Azure AI Speech: Neural HD TTS

Azure Neural HD TTS 是 Microsoft Azure AI Speech 的高擬真語音合成版本，在標準 Neural TTS 的基礎上加入對上下文的理解，能依句意自動調整情緒、語調與節奏，朗讀長文時更接近真人表現，適合有聲書、新聞播報、客服錄音等場景。

與 Azure Neural TTS 標準版相比，HD 版單價較高（22 USD／1M 字元）、延遲略高，但情緒表達與韻律自然度明顯更好；與 OpenAI TTS-1 HD 相比，Azure HD 單價較低、語言與聲音選擇更多，且支援 SSML。與 Gemini 3.8 Flash TTS 相比，Azure 走 SSML 精細控制路線，Gemini 則以自然語言描述風格。

輸入僅支援文字，單次最長 20,000 字元，輸出為音訊，格式支援 mp3、wav、pcm、opus，並支援串流回傳。

若以成本與延遲為優先，Azure Neural TTS 標準版已足以應付通知播報與一般對話；若需要多說話者對談，可改用 Gemini 3.8 Flash TTS。