今天核过 Azure Speech 定价页(2026 年 11 月 12 日,Asia/Shanghai;取该页美国东部区域价)。MAI Transcribe-2 为每小时 $0.10,脚注写明这是截至 2026 年 12 月 31 日 的限时促销。MAI Transcribe-1.5、Fast Transcription 和 LLM Speech 转写 均为每小时 $0.36。标准实时转写仍是每小时 $1.00,批量转写为每小时 $0.18。页上说明,语音转写按时长计量、按秒计费。
LecSync 实时语音 API 是一条托管 WebSocket,面向会议和课堂直播字幕:预览文本与最终稿、60 种语言任意互译、每个最终段落上的说话人和音频对齐时间戳,以及随会话生成的纪要。价格是 每音频分钟 $0.006(合每小时 $0.36),上述能力都包含在内。
下文美元单价以 Azure 官方页的列表价(美国东部)为准;由此换算的每分钟价和 1,000 小时总价均为计算值。MAI Transcribe-2 的 $0.10 是促销价,官方页没有写 2026 年 12 月 31 日之后的价格,本文也不猜测。标准实时语音翻译、Voice Live 会话模型另行列出,不并进 MAI 文件转写那一栏。
Azure MAI-Transcribe 和字幕 API 分别是什么?
MAI-Transcribe 是 Azure Speech 里由 Microsoft AI 团队自研的语音转写模型系列。MAI-Transcribe 文档(最近更新于 2026 年 9 月 24 日)目前写的是 MAI-Transcribe-2 和 MAI-Transcribe-1.5(MAI-Transcribe-1 已于 2026 年 8 月 20 日弃用)。调用方式是在共用的 Fast Transcription / LLM Speech 接口上打开增强模式:POST .../speechtotext/transcriptions:transcribe,提交音频文件或公开的 audioUrl。这条路径面向已经录好的文件,不是给课堂客户端推送实时 PCM 用的。
LecSync 这类字幕 API 则是:一条托管连接上同时给出直播预览、60 语互译、说话人标签和分段纪要,并且只有一个按分钟的全包价。
简短结论
如果是在 Azure 上转写文件,并且能用上 MAI Transcribe-2 的促销行,公开价是每小时 $0.10,截止 2026 年 12 月 31 日,合 每 1,000 小时 $100(计算值)。只比「纯文件转写」的美元单价,这个数字比 LecSync 低。但 MAI-Transcribe-2 不含翻译;微软的功能对照表里,翻译写在 Azure LLM Speech 一列,不在 MAI-Transcribe-2。
如果要的是独立的直播字幕 API——一条 WebSocket、双语字幕、说话人和纪要——LecSync 更接近这个形态。它仍是 每分钟 $0.006 全包,即 每 1,000 小时 $360,和 Azure Fast Transcription / MAI Transcribe-1.5 / LLM Speech 的列表单价相同,但直播翻译已经包含在内。
Azure 的流式语音转写,仍是标准实时转写这一行,每小时 $1.00(合 每 1,000 小时 $1,000,计算值)。标准实时语音翻译是另一行,每音频小时 $2.50;同一页脚注写明,该价格已包含一路音频输入和输出,以及最多两种文本翻译语言。
两条路径怎么走
Azure 文件转写(Fast Transcription 接口)。 Azure LLM Speech(最近更新于 2026 年 10 月 29 日)是同一条 Fast Transcription 接口上的旗舰大模型,并没有单独的 LLM Speech URL。打开 enhancedMode.enabled,若要用 MAI,再把 enhancedMode.model 设为 "MAI-Transcribe-2"。LLM Speech 当前由服务端管理的版本名称是 Azure LLM Speech 07 2026。它可以对文件做转写,也可以做翻译(task: "translate" 并指定 targetLanguage)。该文档给 LLM Speech 的文件上限是不足 5 小时、不足 500 MB,格式较宽。Transcriptions transcribe REST 参考是 MAI 文档指向的 audio 参数说明,其中写的是音频须短于 2 小时、小于 250 MB。MAI-Transcribe 本身列出的格式是 WAV、MP3 或 FLAC。请按实际调用的模型看对应文档,不要把 LLM Speech 较宽的文件上限套到 MAI 上。
Azure 标准实时语音。 Azure Speech 另有面向直播音频的实时转写产品,定价页上为每小时 $1.00。该行的增强附加功能——持续语种识别、说话人分割、发音评估(韵律)——为每项每小时 $0.30。
Voice Live 是另一个产品。 MAI 文档提到,可在 Voice Live API(概览最近更新于 2026 年 10 月 26 日)里把 MAI-Transcribe 设为输入音频转写模型。该概览还写:mai-transcribe-2 在所有受支持的 Voice Live 资源区域可用,mai-transcribe-2-streaming 只在部分区域可用。Voice Live 的会话模型(gpt-realtime 等档位)另有定价,本文不把它当作课堂字幕插座。除定价页上的 MAI / Standard-Audio 行之外,本文也不另编一个 mai-transcribe-2-streaming 的公开小时价。
LecSync。 客户端先调用 POST https://api.lecsync.com/v1/realtime/connect,在 session.ready 之后推送裸 PCM。转写和翻译从同一条连接返回。开发者页列出 7 个网关区域:dal、jp3、kc、nj、ru2、ru3、uk。
