Funktioniert Azure AI Speech in China? Der 21Vianet-Souveräne-Cloud-Weg, Sprachdaten-Residenz und Grenzübertritt
Azure AI Speech ist in Festlandchina verfügbar — aber über die separate, netzwerkisolierte souveräne Cloud, Microsoft Azure operated by 21Vianet (世纪互联), in den Regionen China East 2, China North 2 und China North 3, nicht den globalen Dienst. Die eigentliche Entscheidung für eine auf China ausgerichtete Sprachfunktion ist nicht, wie schnell ein Transkript zurückkommt — es ist die Sprachdaten-Residenz: Azure Speech verarbeitet Sprachdaten in der Region, in der die Ressource lebt, eine globale Region legt Aufnahmen und Transkripte also offshore, ein PIPL-Grenztransfer, während der datenresidente rechtmäßige Weg die 21Vianet-Cloud ist (mit einer dokumentierten Funktionslücke zum Bestätigen). Ein Blick zuerst auf die Compliance: die zwei Azures, wo Sprachdaten verarbeitet werden, CSL Art. 39 (vormals Art. 37) Residenz und der rechtmäßige inländische Weg.
Funktioniert Azure AI Speech in China?
Ja — Azure AI Speech ist in Festlandchina verfügbar, aber über eine separate, netzwerkisolierte Souveräne-Cloud: Microsoft Azure operated by 21Vianet (世纪互联), in den Regionen China East 2, China North 2 und China North 3, nicht den globalen Dienst. Microsoft dokumentiert den Speech-Dienst als „available to organizations with a business presence in China“ (verfügbar für Organisationen mit einer Geschäftspräsenz in China), mit auf dieser Grundlage im Inland gehaltenen Daten.
Weil eine rechtmäßige inländische Option existiert, ist die eigentliche Entscheidung die Residenz der Sprachdaten, nicht die Geschwindigkeit. Microsoft gibt an, Azure Speech „stores and processes speech data in the region where you create your resource“ (speichert und verarbeitet Sprachdaten in der Region, in der Sie Ihre Ressource erstellen), eine globale Region legt Aufnahmen und Transkripte also außerhalb des Festlands ab — ein PIPL-Grenztransfer personenbezogener Daten (und, für einen Betreiber kritischer Informationsinfrastruktur, ein Residenzproblem nach Cybersicherheitsgesetz Art. 39 (vormals Art. 37)), mit einer höheren Schwelle, wo eine Stimme zur Identifizierung einer Person verwendet wird. Der datenresidente Weg ist die 21Vianet-Cloud — aber die Funktionsparität ist nicht eins zu eins, bestätigen Sie also die konkrete Fähigkeit, die Sie brauchen, mit Microsoft und 21Vianet.
21YunBox kartiert den rechtmäßigen Sprach-Weg, lokalisiert Ihre Funktion auf die datenresidente China-Option — den von 21Vianet betriebenen Speech-Dienst, wo verfügbar, oder einen inländischen Sprachdienst — und liefert die auf China ausgerichtete App, die das Audio erfasst, im Inland auf ICP-gemeldeter Infrastruktur aus, sodass sie im Festland rechtmäßig läuft. Wir verwenden oder empfehlen niemals eine Umgehung welcher Art auch immer. Behandeln Sie die Details als ein mit Rechtsbeistand zu bestätigendes Risiko.
Compliance-Momentaufnahme
- ✓ Azure AI Speech ist verfügbar im Festland — über die separate, netzwerkisolierte Souveräne-Cloud, Microsoft Azure operated by 21Vianet (世纪互联), in den Regionen China East 2, China North 2 und China North 3. Microsoft dokumentiert es als „available to organizations with a business presence in China“ (verfügbar für Organisationen mit einer Geschäftspräsenz in China), auf datenresidenter Grundlage.
- ! Die Funktionsparität ist nicht eins zu eins. Microsofts eigene Souveräne-Cloud-Seite führt Custom Voice, Personal Voice, Text-to-Speech-Avatar, Voice Live, Live Interpreter, Videoübersetzung und LLM Speech als in der China-Cloud nicht unterstützt auf. Bestätigen Sie die konkrete Fähigkeit, die Sie brauchen, mit Microsoft und 21Vianet.
