跳到正文
RadarAI· Microsoft AI:官方博客(RSS)·· 2 小时前精选AI 评分76

Microsoft AI 发布首个语音到语音模型 MAI Realtime 1,定价 $0.01 每分钟音频

AI 导读

Microsoft AI 发布首个语音到语音模型 MAI Realtime 1,基础语音到语音用量定价为每分钟 $0.01,推理另按每百万输入 token $1、每百万输出 token $5 计费。

推荐理由

官方给出了与 GPT Realtime 2.1 的基准对比、具体定价和 API 兼容性,读者可以据此评估迁移成本与适用场景。

正文

Microsoft AI:官方博客· alenabu@microsoft.com·2026-11-18 02:16· 1 小时前精选AI 评分62

MAI Realtime 1: Leading voice AI at $0.01 per audio minute

AI 导读

Microsoft AI 发布首个语音到语音模型 MAI Realtime 1,起价 $0.01 每音频分钟,称在 Big Bench Audio 和 Tau-Voice 公开基准及微软产品评估中于质量、速度和价格上超过 GPT Realtime 2.1。

推荐理由

官方给出了与 GPT Realtime 2.1 的基准对比、具体定价和 API 兼容性,读者可以直接评估迁移成本与适用场景。

MAI Realtime 1:以每分钟音频 0.01 美元的价格引领语音 AI

2026 年 11 月 17 日 ·模型

MAI Realtime 1 是我们的首个语音到语音模型,专为真实企业应用中自然流畅的对话而打造,起价为每分钟音频 0.01 美元。1

在公开基准测试和微软产品评估中,我们的模型在质量、速度和价格上均优于 GPT Realtime 2.1。在 Big Bench Audio 语音推理和 Tau-Voice 智能体任务完成基准上,它都处于性能与价格的帕累托前沿。2

能办成事的自然对话

打造一个人们真正愿意与之交谈的语音智能体,光有好嗓音远远不够,还需要对话、智能和行动三者恰到好处地同时配合。MAI Realtime 1 通过以下能力实现了这一点:

  • 自然对话:MAI Realtime 1 能处理打断,跟上简短的回应,也知道何时该等对方把话说完
  • 自适应智能:快速响应的系统让对话实时流畅进行。当任务需要更深入的思考时,它会调用更强大的推理引擎,给出周到的回答,而不会出现尴尬的停顿
  • 稳健的理解能力:即使有背景噪音或他人在说话,它也能识别请求
  • 真实世界中的行动:它能承接复杂请求,并连接企业系统和工具,因此语音智能体不只是回答问题,还能做更多事
  • 可适配的人设:它可以通过提示词调整语气、风格和行为,以适配不同的客户、领域和用例

MAI Realtime 1 还兼容 OpenAI Realtime API,开发者可以轻松测试该模型并迁移现有的语音应用。

已准备好投入真实应用

Agoda 和 Reservations.ai 等公司已经开始试用 MAI Realtime 1。

我们还将把 MAI Realtime 1 引入 Dynamics 365 Contact Center 用于客户服务应用,并引入 Dragon Copilot,以支持 AI 模拟的患者对话,帮助护士 练习临床互动。

开始使用

在 MAI Labs 试用 MAI Realtime 1,或注册参与 Foundry 限量访问 预览。预览期间,客户不会被计费,直到公开预览开始。

登记意向

关于这些结果

结果反映的是特定评估配置和工作负载。性能、延迟和成本对比会因应用和方法而异。

  1. 定价:基础语音到语音用量定价为每分钟 $0.01。推理单独计费:$1 每百万输入 token,$5 每 百万输出 token。
  2. 竞品性能:MAI Realtime 1 使用 Big Bench Audio 和 τ-Voice 等公开基准,并结合 Dynamics 365 Contact Center 评估,与 GPT Realtime 2.1 进行了对比评测。

相关报道

七款全新世界级模型,兼具可扩展的价格与性能

2026年11月17日

推出 MAI Image 2.5 Pro 和 MAI Voice 2 Flash

2026年7月23日

Two overlapping watercolor speech bubbles, one pink and one green, with a flower painted in the center where they intersect, all set against a light background.

MAI Transcribe 2 是全球最快、最准确且最便宜的语音识别模型

2026年9月3日

Abstract image with horizontal green, yellow, and pink bands, evoking the feel of a blurry landscape or seascape at sunset, with a soft, hazy, and gradient effect throughout.

用 MAI 的音频模型让 Ode Poetry 活起来

2026年7月9日

A group of people stand on a grassy cliff at sunset with birds flying above; the scene is framed by the view from underwater, showing water bubbles and ripples.

文章 MAI Realtime 1:以每分钟 $0.01 引领语音 AI 首次发表于 Microsoft AI。

来源:Microsoft AI:官方博客 · microsoft.ai

来源:RadarAI · aihot.news