微软首款语音对语音模型MAI Realtime 1:能被打断,每音频分钟0.01美元

AI资讯2分钟前发布 Brenna
2.9K 0

微软终于有了自研的语音对语音模型,一出手就先打价格。

在11月17日的Ignite 2026大会上,微软发布了MAI Realtime 1。它主打企业里的真实通话场景:对方插话能接住,该快速确认时就确认,对方没说完会等着;环境嘈杂、几个人同时说话,也能听出请求是什么。

碰到需要深想的任务,它可以调用更强的推理引擎,再连到企业系统里把事办了,比如订位、处理客服问题。语气和风格可以用提示词来调。

价格是最狠的部分。基础的语音对语音费用是每音频分钟0.01美元;如果用到推理,再按每百万输入token 1美元、输出5美元另算。

对比数据更直观。在Big Bench Audio基准上,MAI Realtime 1准确率98.9%,每小时输入音频成本约1.35美元;GPT-Realtime-2 High是96.6%、每小时4.14美元,Grok Voice 2.0是97.2%、每小时4.80美元。

差不多是对手三分之一的价钱。

它兼容OpenAI Realtime API,现有的语音应用迁过来不用大改,Agoda、Reservations.ai已经在试用。微软还打算把它放进Dynamics 365客服中心,并让它在Dragon Copilot里扮演AI模拟患者,帮护士练习临床沟通。

同一场大会上,微软还发布了编程模型MAI Code 2。按微软的说法,它的性能已经接近竞争对手的同类模型,运行成本却低得多。

另外还有一款专门面向网络安全的模型,先只开放给一小部分客户。AI越来越多地被拿来找软件漏洞,安全团队在漏洞披露和应对上的压力也跟着上来,微软想用这款模型帮客户接住。

© 版权声明

相关文章

微软首款语音对语音模型MAI Realtime 1:能被打断,每音频分钟0.01美元 暂无评论

none
暂无评论...