- ! Eine globale (Nicht-China-)Azure-Region verarbeitet Sprachdaten offshore — Microsoft gibt an, Speech „stores and processes speech data in the region where you create your resource“. Das ist ein PIPL-Grenztransfer personenbezogener Daten (Art. 38–40); eine Stimme, die zur Identifizierung einer Person verwendet wird (Stimmabdruck), kann sensible personenbezogene Daten sein.
- ! Für einen Betreiber kritischer Informationsinfrastruktur verlangen Cybersicherheitsgesetz Art. 39 (vormals Art. 37) und PIPL Art. 40 Inland-Speicherung; grenzüberschreitende Transfers größeren Umfangs oder sensibler Art fügen eine CAC-Datenexport-Sicherheitsbewertung hinzu.
- ✓ Die auf China ausgerichtete App, IVR oder Sprachfunktion, die das Audio erfasst, ist selbst ein Festland-Dienst — sie braucht eine ICP-Beian und inländische Auslieferung; 21YunBox kartiert den Weg, lokalisiert auf die datenresidente Option und liefert sie im Inland aus.
Was die offizielle Azure AI Speech-Dokumentation über China sagt
| Fakt | Primärquelle |
|---|---|
| Azure AI Speech läuft in China über die 21Vianet-Souveräne-Cloud. Microsofts Speech-„sovereign clouds“-Seite führt den Dienst unter „Microsoft Azure operated by 21Vianet“, „Available to organizations with a business presence in China“, in den Regionen China East 2, China North 2 und China North 3 auf — eine vom globalen Dienst separate Cloud, mit eigenen portal.azure.cn- und .azure.cn-Endpunkten. | Microsoft Learn — Sovereign Clouds, Speech service (learn.microsoft.com), abgerufen 2026-10-08 |
| Die Funktionsverfügbarkeit in der China-Cloud ist nicht vollständig. Auf derselben Microsoft-Seite unterstützt die China-(21Vianet-)Cloud die Kernfunktionen Speech to Text, Text to Speech, Übersetzung, Aussprachebewertung und Schlüsselworterkennung, führt aber Custom Voice, Personal Voice, Text-to-Speech-Avatar, Voice Live, Live Interpreter, Videoübersetzung und LLM Speech als nicht unterstützt auf. Bestätigen Sie die Fähigkeit, die Sie brauchen, bevor Sie bauen. | Microsoft Learn — Sovereign Clouds, Speech service (learn.microsoft.com), abgerufen 2026-10-08 |
| Sprachdaten leben, wo die Ressource lebt. Microsofts Speech-Regionen-Dokumentation gibt an: „Azure Speech stores and processes speech data in the region where you create your resource“ (Azure Speech speichert und verarbeitet Sprachdaten in der Region, in der Sie Ihre Ressource erstellen). Eine in einer globalen (Nicht-China-)Region erstellte Ressource verarbeitet die Sprachdaten eines China-Nutzers daher außerhalb des Festlands. | Microsoft Learn — Supported regions for Azure Speech (learn.microsoft.com), abgerufen 2026-10-08 |
| Sprachdaten an eine Offshore-Region zu senden, ist ein PIPL-Grenztransfer. Die Aufnahmen, Transkripte oder beigefügten Datensätze eines chinesischen Nutzers an eine Speech-Ressource außerhalb des Festlands zu leiten, löst PIPL Art. 38–40 aus: Mitteilung, eine gesonderte Einwilligung und einen Transfermechanismus — eine CAC-Sicherheitsbewertung, den CAC-Standardvertrag oder eine Zertifizierung — mit Inland-Speicherung für Betreiber kritischer Informationsinfrastruktur nach Art. 40 und Cybersicherheitsgesetz Art. 39 (vormals Art. 37). | Personal Information Protection Law of the PRC, Art. 38–40 (cac.gov.cn), abgerufen 2026-10-08 |
Quellen vom 21YunBox Compliance-Team am 8. Oktober 2026 geprüft.
