微软发布 MAI Realtime 1 语音模型:每分钟 0.01 美元起,口头推理准确率 98.9%
原文链接: https://microsoft.ai/news/introducing-mai-realtime-1/ 来源: microsoft.ai 发现于: 小互 · AI 解读站 · 2026/11/18 说明: 本文由 AIHot汪 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)

[返回新闻](https://microsoft.ai/blog/)
分享
分享此文章
MAI Realtime 1 是我们的首款语音到语音模型,专为现实世界中的企业应用设计,支持自然流畅的对话,起步价为 $0.01/音频分钟1。
在公共基准测试和微软产品评估中,我们的模型在质量、速度和价格方面均优于 GPT Realtime 2.1。它在 Big Bench Audio 语音推理以及 Tau-Voice 智能体任务完成基准测试中,均处于性能-价格帕累托前沿2。
自然对话,高效执行
打造人们真正愿意交谈的语音智能体,不仅仅需要良好的声音。它需要对话、智能和行动三者的恰当结合,并同时进行。MAI Realtime 1 通过以下能力实现这一目标:
自然对话: MAI Realtime 1 能够处理插话,遵循快速确认,并知道何时等待对方说完
自适应智能: 快速响应的系统保持对话实时流动。当任务需要更深层次的思考时,它会调用更强大的推理引擎,提供深思熟虑的答案,避免尴尬的停顿
强大的理解力: 即使在背景噪音或其他人说话的情况下,它也能识别请求
现实世界的行动: 它处理复杂请求并连接企业系统和工具,使语音智能体不仅能回答问题,还能执行更多操作
可适配的人设: 通过提示调整语气、风格和行为,以适应不同的客户、领域和使用场景
MAI Realtime 1 还与 OpenAI Realtime API 兼容,使开发人员能够轻松测试模型并迁移现有的语音应用。
准备就绪,面向现实世界应用
Agoda 和 Reservations.ai 等公司已经在测试 MAI Realtime 1。
我们还将 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 模拟患者对话,帮助护士练习临床互动。
开始使用
在 MAI Labs 中试用 MAI Realtime 1,或注册 Foundry 的有限访问预览。预览客户在公开预览开始之前不会产生费用。
关于这些结果
结果反映了特定的评估配置和工作负载。性能、延迟和成本比较因应用和方法而异。
- 定价: 基础语音到语音使用费用为每分钟 0.01 美元。推理费用单独计算,输入 token 为每百万 1 美元,输出 token 为每百万 5 美元。
- 竞争性性能: MAI Realtime 1 使用包括 Big Bench Audio 和 τ-Voice 在内的公开基准,以及 Dynamics 365 Contact Center 评估,与 GPT Realtime 2.1 进行了对比评估。
相关故事
https://microsoft.ai/news/microsoft-ignite-2026/
七款具备可扩展性价比的世界级模型
2026 年 11 月 17 日

https://microsoft.ai/news/introducing-mai-image-2-5-pro-and-mai-voice-2-flash/
推出 MAI Image 2.5 Pro 和 MAI Voice 2 Flash
2026 年 7 月 23 日

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

https://microsoft.ai/news/ode-poetry-mai/
利用 MAI 的音频模型让《颂歌》诗歌栩栩如生
2026 年 7 月 9 日
![]()