AZURE AI SPEECH | Translation & Voice Live

实时语音架构:Voice Live、GPT-Live 与同传各有边界

Voice Live 是托管编排层;gpt-live-1 是独立全双工 Live API,输出模态为语音;两者都不应与 gpt-realtime-2.1 混为一谈。

Live Interpreter:把会议音频翻译成目标语言文本和音频

会议室设备可支持国际会议、海外客户会议和跨语言远程协作。
自动语言识别自动化和连续的 Language ID,减少用户在会议前手动选择语言的成本。
  • 支持会议中语言切换
  • 降低主持人配置成本
实时语音到语音在转写和翻译文本基础上生成目标语言音频,支持更自然的同传体验。
  • 覆盖文本字幕和音频输出
  • 适合双向跨语言会议
授权个人语音Personal Voice 可用于 Live Interpreter 输出,但需申请访问并取得说话者授权。
  • 访问与区域受限
  • 适合经授权的会议与培训
多场景扩展视频字幕、直播、培训、联络中心、旅行口译和企业会议都可复用。
  • 同一语音底座复用到多产品
  • 支持从会议室走向服务场景
输入会议室音频流、远端参会音频、视频内容音频。
理解语言识别、实时转写、语言切换。
翻译目标语言文本、字幕和同传语音。
交付屏幕字幕、分语言音轨、会后多语言纪要。

三条语音 Agent 路径:模型、托管层与计费边界分开看

选择路径后再核区域、tier 与组件价格;未列入 Voice Live 支持表的模型,不推定其 tier。
Voice Live · 原生音频gpt-realtime-2.1 = Pro;gpt-realtime-2.1-mini = Standard。
  • Text 与 Native audio 两类 meter 分开
  • 托管调用不与 direct model 重复计费
Voice Live · 链式 Speech I/Ogpt-5.6-terra = Pro;gpt-5.6-luna = Standard,走 Azure STT + Azure TTS。
  • 不能套用 Native audio 费率
  • Terra Text Output 子档未明示,不猜价
GPT-Live · gpt-live-1独立 /openai/v1/live/sessions;全双工、输出模态为语音,可边听边说。
  • 文本指令、事件与后端委托接口仍存在
  • 不在 Voice Live tier 表中
能力与责任边界gpt-6-astra 与 gpt-6-luna 未列 Voice Live tier;应用负责权限、确认、私有函数和持久状态。
  • 后端受控执行工具与业务动作
  • 按支持表、区域、配额逐项核对
会议助手询问会议进度、复述决议、播报待办。
设备助手语音控制会议设备、切换模式、提示异常。
客户服务把会议能力延展到客服、培训和远程支持。