Für ein Festland-China-Publikum ist die zu Azure AI Speech zu klärende Frage — dem Speech-to-Text-, Text-to-Speech- und Übersetzungsdienst in Azure AI services, vormals Cognitive Services Speech — nicht, wie schnell ein Transkript zurückkommt. Es ist, welches Azure Sie aufrufen. Azure global, betrieben von Microsoft, ist eine Cloud. Microsoft Azure operated by 21Vianet (世纪互联) ist eine separate, netzwerkisolierte Cloud, die innerhalb des Festlands unter einem lizenzierten lokalen Betreiber läuft, mit ihrem eigenen Portal unter portal.azure.cn und ihren eigenen .azure.cn-Endpunkten. Azure AI Speech existiert in beiden — aber sie sind nicht derselbe Dienst, und sie sitzen nicht im selben Land.
Das zählt, weil Speech per Design ein Dienst ist, der Stimme handhabt. Ein Request trägt, was immer eine Person sagte, und, je nachdem, wie Sie es nutzen, eine Aufnahme, die sie identifizieren kann. Wo dieses Audio verarbeitet wird, ist daher die Entscheidung — nicht die Bildrate der Wiedergabe. Und hier hat die ehrliche Antwort eine hoffnungsvolle Gestalt, die die meisten ausländischen Sprachdienste nicht bieten können: Eine datenresidente, inländische Grundlage existiert bereits. Microsofts eigene Dokumentation listet Azure AI Speech unter den Diensten, die in der von 21Vianet betriebenen China-Cloud verfügbar sind, in den Regionen China East 2, China North 2 und China North 3, „available to organizations with a business presence in China“. Der rechtmäßige Weg, Azure AI Speech vor chinesische Nutzer zu stellen, läuft durch diese Grundlage — niemals um eine Sperre herum und niemals durch eine Umgehung welcher Art auch immer.
Es ist ein zu bestätigender Weg, keine Garantie. Die 21Vianet-Cloud trägt nicht jede Speech-Fähigkeit, die der globale Dienst tut: Microsofts eigene Souveräne-Cloud-Seite markiert mehrere Funktionen — Custom Voice, Personal Voice, den Text-to-Speech-Avatar, Voice Live, Live Interpreter, Video Translation und LLM Speech — als dort nicht unterstützt. Ob also die spezifische Fähigkeit, von der Ihr Produkt abhängt, in der China-Cloud verfügbar ist, ist etwas, das Sie direkt mit Microsoft und 21Vianet verifizieren, bevor Sie bauen.
Azure AI Speech in China auf einen Blick
| Worüber es entscheidet | In Microsofts eigenen Worten — und nach chinesischem Recht |
|---|---|
| Was es ist | Azure AI Speech — Speech to Text, Text to Speech und Speech Translation (der Speech-Dienst in Azure AI services, vormals Cognitive Services Speech). Zwei Clouds zählen für China: der globale Azure-Dienst und eine separate Cloud, Microsoft Azure operated by 21Vianet (世纪互联), die innerhalb des Festlands läuft. |
| Gibt es eine rechtmäßige In-China-Option? | Ja — über die 21Vianet-Cloud. Microsoft dokumentiert Azure AI Speech als verfügbar in Microsoft Azure operated by 21Vianet, in den Regionen China East 2, China North 2 und China North 3, „available to organizations with a business presence in China“. Daten werden auf dieser Grundlage im Inland gehalten. |
| Funktionsparität ist nicht eins zu eins | Kern-Speech-to-Text, Text to Speech, Übersetzung, Aussprachebewertung und Keyword Recognition sind in der China-Cloud unterstützt, aber Microsofts eigene Souveräne-Cloud-Seite listet Custom Voice, Personal Voice, den Text-to-Speech-Avatar, Voice Live, Live Interpreter, Video Translation und LLM Speech als dort nicht unterstützt. Bestätigen Sie die Fähigkeit, die Sie brauchen, mit Microsoft und 21Vianet, bevor Sie darum herum entwerfen. |
