認知服務定價 — 語音服務

• 針對語音翻譯、語音轉換文字以及使用自訂語音模型的語音轉換文字：使用量按秒計費。
• 針對文字轉換語音以及使用自訂聲音音調的文字轉換語音：使用量按字元計費。
• 針對自訂語音模型代管：使用量按小時計費；針對自訂語音音調代管：使用量按日計費。
• 針對自訂命令：按語音轉換文字、文字轉換語音及 Language Understanding 的使用量來計費。自訂命令不會推出新的計費計量。
• 語音模型的訓練不會產生費用。唯一的成本是訓練後的模型裝載費用，以及按小時計費的語音轉譯成本。

使用者可運用語音服務，依據其本身的原音與語言資料，採用基準的模型，然後再進入能同時運用在語音轉換文字及語音翻譯的客製化語音模型。

語言模型是一系列字的可能性分佈。語言模型可協助系統決定發音類似字的順序，而其取決於字組順序本身的相似程度。例如，"recognize speech" 與 "wreck a nice beach" 發音類似，但前者的假設較為可能發生，因此會依據語言模型指派為較高的分數。若預期您應用程式的語音查詢會包含特定的詞彙項目，像是一般語音中很少出現的產品名稱或行話，很有可能可透過自訂語言模型的方式強化效能。例如，如果將應用程式建置為會利用語音搜尋 MSDN，很有可能會較一般語音應用程式更常出現像是 “object-oriented” 或 “namespace” 或 “dot net” 等字詞。自訂語言模型能讓系統學習此情況。

原音模型是會將簡短的音訊片斷標入各語言中數種音素或聲音單位之一的分類器。這些音素如此即可結合在一起形成字。例如，“speech” 這個字即由四個音素 “s p iy ch” 所組成。這些分類以類似每秒 100 倍的方式製作。自訂原音模型可讓系統學習，而更能辨識非典型環境中的語音。例如，如果您的應用程式設計為倉庫或工廠中的工作人員所使用，則自訂的原音模型可於這些環境中出現雜音時，更正確地辨識語音。

Microsoft 語音服務為 40 多種語言提供超過 70 種的預設聲音 (也就是聲音的音調)，可協助您將文字轉換為聲音。雖然虛擬助理及許多具備語音功能的應用程式興起，但仍有許多公司希望要有獨特的聲音能代表其公司，同時會為其本身的企業識別進行精細的設計。例如，若您正在開發客戶服務的聊天機器人，您可將其與您公司獨特的品牌聲音相連結，以形成客戶習慣。同樣地，車內導航軟體開發人員可以用不同的客製化聲音，進行文字轉換語音，以豐富使用者的體驗。

有了 Voice Studio 之後，建製有客製化語音的入口網站變得十份容易。您可以使用自己的聲音資料 (以其相關聯之腳本錄製的人聲)，產生客製化的聲音音調，之後能部署至 Microsoft 文字轉換語音服務，而且可以利用 API 端點，輕鬆地外掛至您的應用程式供您自己使用。