用途：Azure Speech 是微软 Foundry Tools 中的一组语音服务，面向媒体制作流程，覆盖语音转文本、文本转语音、语音翻译、自定义语音、个人语音、TTS 数字人、视频翻译、LLM Speech、Speech SDK、Speech CLI、REST API 与容器等，具体组合因区域和访问层级而异。
主要能力：语音转文本含实时转写、快速转写、批量转写与自定义语音；文本转语音含实时合成、长音频异步批量合成、标准/预置神经语音、HD 语音、自定义语音、个人语音与数字人输出。快速转写同步返回结果，返回显示形式文本，支持分离、单/双声道、脏话过滤、区域设置、短语列表、段级与词级时间戳；批量转写异步处理并存入存储容器，适合大量文件、长素材、分离与自定义模型。
使用方式：实时字幕、听写、交互语音界面用实时语音转文本；单个预录文件快速出稿用快速转写；大量文件、长素材或自定义模型用批量转写；旁白、配音、无障碍朗读用文本转语音并配合 SSML；长音频用批量合成；跨语言输出用语音翻译或 LLM Speech；视频本地化用视频翻译；数字人用 TTS 数字人。
限制：分离仅标注 Guest1/Guest2 等，不是说话人身份识别，不能用于识别个人，且不支持跨文件追踪说话人。快速转写与批量转写的配额、区域、语言、定价、API 版本及预览/受限访问状态会变化，付费或生产使用前须重新核实。部分语音不支持全部 SSML 标签。自定义语音为受限访问功能，需资格与同意声明。资料未提供具体价格与完整安装命令。