📖 AI 总结

微软AI发布了两款面向语音代理的新模型。MAI-Transcribe-2-Streaming主打实时转录，在Artificial Analysis准确率排名中位列第一，支持60种语言，首次部分结果延迟仅100多毫秒，使语音代理能在用户尚未说完时即作出回应，年底前优惠价为每小时音频0.54美元。同时推出的两款文本转语音模型MAI-Voice-2.1和MAI-Voice-2.1-Flash，前者可用同一音色说23种语言并带各地母语口音，后者延迟150毫秒，价格从每百万字符22美元降至15美元。两款语音模型均支持仅凭数秒参考音频克隆声音，并内置防滥用保护。模型已通过Microsoft Foundry、MAI Playground及OpenRouter等平台提供。测试中约4000名参与者里有一半认为合成声音来自真人，显示语音合成自然度已达较高水平。