Azure Speech
微软Azure云平台提供的语音服务，支持文本转语音、语音识别等功能，提供丰富的预置音色和神经网络语音模型
核心事实
时间轴 (近 90 天)
Google Cloud Speech-to-Text、AWS Transcribe、Azure Speech 等云厂商通用API通常每月提供60分钟到5小时的免费额度，超出后按秒计费。
根据 Mozilla Common Voice MOS 等独立基准测试，ElevenLabs 稳定在 4.6-4.8 分，Azure 通常在 4.2-4.4 分之间。
Azure Speech 免费层每月 5 小时标准音频加 0.5 小时自定义神经语音，标准语音每小时 1 美元，自定义神经语音高达每小时 16 美元。
两者都完整支持 SSML 1.1，ElevenLabs 额外提供情感自定义标签，Azure 则支持韵律、声音选择和发音提示。
ElevenLabs 符合 GDPR，默认不存储数据；Azure 提供 ISO-27001、SOC-2 及适当层级的 HIPAA 认证。
ElevenLabs 每个 API 密钥每秒 5 次请求（可申请提升），Azure 每个订阅每秒 10 次（可调整）。
Azure Speech 基于微软深度神经网络管线构建的 Custom Neural Voice（CNV），输出清晰、延迟低。
Azure 需要至少 30 分钟高质量录音进行模型训练，门槛更高但结果一致性更强。
Azure语音服务提供一定额度的免费调用量。
该n8n工作流使用定时触发器，每日上午9点激活，从Google Sheets读取当天的选题和文案，调用Azure语音服务生成配音，将素材交给外部渲染服务生成视频，最终自动上传至YouTube频道并回写状态。
还有 2 条时间轴事件
全部知识事实 (12)
ElevenLabs v4 支持 90 种语言
65%待验证业界商用说话人分离方案（如Google Speaker Diarization API、微软Azure Speech转录服务）在理想条件下的错误率已降至个位数百分比
75%待验证Google Cloud Speech-to-Text、AWS Transcribe、Azure Speech 等云厂商通用API通常每月提供60分钟到5小时的免费额度，超出后按秒计费。
50%待验证ElevenLabs 符合 GDPR，默认不存储数据；Azure 提供 ISO-27001、SOC-2 及适当层级的 HIPAA 认证。
50%待验证ElevenLabs 每个 API 密钥每秒 5 次请求（可申请提升），Azure 每个订阅每秒 10 次（可调整）。
50%待验证Azure Speech 基于微软深度神经网络管线构建的 Custom Neural Voice（CNV），输出清晰、延迟低。
50%待验证Azure 需要至少 30 分钟高质量录音进行模型训练，门槛更高但结果一致性更强。
50%待验证根据 Mozilla Common Voice MOS 等独立基准测试，ElevenLabs 稳定在 4.6-4.8 分，Azure 通常在 4.2-4.4 分之间。
50%待验证两者都完整支持 SSML 1.1，ElevenLabs 额外提供情感自定义标签，Azure 则支持韵律、声音选择和发音提示。
50%待验证Azure语音服务提供一定额度的免费调用量。
50%待验证该n8n工作流使用定时触发器，每日上午9点激活，从Google Sheets读取当天的选题和文案，调用Azure语音服务生成配音，将素材交给外部渲染服务生成视频，最终自动上传至YouTube频道并回写状态。
50%待验证国内外已有ElevenLabs、微软Azure Speech、阿里CosyVoice等成熟声音克隆服务以API形式对外提供
50%