| Wo die Sprachdaten verarbeitet werden | Microsoft gibt an, Azure Speech „stores and processes speech data in the region where you create your resource“. Eine globale (Nicht-China-)Region legt Aufnahmen und Transkripte daher außerhalb des Festlands — ein grenzüberschreitender Transfer personenbezogener Daten nach PIPL (Art. 38–40); wo Stimme genutzt wird, um eine Person zu identifizieren (Stimmabdruck), kann es sensible personenbezogene Daten sein. Die 21Vianet-Regionen halten diese Daten im Inland. |
| Die App, die das Audio erfasst | Die auf China ausgerichtete App, IVR oder Anruffunktion, die Nutzer aufzeichnet und das Audio sendet, ist selbst ein öffentlicher Festland-Dienst, trägt also eine ICP-Beian-Pflicht (备案) und braucht rechtskonforme, inländische Auslieferung wie jede andere auf China ausgerichtete Property. |
Zwei Azures: Speech in der von 21Vianet betriebenen souveränen Cloud
Azure AI Speechs Präsenz im Festland wird von Microsofts Dokumentation gesetzt, nicht von einem Ladezeit-Test — und die Dokumentation ist spezifisch darüber, welches Azure es trägt. Die globale „supported regions“-Liste für Speech nennt Rechenzentren in den USA, Europa und der weiteren Asien-Pazifik-Region, aber keine Festlandchina-Region. Die China-Grundlage lebt auf einer anderen Seite: Microsofts Speech-„sovereign clouds“-Dokumentation, die diese Clouds als „isolated in-country/region platforms with independent authentication, storage, and compliance requirements“ beschreibt und Azure AI Speech unter „Microsoft Azure operated by 21Vianet“ listet, verfügbar in den Regionen China East 2, China North 2 und China North 3, über portal.azure.cn und .azure.cn-Endpunkte, für Organisationen mit Geschäftspräsenz in China.
Zwei Folgen ergeben sich. Erstens ist die China-Cloud ein separates Konto auf einer separaten Cloud — eine Ressource, die Sie unter portal.azure.cn aufsetzen, kein Regions-Schalter an einem globalen Azure-Abonnement. Zweitens ist die Verfügbarkeit auf Funktionsebene, und sie ist nicht vollständig: Microsofts eigene Liste nennt Custom Voice, Personal Voice, den Text-to-Speech-Avatar, Voice Live, Live Interpreter, Video Translation und LLM Speech als in der China-Cloud heute nicht unterstützt, und solche Listen ändern sich über die Zeit. Behandeln Sie die Fähigkeit, von der Sie abhängen, als eine mit Microsoft und 21Vianet zu klärende Frage, keine aus dem globalen Dienst übernommene Annahme. Aus diesem Grund veröffentlicht diese Seite keine eigene China-Latenzzahl für Speech: Eine rechtmäßige inländische Cloud existiert bereits, Geschwindigkeit ist also nicht die Achse, von der die Entscheidung abhängt.
Die Datenachse: Stimme sind personenbezogene Daten, und wo sie verarbeitet wird, entscheidet die Residenz
Das Tor, das ein China-Sprach-Deployment tatsächlich entscheidet, ist das Audio selbst. Microsoft gibt unverblümt an, dass Azure Speech „stores and processes speech data in the region where you create your resource“ — die Wahl der Region ist also die Wahl, wohin die Sprachdaten Ihrer Nutzer gehen. Erstellen Sie die Ressource in einer globalen (Nicht-China-)Region und bedienen Sie einen Nutzer in China von ihr, dann verlässt jede Aufnahme, jedes Transkript und jeder angehängte Datensatz das Land: ein grenzüberschreitender Transfer personenbezogener Daten nach Chinas Gesetz zum Schutz personenbezogener Daten. Die Pflicht sitzt beim Verarbeiter — Ihnen, nicht dem Cloud-Anbieter. PIPL Art. 38–40 verlangen Mitteilung, eine gesonderte Einwilligung, die sich von der Zustimmung des Nutzers zur Nutzung der Funktion unterscheidet, und einen Transfermechanismus — eine CAC-Sicherheitsbewertung, den CAC-Standardvertrag oder eine Zertifizierung.
