企业 | 微软 azure 语音服务最新定价表 （附免费试用）

一、什么是微软 azure语音服务？

语音服务通过语音资源提供语音转文本和文本转语音功能。 可以将语音转为具有较高准确度的文本，将文本转为发音自然的语音，翻译语音，并在对话期间使用说话人辨识。

创建自定义语音、将特定字词添加到基本词汇中，或生成自己的模型。 在任意位置（云中或容器的边缘）运行语音。 使用语音 CLI、语音 SDK、Speech Studio或REST API可以轻松在应用程序、工具和设备中启用语音。

企业免费试用

目前企业需要通过微软官方合作伙伴获取服务，可以合规、稳定地提供企业用户使用Azure AI 语音服务、ChatGPT等的可能，满足国内发票需求。

通过微软官方合作伙伴获取服务，可以合规、稳定地提供企业用户使用ChatGPT的可能，满足国内发票需求，同时也能解决连接不稳定/响应速度慢/并发配额低等问题。

微软Azure AI语音服务申请:
https://azureopenai.cloudallonline.com/?zxwwy85

语音方案

语音的常见方案包括：

• 字幕：了解如何将字幕与输入音频同步、应用亵渎内容过滤器、获得部分结果、应用自定义以及识别多语言场景的口语。
• 音频内容创建：你可以使用神经语音，使得与聊天机器人和语音助手的交流更加自然且富有吸引力、将数字文本（如电子书）转换为有声读物，以及增强车载导航系统。
• 呼叫中心：实时听录呼叫或处理一批呼叫，编修个人身份信息，并提取情绪等见解，有助于为呼叫中心用例提供帮助。
• 语言学习：向语言学习者提供发音评估反馈，支持远程学习对话的实时听录，并使用神经语音大声朗读教材。
• 语音助理：为应用程序和体验创建自然、人性化的对话界面。 语音助理功能在设备与助理实现之间提供快速可靠的交互。

Microsoft 将语音用于许多方案中，例如 Teams 中的字幕、Office 365 中的听写，以及 Microsoft Edge 浏览器中的大声朗读功能。

二、语音功能

语音转文本

使用语音转文本借助批量听录实时或异步将音频听录为文本。

将音频转换为来自一系列源（包括麦克风、音频文件和 Blob 存储）的文本。 使用说话人日记来确定说话的人、所说内容及说话时间。 获取具有自动格式设置和标点符号的可读脚本。

如果音频包含环境噪声或大量行业和特定领域的术语，则基础模型可能不够用。 在这些情况下，可以使用声学、语言和发音数据创建和训练自定义语音识别模型。 自定义语音识别模型是专用的，具有竞争优势。

实时语音转文本

使用实时语音转文本时，当从麦克风或文件中识别出语音时，会对音频进行听录。 对于需要实时听录音频的应用程序，请使用实时语音转文本，例如：

• 实时会议的听录、描述文字或字幕
• 分割聚类
• 发音评估
• 联系中心代理助手
• 听写
• 语音代理

批量听录

批量听录用于听录存储中的大量音频。 你可以指向具有共享访问签名 (SAS) URI 的音频文件并异步接收听录结果。 对需要批量听录音频的应用程序使用批量听录，例如：

• 预录制音频的听录、描述文字或字幕
• 联系中心调用后分析
• 分割聚类

文本转语音

文本转语音可以将输入的文本转换为类似人声的合成语音。 使用神经语音，这是由深度神经网络提供支持的类人语音。 使用语音合成标记语言 (SSML)来微调音节、发音、语速、音量等特征。

• 预生成的神经语音：很自然的现成语音。 在语音库中查看预生成的神经语音样本，并确定适合你的业务需求的语音。
• 自定义神经语音：除了现成的预生成神经语音外，还可以创建具有品牌或产品辨识度和独特性的自定义神经语音。 自定义神经语音是私有的，可以提供竞争优势。 在此处查看自定义神经语音样本。

语音翻译

使用语音翻译可在应用程序、工具和设备中实现实时的多语言语音翻译。 实施语音转语音和语音转文本翻译时可以使用此功能。

语言识别

语言标识用于在与支持的语言列表进行比较时确定音频中说话人的语言。 借助语音转文本识别或语音翻译，让语言自身识别语言。

说话人辨识

说话人辨识提供的算法可通过说话人的独特语音特征来验证和识别说话者。 说话人识别用于回答“谁在说话？”的问题。

发音评估

发音评估可以评估语音发音，并为说话人提供有关讲话音频准确度和流利度的反馈。 通过发音评估，语言学习者可以练习、获得及时反馈并改进其发音，因此能够自信地讲话和演示。

意向识别

意向识别：将语音转文本与对话语言理解结合使用，从听录的语音中获取用户意向，并根据语音命令采取行动。

三、最新定价表

1、即用即付: 仅为所用内容付费。

2、承诺层级 - Azure - 标准