跳到主要內容
2026-11-18 日報
模型發布

微軟發表首款語音對語音模型 MAI Realtime 1,每分鐘 0.01 美元起並相容 OpenAI API

iThome 中國單一來源
尚未逐項核實

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

微軟於 Ignite 2026 大會發表首款語音對語音模型 MAI Realtime 1,鎖定企業即時對話應用。微軟宣稱該模型可處理插話打斷、快速確認與等待發言等自然互動,並能在吵雜或多人同時說話的環境下辨識需求;開發者亦可透過提示詞自訂語氣與風格,或串接企業系統執行預訂與客服任務。 計費方式上,MAI Realtime 1 基礎語音使用費為每音訊分鐘 0.01 美元;若需調用進階推論引擎,輸入每百萬 token 為 1 美元、輸出每百萬 token 為 5 美元。 在評測數據方面,微軟公布該模型在 Big Bench Audio 語音推論測試中取得 98.9% 準確率,每小時輸入音訊成本約 1.35 美元;相較之下,GPT-Realtime-2 High 為 96.6%、每小時 4.14 美元,Grok Voice 2.0 為 97.2%、每小時 4.80 美元。官方亦指出其在 Tau-Voice 代理任務基準具備性價比優勢。 該模型相容 OpenAI Realtime API,目前 Agoda 與 Reservations.ai 已展開測試。微軟後續規劃將其導入 Dynamics 365 Contact Center,以及醫療工具 Dragon Copilot 的模擬患者對話訓練中。
讀原始報導