Azure AI Speechは、Microsoftの音声技術をアプリケーションに持ち込みます。音声認識は、多くの言語でリアルタイムまたは録音から音声を文字起こし、独自の語彙と話者分離の選択肢があります。音声合成は、多くの言語とスタイルのニューラル音声を多数用意し、SSMLで調子、速さ、感情を制御できます。リアルタイムの音声翻訳は、話された言語を別の言語へ変え、字幕や音声にします。
追加の機能は、専門的なニーズに応えます。Custom Neural Voiceでは、承認された顧客が録音したサンプルからブランドの音声を作れます。悪用を防ぐため、アクセスが制限された手続きの対象です。Voice liveと会話向けの機能は音声エージェントの構築を支え、アバターの機能はテキストから話すプレゼンターを作ります。コンテナでのデプロイにより、モデルをオンプレミスまたはエッジで動かせ、このサービスはAzure OpenAIや他のAzure AIのツールと連携します。
Azure AI Speechの課金は使用量で、文字起こしした音声の時間ごと、合成した文字数ごとなどで、無料枠があります。精度は言語と音質によって変わり、音声を録音すると同意とプライバシーの義務が生じます。代替にはGoogle Cloud Speech-to-Text、Amazon PollyとTranscribe、Deepgram、AssemblyAI、ElevenLabsがあります。Azure AI Speechは、Microsoftのクラウドに標準を合わせる企業に向いています。
