微软发布首款语音对语音模型MAI Realtime 1,基础调用每分钟0.01美元

微软表示,在公开基准测试及内部产品评估中,MAI Realtime 1 在质量、速度和价格上均优于 GPT Realtime 2.1,并在 Big Bench Audio 语音推理和 Tau-Voice 智能体任务完成基准上处于“性能 — 价格”前沿。

在11月17日召开的 Ignite 2026 大会上,微软宣布推出其首款语音对语音模型 MAI Realtime 1,定位为面向真实企业场景的实时语音 AI。该模型可处理对话打断、快速确认、等待对方说完等自然对话细节,并能在嘈杂环境或多人同时说话的场景下理解用户请求。

定价方面,微软公布该模型基础语音对语音使用费为每音频分钟 0.01 美元;若涉及推理,则按每百万输入 token 1 美元、每百万输出 token 5 美元另行计费。微软表示,MAI Realtime 1 不仅可实时回应语音,还能在任务需要更深入思考时调用更强的推理引擎,并连接企业系统与工具,完成预订、客服处理等复杂操作。开发者可通过提示词调整模型的语气、风格和行为,以适配不同客户与行业需求。

性能数据上,微软称在公开基准测试及内部产品评估中,MAI Realtime 1 在质量、速度和价格上均优于 GPT Realtime 2.1。在 Big Bench Audio 语音推理基准上,该模型取得 98.9% 的准确率,每小时输入音频成本约 1.35 美元;对比之下,GPT-Realtime-2 High 为 96.6%、每小时 4.14 美元,Grok Voice 2.0 为 97.2%、每小时 4.80 美元。在 Tau-Voice 智能体任务完成基准上,微软称该模型处于“性能—价格”前沿。

生态兼容方面,MAI Realtime 1 已兼容 OpenAI Realtime API,便于开发者测试和迁移现有语音应用。Agoda、Reservations.ai 等公司已开始试用。微软还计划将该模型用于 Dynamics 365 Contact Center 客服场景,以及 Dragon Copilot 中的 AI 模拟患者对话,帮助护士练习临床沟通。

对微软而言,MAI Realtime 1 是其自研模型矩阵向实时语音交互环节的延伸,直接对标 OpenAI 的 Realtime 系列。兼容 OpenAI Realtime API 的做法降低了开发者的迁移门槛,而按分钟计费的基础定价与推理分层计费模式,则为企业级语音智能体的规模化部署提供了更清晰的成本结构。该模型在客服、预订等场景的落地进展,将检验其在真实企业负载下的稳定性与推理调用效率。

该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。

赞 (0)
黄仁勋辞任后仍符合英伟达代理权准入规则,可提名最多两名董事候选人
上一篇 4小时前
微软医疗AI转录引擎换用自研模型MAI-Transcribe-2,多语言错误率下降约50%
下一篇 3小时前

相关推荐

发表回复

登录后才能评论
分享本页
返回顶部