Stimme hebt zudem die Sensibilitätslatte. Eine Aufnahme sind in jedem Fall personenbezogene Daten, und wo Sie Stimme nutzen, um eine bestimmte Einzelperson zu identifizieren — Stimmabdruck oder Sprechererkennung —, kann es sensible personenbezogene Daten (biometrische Merkmale) nach PIPL sein, die einen höheren Einwilligungs-und-Notwendigkeits-Standard tragen. Wie weit das reicht, hängt davon ab, was Ihre Funktion tatsächlich mit dem Audio tut, weshalb es zu Rechtsbeistand gehört statt zu einer Standard-Annahme.
Darunter sitzt Residenz. Ein Betreiber kritischer Informationsinfrastruktur oder ein Verarbeiter großer Mengen muss in China erhobene personenbezogene Daten innerhalb des Festlands speichern — PIPL Art. 40, zusammen mit dem Cybersicherheitsgesetz (Art. 39 in der seit 1. Januar 2026 geltenden Fassung; vormals Art. 37) — eine Pflicht, die eine Offshore-Region strukturell nicht erfüllen kann, und wo Mengen oder Sensibilität die Schwellen überschreiten, braucht der Export selbst eine CAC-Datenexport-Sicherheitsbewertung, bevor er fortfahren darf. Deployen Sie stattdessen in die 21Vianet-Regionen, dann ändert sich die Residenzfrage in ihrer Gestalt: Die Sprachdaten bleiben per Design innerhalb Chinas, auf den Rechenzentren des lizenzierten lokalen Betreibers, und das Grenzübertritts-Problem verengt sich auf das, was Sie bewusst hinausrouten.
Die App, die die Stimme erfasst, braucht weiterhin eine Beian
Eine datenresidente Region zu wählen, klärt, wo das Audio verarbeitet wird; es macht das Produkt, das es erfasst, nicht von sich aus zu einem rechtmäßigen China-Dienst. Die mikrofonfähige App, der IVR- oder Contact-Center-Ablauf, der Sprachassistent oder die Diktierfunktion, die einen Nutzer in China aufzeichnet und das Audio an Speech schickt, ist selbst eine öffentlich zugängliche Property im Festland. Das trägt eine ICP-Beian-Pflicht (备案) und braucht rechtskonforme inländische Auslieferung wie jede andere auf China ausgerichtete Site oder App — eine Transkription, die in dem Moment zurückkommt, in dem jemand aufhört zu sprechen, von einem nicht gemeldeten, Offshore-Front-End, hat nur die Hälfte des Problems gelöst.
Der rechtmäßige Weg — kartieren, lokalisieren, ausliefern
Es gibt einen rechtmäßigen Weg, Azure AI Speech für chinesische Nutzer zu betreiben, und er hat eine klare Gestalt: Die Sprachdaten werden aus China heraus auf einer Grundlage gehandhabt, die sie ansässig hält, und die auf China ausgerichtete App, die das Audio erfasst, ist selbst gemeldet und im Inland ausgeliefert. Der Teil, den 21YunBox besitzt, ist diese Grundlage, und er ist mehr als Beratung. Unser China-Team tut drei Dinge darauf. Wir kartieren den rechtmäßigen Sprachweg — Ihre PIPL- und Datenresidenz-Exponierung, ob die spezifische Speech-Fähigkeit, die Sie brauchen, in der 21Vianet-Cloud verfügbar ist, und wo die Sensible-Information-Latte gelten kann —, sodass Sie wissen, was jede Option verpflichtet, bevor Sie sich festlegen. Wir lokalisieren Ihre Funktion auf eine rechtskonforme, in China legale Option: Azure AI Speech in Microsoft Azure operated by 21Vianet aufsetzen, wo die Fähigkeit, die Sie brauchen, verfügbar ist, oder einen inländischen Sprachdienst integrieren, wo sie es nicht ist, sodass das Audio im Inland bleibt, anstelle eines Aufrufs, der sonst offshore laufen würde. Und wir liefern die auf China ausgerichtete App, die die Stimme erfasst und bereitstellt, im Inland auf ICP-gemeldeter Infrastruktur aus — der 21YunBox Optimizer — vor dem, was Sie bereits betreiben, ohne Neuaufbau und ohne Re-Platforming.