定价对照(以 Azure 官方列表价、美国东部为准)
| 路径 | 官方页列表价 | 计算后的每分钟价 | 计算后的 1,000 小时 |
|---|---|---|---|
| LecSync 全包(直播字幕 + 翻译 + 说话人 + 纪要) | 每音频分钟 $0.006 | $0.006 | $360 |
| MAI Transcribe-2(促销至 2026-12-31) | 每小时 $0.10 | 约 $0.00167 | $100 |
| MAI Transcribe-1.5 / Fast Transcription / LLM Speech 转写 | 每小时 $0.36 | $0.006 | $360 |
| LLM Speech 翻译(文件) | 每小时 $0.36 | $0.006 | $360 |
| 标准实时转写 | 每小时 $1.00 | 约 $0.0167 | $1,000 |
| 标准实时转写 + 一项增强附加(例如说话人分割) | 每小时 $1.30 | 约 $0.0217 | $1,300 |
| 标准实时语音翻译(已含转写;最多 2 种文本目标语言) | 每音频小时 $2.50 | 约 $0.0417 | $2,500 |
| 批量转写 | 每小时 $0.18 | $0.003 | $180 |
| 自定义实时转写 | 每小时 $1.20 | $0.020 | $1,200 |
以上均为 Speech 定价页的按量列表价,不含承诺用量档或离线容器合同。该页脚注 9 写明:LLM Speech 目前与 Fast Transcription 共用价格和 SKU ID。
对照事实(核于 2026 年 11 月 12 日)
| 项目 | Azure Speech(今天核过的官方页面) | LecSync 实时语音 API |
|---|---|---|
| 公开转写列表价 | MAI-2 促销至 2026-12-31:$0.10/小时;Fast / MAI-1.5 / LLM Speech:$0.36/小时;标准实时:$1.00/小时;批量:$0.18/小时 | 每音频分钟 $0.006 |
| 这个单价覆盖什么 | 所列 SKU 的语音转文字。翻译是另一行;文件场景也可走 LLM Speech 的 translate 任务 | 直播字幕、翻译、说话人、纪要、术语表、30 天存储 |
| 直播还是文件 | MAI 与 LLM Speech 写在文件 Fast Transcription 接口上。标准实时才是 $1.00/小时的流式转写 | 直播 WebSocket,连接后推 PCM |
| 翻译 | MAI-Transcribe-2:功能表为无。LLM Speech:文件翻译 $0.36/小时。标准实时翻译:$2.50/音频小时(最多 2 种文本目标语言) | 包含,60 语任意配对 |
| 语言数量 | MAI-Transcribe-2:60 种(MAI 文档)。LLM Speech:50 种(LLM Speech 文档) | 60 种语言,任意互译 |
| 说话人 | MAI-Transcribe-2 和 LLM Speech 文档都写了说话人分割。标准实时价卡上,说话人分割是增强附加,每小时 $0.30 | 包含(speakers: true) |
| 直播纪要 | 不是 MAI 文件接口上的一项 | 包含(digest: true) |
| 已公布的首字时延 | 本文引用的 MAI、LLM Speech 页没有给出首字时延数字 | 约 0.28 秒;翻译大约再加 88 毫秒 |
| 文件上限(文档所写) | REST transcribe(MAI 指向的上限):2 小时、250 MB。LLM Speech 文中:5 小时、500 MB | 直播流;可选 store: true,从流结束起保留录音和转写 JSON 30 天 |
| 区域 | 功能可用性因区域而异,见 Speech 服务区域 | 7 个网关:dal、jp3、kc、nj、ru2、ru3、uk |
此前关于 Azure 实时翻译价行的对比,见 LecSync 对比 Azure Speech 实时翻译。附加收费的一般讨论见 统一价与按项加价。
更适合走 Azure 文件路径的情况
- 手里已经是录音文件,要在 Foundry Speech 资源上用同步文件接口,并在增强模式里选择 MAI-Transcribe-2、MAI-Transcribe-1.5 或 LLM Speech。
- 促销价 $0.10/小时仍有效,且任务就是同语言文件转写。在 2026 年 12 月 31 日之前,这个列表价合 每 1,000 小时 $100(计算值),低于 LecSync 的直播全包分钟价。
- 需要 LLM Speech 的文件翻译(公开价每小时 $0.36),或只要标准批量转写(每小时 $0.18),并不需要直播字幕连接。
- 需要 Azure 文档里那些专项能力:clean / verbatim 风格、LLM Speech 的格式提示词(最长 20,000 字符),或在 Azure 语音智能体会话里把 MAI-Transcribe 当作 Voice Live 的输入转写模型。
更适合选 LecSync 的情况
- 一条账单上的直播双语字幕。 60 语互译、说话人和纪要都在 每分钟 $0.006 里。不必再加每小时 $2.50 的翻译行,也不必在文件转写后再跑一轮
translate,才能在会话进行中把第二种语言显示到屏幕上。 - 音频正在发生。 课堂、讨论课和会议客户端只需一次连接请求,就能推送 PCM。MAI-Transcribe 文档里的默认路径是文件 POST,不是通用的课堂 WebSocket。
- 默认就有预览文本,并公布了首字时延(约 0.28 秒);网络变慢时有 2 秒积压上限。
- 希望分钟价可预期,而不想把每小时 $1.00 的流式转写再叠上每小时 $2.50 的翻译,或把文件转写结果再接到另一套机器翻译。这种自拼法的对照见 内置翻译与自建 STT + MT 管道。
常见问题
Azure MAI-Transcribe 怎么定价?
