Является ли служба распознавания речи Azure архитектурой с одной или несколькими моделями?

Я исследовал Azure Speech Service и просмотрел доступную документацию и онлайн-ресурсы, но так и не нашел четкого ответа. Использует ли Azure Speech Service архитектуру с одной моделью или работает с несколькими моделями? В частности, функционируют ли модели Speech-to-Text (STT) и Text-to-Speech (TTS) независимо друг от друга без обмена данными обучения или между ними есть некоторая взаимосвязь? Любые идеи были бы очень признательны!