Event ·Multi-source

微软发布首款语音对语音模型 MAI Realtime 1,定价每分钟 0.01 美元

微软在 11 月 17 日 Ignite 2026 大会上发布首款语音对语音模型 MAI Realtime 1,基础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、输出 token 5 美元另行计费。该模型面向真实企业语音场景,能处理打断、快速确认、等待对方说完等对话细节,并在嘈杂环境或多人同时说话时理解用户请求。 技术上,MAI Realtime 1 实时回应语音之外,可在任务需要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、客服处理等操作,开发者可通过提示词调整其语气、风格和行为。模型兼容 OpenAI Realtime API,便于迁移现有语音应用,Agoda、Reservations.ai 已开始试用。 性能方面,微软称其在 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,对比 GPT-Realtime-2 High 的 96.6%、4.14 美元和 Grok Voice 2.0 的 97.2%、4.80 美元,处于性能—价格前沿。微软计划将其用于 Dynamics 365 Contact Center 客服和 Dragon Copilot 的 AI 模拟患者对话。

Current read

微软自家语音模型终于来了,价格只有 GPT Realtime 2.1 的三分之一左右,还兼容 OpenAI API,迁移成本很低。做语音客服、电话机器人的开发者可以直接对比测试一下。

11 sources71° AI heatLast updated 2026/11/17 23:15:42

Evidence

11 sources
Related source 1TestingCatalog
View source
Related source 2The Rundown AI
View source
Related source 3Simon Willison’s Weblog
View source
Related source 4lmarena.ai
View source
Related source 5OpenAI Blog
View source
Related source 6Vaibhav Srivastav
View source
Related source 7@OpenAIDevs
View source
Related source 9The Information
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.