MAI-Voice-2.1

微软AI发布实时转录与语音合成新模型

微软AI推出MAI-Transcribe-2-Streaming实时转录模型，称其在Artificial Analysis准确率排名第一，支持60种语言，首次部分结果延迟约100毫秒，年底前优惠价为每小时音频0.54美元。同时发布MAI-Voice-2.1和MAI-Voice-2.1-Flash两款语音合成模型，支持23种语言同一音色，Flash延迟150毫秒，价格从每百万字符22美元降至15美元；模型可通过Microsoft Foundry、MAI Playground和OpenRouter使用。