前一份比較頁是「全景概覽」，這份是「顯微鏡」。 Azure Speech 不只是「一個語音服務」，它底下還細分成 Speech to Text、Text to Speech、Speaker Recognition、Pronunciation Assessment、Custom Voice 等十幾個子功能。 AWS 的 Polly 也有 Standard／Neural／Long-form／Generative 四種引擎；GCP 的 Speech-to-Text 也有 Chirp 3 HD 等多種模型。 這頁把每個角色 × 三家雲的子功能全部攤開比較。
三家都有「模型超市」，但收錄的模型差異很大。Azure 強在 OpenAI 系列；AWS 強在 Anthropic Claude；GCP 強在自家 Gemini。共同收錄的有 Llama、Mistral、Cohere。
三家都把 Agent 平台當成 2025-2026 戰略重點。Azure 強在 M365 整合；AWS 強在框架無關；GCP 強在跨平台 A2A 協定。
RAG 的核心是「向量資料庫 + 檢索 + 生成」。三家做法差很多：Azure 整合到 M365；AWS 用 S3 Vectors 大幅降成本；GCP 用 BigQuery 接結構化資料。
三家做法差異最大的領域。Azure 與 AWS 都有獨立的安全服務；GCP 主要靠 Gemini 內建。AWS 的 Automated Reasoning 是獨家形式邏輯驗證。
給資料科學家的工坊。AWS SageMaker 是業界最完整；Azure ML 是 Responsible AI 領先；GCP 強在 BigQuery ML 與 Gemini fine-tuning。
給員工用的 AI 應用。Azure 在 M365 整合最強；AWS 正經歷劇變（Q Developer→Kiro）；GCP 整合 Workspace 全套。
客服、IVR、語音助手。GCP 在這領域最資深（Dialogflow 從 2016 收購起）；AWS 跟 Amazon Connect 整合最深；Azure 在 LUIS／QnA Maker 退役後改用 CLU。
從 PDF／掃描文件擷取結構化資料。三家都有完整的 prebuilt processors，特別在「房貸文件」這種特殊領域都有專用模型。
影像、影片分析。AWS Rekognition 有獨家的 PPE 偵測（口罩、安全帽）；GCP 視覺＋影片同源 YouTube／Google Search 技術。
這就是用戶舉例的服務。Azure 用單一服務統包所有語音功能；AWS 拆成 Polly（TTS）和 Transcribe（STT）兩個獨立服務；GCP 也分兩個 API 但底層用 Chirp 模型家族。每家底下都有 10+ 個子功能。
GCP 支援最多語言（130+）；Azure 主打瀕危語言；AWS 主打「即時自訂」（不需重訓模型）。三家都有文件翻譯（保留 Office 格式）。
雲端提供彈性算力(GPU 或 TPU)、托管的訓練與部署服務、可擴展儲存與資料管線，免去自建機房、按用量付費。
AWS(SageMaker)、Google Cloud(Vertex AI)、Microsoft Azure(Azure ML)；都提供從資料、訓練、部署到監控的整套服務。
現成 AI API(視覺、語音、語言)、托管的訓練與調參、模型部署與推論端點，以及 AutoML 與 MLOps 工具。
成本控管(GPU 很貴)、資料隱私與合規、地區與延遲、廠商鎖定，以及安全權限設定。
起步、需求彈性、想快速試用選雲端；長期穩定大量、資料極敏感或要極致成本控制，才考慮自建或混合雲。