【Azure】Speech Servicesの機能と料金について
はじめに
皆様は「Siri」や「Googleアシスタント」などを普段から利用するでしょうか。筆者は天気や簡単な調べものをする際によく使いますが、認識精度の高さには感嘆しています。本稿ではそんな音声認識を行うためのサービス「Speech Services」について紹介していきます。
Speech Servicesの機能
Speech ServicesはMicrosoft社が提供していAzureのサービスの一部であり、今回は主な4つの機能について紹介していきます。
Speech to Text
読み上げられた音声を正確に認識し、テキストデータに変換することのできる音声サービス機能になります。40以上の言語に対応しており、モデルをカスタマイズすることで専門分野の固有の用語に対しても精度を高めることができます。以下のSpeech to Textの公式サイトのURLを開いていただければ、デモアプリでSpeech to Textを試すことができます。「https://azure.microsoft.com/ja-jp/services/cognitive-services/speech-to-text/」
Text to Speech
Speech to Textとは逆にテキストデータから音声に変換することのできる機能になります。45以上の言語に対応しており、110種類以上の声のバリエーションが用意されています。細かい抑揚もカスタマイズすることで発声することができます。Speech to Textと同様に以下のText to Speechの公式サイトのURLを開いていただければ、デモアプリでText to Speechを試すことができます。「https://azure.microsoft.com/ja-jp/services/cognitive-services/text-to-speech/#features」
Speech Translation
音声をリアルタイムで翻訳することのできるサービス機能になります。30以上の言語を翻訳することができます。以下のSpeech Translationの公式サイトのURLを開いていただければ、デモアプリでSpeech Translationを試すことができます。「https://azure.microsoft.com/ja-jp/services/cognitive-services/speech-translation/」
Speaker Recognition
話し手を認識して識別するサービス機能になります。グループで会話をしていても音声データから個々を識別することができます。
Speech Servicesの料金一覧
| インスタンス | カテゴリ | 機能 | 料金 |
|---|---|---|---|
| Free – Web/コンテナー1個の同時要求 | Speech to Text | スタンダード | 1か月あたり5音声時間は無料 |
| カスタム | 1か月あたり5音声時間は無料、エンドポイントホスティング:1か月あたり1モデルまで無料 | ||
| 会話の文字起こしのマルチオーディオ | 1か月あたり5音声時間は無料 | ||
| Text to Speech | スタンダード | 1か月あたり500万文字まで無料 | |
| ニューラル | 1か月あたり50万文字まで無料 | ||
| カスタム | 1か月あたり500万文字まで無料、エンドポイントホスティング:1か月あたり1モデルまで無料 | ||
| Speech Translation | スタンダード | 1か月あたり5音声時間は無料 | |
| Speaker Recognition | 話者認証 | 1か月あたり10000無料トランザクションまで無料 | |
| 話者識別 | 1か月あたり10000無料トランザクションまで無料 | ||
| Standard – Web/コンテナー20個の同時要求 | Speech to Text | スタンダード | 音声時間あたり112円 |
| カスタム | 音声時間あたり156.800円、エンドポイントホスティング:1モデル、1か月あたり6.02円 | ||
| 会話の文字起こしのマルチオーディオ | 音声時間あたり235.20円 | ||
| Text to Speech | スタンダード | 1000000文字あたり448円 | |
| ニューラル | 1000000文字あたり1,792円、長い音声の作成:1000000文字あたり11,200円 | ||
| カスタム | 1000000文字あたり672円、エンドポイントホスティング:1モデル、1か月あたり6.0144円 | ||
| カスタムニューラル | リアルタイムの合成:1000000文字あたり2,688円、エンドポイントホスティング:1モデル、1か月あたり451.59円、長い音声の作成:1000000文字あたり11,200円 | ||
| Speech Translation | スタンダード | 音声時間あたり280円 | |
| Speaker Recognition | 話者認証 | 利用不可 | |
| 話者識別 | 利用不可 |
まとめ
本稿ではSpeech Servicesのサービスと料金について紹介してきました。Speech Servicesを上手く活用すれば簡単に音声を利用したアプリケーションを作成することができます。Speech Servicesのサービスの多くは登録なしで試用することができるので、実際に試してみて機能を体験するのが良いかと思います。
本稿が皆様のお役に立てれば幸いです。最後までお読みいただきありがとうございます。
