返回首页

MAI Realtime 1

sitemap+web 0.93
访问原文

介绍

MAI Realtime 1 是 Microsoft AI 在 2026 年 11 月 17 日介绍的首个语音到语音(speech-to-speech)模型,面向企业里需要自然、连续对话的语音 agent,起步价为每音频分钟 0.01 美元。它和同日发布的 MAI Code 2、MAI Cyber 2 Flash 以及已收录的 MAI Image 2.7 同属 Ignite 模型套件,但是一条新的实时语音产品线,而不是现有文本或图像型号的别名。

官方把它对标 GPT Realtime 2.1,并称在公开基准和微软产品评估中,质量、速度和价格都更优,同时位于 Big Bench Audio(语音推理)和 τ-Voice(agent 式任务完成)的性能-价格 Pareto 前沿。定价脚注写明:基础语音到语音为每分钟 0.01 美元,推理部分另按每百万输入 token 1 美元、每百万输出 token 5 美元计费。

获取上,官方建议在 MAI Labs 试用,或登记 Microsoft Foundry 的限量预览;预览客户在公开预览开始前不会被计费。文章还说它兼容 OpenAI Realtime API,便于测试和迁移已有语音应用。

广告

解释

能力描述集中在“能聊也能办事”:处理插话和简短附和,并知道何时等对方说完;用低延迟系统维持对话节奏,遇到需要更深思考的任务再调用更强的推理引擎,以免出现明显停顿;在噪音或旁人说话时仍能识别请求;连接企业系统和工具,使语音 agent 不只是回答问题;还可通过提示词调整语气、风格和行为,以适应不同客户、行业和场景。

落地方面,微软点名 Agoda 和 Reservations.ai 已在测试,并计划把它用于 Dynamics 365 Contact Center 的客服场景,以及 Dragon Copilot 中帮助护士练习临床对话的 AI 模拟病人。这些是发布稿中的合作与产品规划,需要与基准数字分开看。官方脚注也提醒,表现、延迟和成本会随应用和方法而变化。

用法

按官方 Get started:可在 MAI Labs 试用 MAI Realtime 1,或登记 Microsoft Foundry 限量预览;预览阶段在公开预览开始前不计费。若已有基于 OpenAI Realtime API 的语音应用,官方称该模型兼容同一接口,便于先做对照再迁移。

计费上要区分基础语音分钟费和另行计费的推理 token。产品侧,官方提到的 Dynamics 365 Contact Center 与 Dragon Copilot 集成是微软自己的落地路径,开放时间和资格以各产品当时说明为准。不要把它与九月已出现的 MAI Transcribe 2(语音转写)或已收录的其他 MAI 图像/编程型号混淆:Realtime 1 明确写成微软的第一款 speech-to-speech 模型。