Azure AI Speech

Azure AI Speech ist der Sprachdienst von Microsoft in der Azure-Cloud. Er umfasst Spracherkennung, Sprachübersetzung und Text-to-Speech. Für KI-Stimmen ist vor allem die Sprachsynthese mit neuronalen Stimmen relevant. Du sendest Text an die Schnittstelle und erhältst Audio zurück.

Der Dienst richtet sich an Entwickler und Unternehmen, die Sprachausgabe in eigene Apps, Callcenter-Lösungen, E-Learning oder Websites einbauen wollen. Er ist kein klassisches Studio für Einsteiger, sondern ein Baukasten für technische Teams. Wer nur ein einzelnes Voiceover für ein Video braucht, ist mit einem Tool wie ElevenLabs oder Murf meist schneller am Ziel.

Microsoft bietet laut Preisseite verschiedene Stimmtypen an: Standard-Neural-Stimmen, Neural-HD-Stimmen, individuelle Professional Voices sowie Personal Voice. Außerdem gibt es einen Avatar-Dienst und Echtzeit-Synthese. Mit Custom Neural Voice kannst du eine markeneigene Stimme trainieren lassen. Dafür gelten bei Microsoft zusätzliche Zugangs- und Nutzungsregeln.

Abgerechnet wird nach der Anzahl der umgewandelten Zeichen. Es gibt eine kostenlose Stufe (F0) mit 0,5 Millionen Zeichen pro Monat für Neural-Stimmen. Darüber hinaus gilt Pay-as-you-go, für hohe Mengen auch Commitment-Tarife. Die genauen Preise hängen von Stimmtyp, Region und Währung ab und stehen im Preisrechner von Microsoft.

Als Teil von Azure profitierst du von der Sicherheitsinfrastruktur des Konzerns. Microsoft nennt über 100 Compliance-Zertifizierungen für die Azure-Plattform. Du wählst bei der Einrichtung die Azure-Region, sodass sich Daten in europäischen Rechenzentren verarbeiten lassen. Eine Region in Deutschland ist über Azure grundsätzlich auswählbar, ob jedes Sprachfeature dort verfügbar ist, solltest du vorab prüfen.

Der Anbieter ist Microsoft Corporation mit Sitz in Redmond, USA. Für deutsche Unternehmen ist der Dienst interessant, wenn bereits Azure im Einsatz ist und Sprachausgabe per API in bestehende Prozesse eingebunden werden soll.