Das Ergebnis ist eine Sprachfunktion, die für Ihre Nutzer in China rechtmäßig und rechtskonform läuft. Was wir nie tun, und was rechtmäßig niemand sollte, ist, jemanden um eine Sperre herum durch eine Umgehung welcher Art auch immer zu routen: Dies ist ein rechtmäßiges, datenresidentes inländisches Deployment, gebaut auf der China-Cloud, die Microsoft und 21Vianet bereits bereitstellen. Wo der Dienst, den Sie wollen, dort nicht angeboten wird, lokalisieren wir auf ein lizenziertes inländisches Äquivalent, statt offshore zu greifen.
Compliance-Einschätzung anfordern →
Weiterführend:
- Grenzüberschreitende Datentransfers nach PIPL
- Chinas Cybersicherheitsgesetz — Art. 39 (vormals Art. 37) und Datenlokalisierung
- Chinas Datenexport-Sicherheitsbewertungsmaßnahmen
- So erhalten Sie eine ICP-Beian für China
Häufige Fragen
Ist Azure AI Speech in Festlandchina verfügbar?
Ja, über eine separate Cloud. Microsoft dokumentiert Azure AI Speech unter „Microsoft Azure operated by 21Vianet“ (世纪互联), verfügbar in den Regionen China East 2, China North 2 und China North 3 für Organisationen mit einer Geschäftspräsenz in China, mit eigenen portal.azure.cn- und .azure.cn-Endpunkten. Das ist ein anderer Dienst als das globale Azure Speech, und die Funktionsparität ist nicht eins zu eins — Microsoft führt Custom Voice, Personal Voice, den Text-to-Speech-Avatar, Voice Live, Live Interpreter, Videoübersetzung und LLM Speech als in der China-Cloud nicht unterstützt auf. Bestätigen Sie die Fähigkeit, die Sie brauchen, mit Microsoft und 21Vianet, und wir verwenden oder empfehlen niemals eine Umgehung welcher Art auch immer.
Kann ich einfach meine bestehende (globale) Azure-Speech-Ressource für Nutzer in China verwenden?
Sie können sie erreichen, aber das ist die Compliance-Frage, keine Geschwindigkeitsfrage. Microsoft gibt an, Speech „stores and processes speech data in the region where you create your resource“ (speichert und verarbeitet Sprachdaten in der Region, in der Sie Ihre Ressource erstellen), eine globale Region verarbeitet die Sprachdaten eines China-Nutzers also offshore — ein Grenztransfer nach PIPL (Art. 38–40: Mitteilung, eine gesonderte Einwilligung und einen Transfermechanismus), und für einen Betreiber kritischer Informationsinfrastruktur ist Inland-Speicherung nach PIPL Art. 40 und Cybersicherheitsgesetz Art. 39 (vormals Art. 37) erforderlich. Eine Stimme, die zur Identifizierung einer Person verwendet wird, kann auch sensible personenbezogene Daten sein, was die Schwelle erhöht. Bestätigen Sie Ihre genauen Pflichten mit Rechtsbeistand.
Was ist der datenresidente, rechtskonforme Weg für Sprache in China?
Behandeln Sie das Audio von innerhalb Chinas — den von 21Vianet betriebenen Speech-Dienst (China East 2 / China North 2 / China North 3), wo die Fähigkeit, die Sie brauchen, verfügbar ist, oder einen inländischen Sprachdienst, wo nicht — sodass Aufnahmen und Transkripte im Inland bleiben, und liefern Sie die auf China ausgerichtete App oder IVR, die das Audio erfasst, auf ICP-gemeldeter, inländischer Infrastruktur aus. 21YunBox kartiert den Weg und Ihre PIPL- und Residenz-Exponierung, lokalisiert Ihre Funktion auf die datenresidente Option und stellt die inländische Auslieferung bereit — ohne Neuaufbau und ohne Re-Platforming. Es ist ein rechtmäßiges inländisches Deployment, kein Weg um irgendjemandes Bedingungen herum.