以今天的 Azure Speech 定价页(美国东部)为准:MAI Transcribe-2 为每小时 $0.10,标注为截至 2026 年 12 月 31 日 的促销价。MAI Transcribe-1.5 为每小时 $0.36,与 Fast Transcription、LLM Speech 转写的列表价相同。该页没有公布促销结束后的 MAI Transcribe-2 价格。
MAI-Transcribe-2 包含翻译吗?
不包含。微软 Fast Transcription 功能对照表里,翻译写在 Azure LLM Speech,不在 MAI-Transcribe-2。LLM Speech 的文件翻译在定价页上是每小时 $0.36。标准实时语音翻译是每音频小时 $2.50,最多覆盖两种文本翻译语言。
Fast Transcription 和 LLM Speech 是同一个价吗?
在公开价卡上是的。Speech 定价页的脚注写明,LLM Speech 目前与 Fast Transcription 共用价格和 SKU ID。今天(美国东部)这两行以及 MAI Transcribe-1.5 都是每小时 $0.36。
能把 MAI-Transcribe 当成课堂直播字幕的 WebSocket 来用吗?
就文档写明的主路径而言,不能。MAI-Transcribe 走的是 Fast Transcription 的 transcriptions:transcribe 文件接口。Voice Live 可以把 MAI-Transcribe 用作输入音频转写,部分区域还有 mai-transcribe-2-streaming,但 Voice Live 本身是带独立模型档位的语音智能体会话 API。LecSync 的「先连接、再推流」路径,是为会议或课堂客户端的原始音频准备的。
LecSync 每分钟 $0.006 包含什么?
LecSync 定价文档按已接收音频的实际时长计费,每分钟 $0.006,包含实时转写与翻译、时间戳、说话人分割、术语表与领域上下文、AI 译文精修、实时结构化纪要,以及 30 天的录音和转写存储。没有有效音频的连接和被丢弃的音频不计费。没有按功能另收的附加行。不足一秒也按比例计算,不向上取整到分钟或秒。
结语
Azure 公开的 MAI-Transcribe 价卡很好引用,也很容易读错。MAI Transcribe-2 每小时 $0.10 是截至 2026 年 12 月 31 日 的文件转写促销(合 每 1,000 小时 $100,计算值)。Fast Transcription、MAI Transcribe-1.5 和 LLM Speech 是每小时 $0.36——和 LecSync 的每小时单价相同——但文档把它们写成文件接口(标准实时转写则是每小时 $1.00 的流式 STT),而且 MAI-Transcribe-2 不含翻译。
若需要的是课堂或会议字幕插座——预览文本、60 语互译、说话人和纪要,一个价格——LecSync 仍是 每音频分钟 $0.006,即全包 每 1,000 小时 $360。对照 Azure 标准实时翻译每小时 $2.50,同样 1,000 小时是 $2,500(按上述列表价计算)。
试用 LecSync 这条路径,请从 实时语音 API 开始,或先看 定价说明。
来源: Azure Speech 定价(查阅于 2026 年 11 月 12 日,Asia/Shanghai;取页上美国东部区域价);Azure Speech 中的 MAI-Transcribe(最近更新于 2026 年 9 月 24 日);Azure LLM Speech(最近更新于 2026 年 10 月 29 日);Transcriptions — Transcribe REST;Voice Live 概览;Speech 服务区域;LecSync 开发者页与定价文档。