Azure AI Speech

Azure AI Speech apporte la technologie vocale de Microsoft dans les applications. La reconnaissance vocale transcrit l’audio en temps réel ou depuis des enregistrements, dans beaucoup de langues, avec des options de vocabulaire sur mesure et de séparation des locuteurs. La synthèse vocale offre une grande bibliothèque de voix neuronales dans beaucoup de langues et de styles, avec un contrôle du ton, de la vitesse et de l’émotion via SSML. La traduction de la parole en temps réel convertit une langue parlée en une autre pour des sous-titres ou de la voix.

D’autres fonctions servent des besoins spécialisés. Custom Neural Voice permet à des clients approuvés de construire une voix de marque à partir d’échantillons enregistrés, sous un processus d’accès restreint pour éviter les abus. Des fonctions vocales en direct et conversationnelles servent à construire des agents vocaux, et des capacités d’avatar créent des présentateurs parlants à partir de texte. Des déploiements en conteneur permettent de faire tourner des modèles sur site ou en périphérie, et le service s’intègre à Azure OpenAI et à d’autres outils d’IA d’Azure.

Azure AI Speech est facturé à l’usage, par exemple par heure d’audio transcrit ou par caractères synthétisés, avec une offre gratuite. La justesse varie selon la langue et la qualité audio, et enregistrer de l’audio implique des obligations de consentement et de confidentialité. Parmi les alternatives : Google Cloud Speech-to-Text, Amazon Polly et Transcribe, Deepgram, AssemblyAI et ElevenLabs. Azure AI Speech convient aux entreprises qui standardisent sur le cloud de Microsoft.