小时免费音频 | |
| 标准 - Web/容器 20 并发请求 1 |
语音转文本 | 标准 | 每小时音频 $- |
| Custom |
每小时音频 $- Endpoint hosting: $- per model per hour |
||
| 对话听录多声道音频 预览版 3 | 每小时音频 $- 4 | ||
| 文本转语音 | 标准 | 每 100 万个字符 $- | |
| 神经网络版 | 每 100 万个字符 $- 5 | ||
| Custom |
每 100 万个字符 $- Endpoint hosting: $-/模型/月 |
||
| Custom Neural 预览版 6 |
Real-time synthesis: 每 100 万个字符 $- Voice building: contact us Endpoint hosting: $- per model per hour Long audio creation: 每 100 万个字符 $- |
||
| 语音翻译 | 标准 | 每小时音频 $- |
支持和 SLA
- 包含计费及订阅管理的免费支持。
- 我们保证在标准级别运行的认知服务将在至少 99.9% 的时间可用。没有为免费试用版提供任何 SLA。阅读 SLA。
常见问题
-
- 对于语音翻译、语音转文本以及使用自定义语音模型的语音转文本服务：使用费用是按秒数计算的
- 对于文本转语音以及使用自定义语音字体的文本转语音服务：使用费用是按字符数计算的
- 对于自定义语音模型托管服务：按小时计算使用费；对于自定义语音字体托管服务：按天计费使用费。
-
用户借助语音服务可以根据自己的声学和语言数据采用合适的基准模型，形成可同时用于语音转文本和语音翻译的自定义语音模型。
-
语言模型是词语序列的概率分布。语言模型帮助系统根据词语序列本身发生的可能性，从发音类似的单词序列中做出选择。例如，“recognize speech”和“wreck a nice beach”发音类似，但前者的可能性要高得多，因此语言模型会给“recognize speech”分配更高的分值。如果希望应用程序的语音查询包含特定词汇项（例如日常语言中少用的产品名称或专用术语），那么很可能可以通过自定义语言模型获得更好的效果。例如，假如你正在构建通过语音搜索 MSDN 的应用，那么相较于一般语音应用程序，该应用用到“面向对象”、“命名空间”或“.Net”等术语的几率则很可能提升。自定义语言模型能让系统掌握这种差异。
-
在每种语言中，声学模型是一个分类器，将短小声音片段标识为若干不同音素或声音单位中的一种。这些音素可以结合形成词语。例如，“speech”由四个音素“s p iy ch”组成。这些分类约按每秒 100 次的速度进行。自定义声学模型使系统能够学习更好地识别非典型环境中的语音。例如，如果研制了一款面向仓库或工厂工人的应用，那么相应的自定义声学模型可以在这类嘈杂的环境中更准确地识别语音。
-
Microsoft 语音服务为 40 多语言提供 70 多种默认声线（也就是语音字体），帮助将文本转化为音频。虽然虚拟助理和各种语音类应用程序日益丰富，但很多公司更需要能够代表他们的企业，并且经过精细设计，契合自己的品牌身份的独特声线。例如，如果你要为客户关怀服务设计一款聊天机器人，可以为它设计代表公司品牌的独特声音，从而营造客户归属感。同样，车内导航软件的开发人员也可以启用不同自定义声线的文本转语音服务，以丰富用户体验。
通过自定义语音生成门户 Voice Studio，这些都很容易实现。使用自己的音频数据（已按相关念稿收录好的人声），可以生成自定义语音字体，随后可将此语音字体部署至 Microsoft 文本转语音服务，并能通过你所用的 API 终结点轻松地插入到应用程序中。