Azure AI Speech

Azure AI Speech lleva la tecnología de voz de Microsoft a las aplicaciones. La voz a texto transcribe audio en tiempo real o a partir de grabaciones en muchos idiomas, con opciones de vocabulario personalizado y separación de hablantes. El texto a voz ofrece una amplia biblioteca de voces neuronales en muchos idiomas y estilos, con control del tono, la velocidad y la emoción mediante SSML. La traducción de voz en tiempo real convierte el habla a otro idioma para subtítulos o voz.

Otras funciones atienden necesidades especializadas. Custom Neural Voice permite a clientes aprobados crear una voz de marca a partir de muestras grabadas, sujeta a un proceso de acceso restringido para evitar el mal uso. Las funciones de voz en vivo y conversacionales sirven para crear agentes de voz, y las de avatar crean presentadores que hablan a partir de texto. Los despliegues en contenedores permiten ejecutar los modelos en local o en el borde, y el servicio se integra con Azure OpenAI y otras herramientas de IA de Azure.

Azure AI Speech se factura por uso, por ejemplo por hora de audio transcrito o por caracteres sintetizados, con un nivel gratuito. La precisión varía según el idioma y la calidad del audio, y grabar audio conlleva obligaciones de consentimiento y privacidad. Entre las alternativas están Google Cloud Speech-to-Text, Amazon Polly y Transcribe, Deepgram, AssemblyAI y ElevenLabs. Azure AI Speech encaja en empresas que estandarizan sobre la nube de Microsoft.