Azure AI Speech: Neural TTS

Azure Neural TTS 是 Microsoft Azure AI Speech 的標準神經網路語音合成服務，提供涵蓋數十種語言與地區口音的大量內建聲音（包含多種台灣與中國大陸的中文聲音），並完整支援 SSML 標記，可精確控制發音、停頓、語速、音調與強調。

與 Azure Neural HD TTS 相比，標準版單價較低（16 USD／1M 字元）、延遲更低，音質已相當自然，但在情緒起伏與長句韻律上較 HD 版平淡；與 OpenAI TTS-1 相比，Azure 的語言與聲音選擇多得多，且支援 SSML。

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。

需要更有表現力、更接近真人朗讀的音質時請改用 Azure Neural HD TTS；若想用自然語言描述語氣與角色而非 SSML，可改用 Gemini 3.8 Flash TTS。