微软首款语音对语音模型:MAI Realtime 1 登场,起价每分钟 0.01 美元

2026.11.18 · 收录日 2026.11.18 · 模型 · 新模型 · 媒体报道

微软在 Ignite 2026 发布首款语音对语音模型,兼容 OpenAI Realtime API。

微软在 Ignite 2026 大会上发布首款语音对语音模型 MAI Realtime 1,面向真实企业场景,可处理打断、快速确认等自然对话细节,并在嘈杂环境或多人同时说话时理解请求。基础语音对语音使用费为每音频分钟 0.01 美元,涉及推理时按每百万输入 token 1 美元、每百万输出 token 5 美元另行计费。

  • 可处理打断、快速确认和等待对方说完等自然对话细节,嘈杂环境或多人同时说话时也能理解请求
  • 基础语音对语音使用费为每音频分钟 0.01 美元;推理按每百万输入 token 1 美元、每百万输出 token 5 美元计费
  • 任务需要更深入思考时可调用更强推理引擎,并连接企业系统与工具完成预订、客服处理等操作
  • 在 Big Bench Audio 上取得 98.9% 准确率,每小时输入音频成本约 1.35 美元,优于 GPT-Realtime-2 High 和 Grok Voice 2.0
  • 已兼容 OpenAI Realtime API,Agoda、Reservations.ai 等公司已开始试用

为什么值得看

语音模型价格与性能对比有了新参照

适合谁关注

关注语音 AI 与企业客服的开发者

原始来源

查看收录日 2026.11.18 全部卡片 · 全部卡片归档